論文の概要: Motor, Cognitive, or Corpus? What Survives Cross-Lingual Transfer in Speech-Based Parkinsons Disease Detection

• arxiv url: http://arxiv.org/abs/2608.13425v1
• Date: Thu, 13 Aug 2026 16:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.596733
• Title: Motor, Cognitive, or Corpus? What Survives Cross-Lingual Transfer in Speech-Based Parkinsons Disease Detection
• Title（参考訳）: 運動・認知・コーパス : 音声によるパーキンソン病検出における言語間移動の生き残り
• Abstract要約: 自己教師付き学習(SSL)音声表現は、パーキンソン病の検出において、個々のコーパス内での強い性能を達成する。 これらのモデルが疾患関連の特徴を捉えているのか、あるいはデータセット固有の欠点を悪用しているのかは不明だ。 これらの結果は, 音声による病態認識モデルが臨床環境に確実に展開される前に, 対処しなければならない限界を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 0.37867904346306974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-supervised learning (SSL) speech representations achieve strong performance for Parkinson's disease (PD) detection within individual corpora. However, it remains unclear whether these models capture disease-related characteristics or exploit dataset-specific confounds, particularly since most SSL backbones are pretrained exclusively on healthy speech. To investigate this question, we perform a layer-wise analysis of nine SSL speech backbones using a low-capacity logistic regression probe across three languages. We structure the evaluation as multiple scenarios that progressively introduce distribution shifts in participant identity, recording conditions, language, and pathology. Our results reveal two key findings. First, layer selection is highly corpus-dependent: the optimal representation layer is determined primarily by the source dataset rather than by the SSL architecture itself. Second, the transferred discriminative signal lacks pathological specificity: classifiers trained to detect PD assign similarly high probabilities to both PD and dementia speech in the target corpus. These results highlight critical limitations that must be addressed before speech-based pathology recognition models can be reliably deployed in clinical settings.
• Abstract（参考訳）: 自己教師付き学習(SSL)音声表現は、パーキンソン病(PD)の検出において、個々のコーパス内での強いパフォーマンスを達成する。 しかしながら、これらのモデルが疾患関連の特徴を捉えているのか、データセット固有の欠点を悪用しているのかは、特にほとんどのSSLバックボーンは、健康な音声のみに事前訓練されているため、不明である。 そこで本研究では,低容量ロジスティック回帰プローブを用いて,9つのSSL音声バックボーンを階層的に解析する。 評価は, 個人識別, 記録条件, 言語, 病理の分布変化を段階的に導入する複数のシナリオとして構成する。 以上の結果から2つの重要な結果が得られた。 まず、最適な表現層はSSLアーキテクチャ自体ではなく、主にソースデータセットによって決定される。 第二に、転写された識別シグナルは、病的特異性に欠けており、PDを検出するために訓練された分類器は、ターゲットコーパスにおけるPDと認知の双方に同様の高い確率を割り当てる。 これらの結果は, 音声による病態認識モデルが臨床環境に確実に展開される前に, 対処しなければならない限界を浮き彫りにしている。

関連論文リスト

• A Benchmark for Early-stage Parkinson's Disease Detection from Speech [6.032182703186787]
  早期パーキンソン病 (EarlyPD) は臨床的には有意であるが, 未発見である。 そこで本研究では,話者独立スプリットを用いた音声に基づく早期PD検出のための最初のベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-05-13T19:43:01Z)
• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech [69.86604856129883]
  外科的音声品質評価(DSQA)は臨床診断と包括的音声技術において重要である。 本研究では,未ラベルの変形音声と大規模典型的な音声データセットを併用した3段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T23:00:07Z)
• Does Language Matter for Early Detection of Parkinson's Disease from Speech? [9.968776083852813]
  音声サンプルをバイオマーカーとして用いることは、パーキンソン病(PD)の進行を検知し、監視するための有望な道である PD検出における言語の役割を評価するため,様々なデータ型と事前学習対象を持つ事前学習モデルの検証を行った。
  論文  参考訳（メタデータ） (2025-07-14T19:23:09Z)
• Evaluating the Effectiveness of Pre-Trained Audio Embeddings for Classification of Parkinson's Disease Speech Data [0.7673339435080445]
  パーキンソン病のバイオマーカーとしての音声障害 ディープアコースティックな特徴はPD分類の可能性を示唆しているが、その効果は話者の違いによってしばしば異なる。 本研究では,PD分類における3つの事前学習オーディオ埋め込みの有効性について検討した。
  論文  参考訳（メタデータ） (2025-06-02T09:32:54Z)
• Bilingual Dual-Head Deep Model for Parkinson's Disease Detection from Speech [8.852211803870016]
  本研究は, 音声信号からのパーキンソン病(PD)検出問題にバイリンガル設定で対処することを目的として, タイプベースバイナリ分類のためのアドホックなデュアルヘッドディープニューラルアーキテクチャを提案する。 片頭はダイアドコキネティックなパターンに特化しており、もう片頭は連続した発声音声に存在する自然な音声パターンを検索する。
  論文  参考訳（メタデータ） (2025-03-13T12:23:11Z)
• Self-supervised ASR Models and Features For Dysarthric and Elderly Speech Recognition [71.87998918300806]
  本稿では,TDNNとConformer ASRシステムにSSLプリトレーニングモデルとその機能を統合するアプローチについて検討する。 ドメイン適応型HuBERT、wav2vec2-conformer、マルチ言語型XLSRモデルを統合することで構築されたTDNNシステムは、スタンドアロンの微調整型SSL事前訓練モデルより一貫して優れている。 DementiaBank Pitt の高齢者音声認識出力を用いて,アルツハイマー病の検出精度の向上も行った。
  論文  参考訳（メタデータ） (2024-07-03T08:33:39Z)
• Neural Sign Actors: A diffusion model for 3D sign language production from text [51.81647203840081]
  手話 (SL) は難聴者および難聴者コミュニティの主要なコミュニケーション手段である。 この研究は、現実的なニューラルサインアバターに向けて重要な一歩を踏み出し、聴覚と聴覚のコミュニティ間のコミュニケーションギャップを埋める。
  論文  参考訳（メタデータ） (2023-12-05T12:04:34Z)
• Decoding speech perception from non-invasive brain recordings [48.46819575538446]
  非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。 我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
  論文  参考訳（メタデータ） (2022-08-25T10:01:43Z)
• Exploiting Cross-domain And Cross-Lingual Ultrasound Tongue Imaging Features For Elderly And Dysarthric Speech Recognition [55.25565305101314]
  調音機能は音響信号歪みに不変であり、音声認識システムにうまく組み込まれている。 本稿では,A2Aモデルにおける24時間TaLコーパスの並列音声・超音波舌画像(UTI)データを利用したクロスドメインおよびクロスランガルA2Aインバージョン手法を提案する。 生成した調音機能を組み込んだ3つのタスクの実験は、ベースラインのTDNNとコンフォーマーASRシステムより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-06-15T07:20:28Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。