論文の概要: Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026
- arxiv url: http://arxiv.org/abs/2608.24327v1
- Date: Tue, 25 Aug 2026 09:51:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.926655
- Title: Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026
- Title（参考訳）: 音声からSOAP:医療対話の終末要約:KIT@BeTraC 2026
- Abstract要約: 我々は、KITのこの年に提出したBeTraCチャレンジを軽量トラックで紹介する。
我々の主な貢献は、多種多様な医療対話データセットを合成音声生成と自動生成SOAP監視によって統合するスケーラブルなデータ拡張パイプラインである。
- 参考スコア（独自算出の注目度）: 62.221439619588914
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advent of Large Language Models and its instruction following capabilities a promising application is the task of summarization. Within this domain of task the extractive sub-task of clinical protocolling has emerged as a topic of particular interest as it can significantly reduce the downtime and protocolling burden of health-care workers thus enabling them to focus on their core work helping humans. A further step towards automation is the direct generation of clinical notes from speech without intermediate transcripts, reducing processing time while preserving information such as coughing or other paralinguistic cues that may be lost in transcript-based systems. To this end, we present KIT's submission to this years BeTraC challenge in the lightweight track. Our main contribution is a scalable data augmentation pipeline that unifies heterogeneous medical dialogue datasets through synthetic speech generation and automatically generated SOAP supervision, enabling robust adaptation of a speech foundation model for end-to-end speech-to-SOAP generation.
- Abstract（参考訳）: 大規模言語モデルの出現とその命令に従う能力により、将来性のあるアプリケーションが要約のタスクである。
この課題領域内では、医療従事者のダウンタイムとプロトロールの負担を大幅に軽減し、人間を助けるコアワークに集中できるように、クリニカル・プロトロールの抽出サブタスクが特に関心の的となっている。
自動化に向けたさらなるステップは、中間転写のない音声から臨床ノートを直接生成することであり、コーディングやその他のパラ言語的手がかりが転写システムで失われる可能性のある情報を保存しながら、処理時間を短縮する。
この目的のために、KITのこの年に提出したBeTraCチャレンジを軽量トラックで紹介する。
我々の主な貢献は、多種多様な医療対話データセットを合成音声生成と自動生成により統合するスケーラブルなデータ拡張パイプラインであり、エンドツーエンドの音声-SOAP生成のための音声基盤モデルの堅牢な適応を可能にする。
関連論文リスト
- A Multimodal Framework for Dementia Detection via Linguistic and Acoustic Representation Learning [10.559333552210434]
アルツハイマー病は認知症の主要な原因であり、記憶、推論、コミュニケーション、日常生活に影響を及ぼす。
近年の研究では、自発音声には認知症に関連する貴重な言語的・音響的バイオマーカーが含まれていることが示されている。
本稿では,言語情報と書き起こし情報をエンドツーエンドのトレーニング可能な方法で共同で活用する,認知症自動検出のためのマルチモーダルディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T07:57:49Z) - Prototype-Based Disentanglement for Controllable Dysarthric Speech Synthesis [2.411338616884766]
変形性音声は、高い変動性とラベル付きデータに制限がある。
現在のアプローチは、合成データ拡張や音声再構成に依存している。
本稿では,プロトタイプベースのディスアングルメント TTS フレームワーク ProtoDisent-TTS を提案する。
論文 参考訳（メタデータ） (2026-02-09T14:14:51Z) - MOSS-Speech: Towards True Speech-to-Speech Models Without Text Guidance [66.74042564585942]
MOSS-Speechは、テキストガイダンスに頼ることなく直接理解し、音声を生成する、真の音声音声合成大言語モデルである。
我々の研究は、表現的かつ効率的なエンドツーエンドの音声対話のための新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-10-01T04:32:37Z) - Adapting Foundation Speech Recognition Models to Impaired Speech: A Semantic Re-chaining Approach for Personalization of German Speech [0.562479170374811]
脳性麻痺や遺伝性障害などの症状による音声障害は、自動音声認識システムに重大な課題をもたらす。
本稿では,ASRモデルをパーソナライズする実用的で軽量なパイプラインを提案し,単語の選択を形式化し,セマンティック・コヒーレンスによる音声障害者データセットを充実させる。
提案手法は,非典型的音声パターンを持つ個人に対するコミュニケーション障壁を低減する可能性を示した。
論文 参考訳（メタデータ） (2025-06-23T15:30:50Z) - Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition [110.8431434620642]
生成音声の書き起こし誤り訂正(GenSEC)の課題について紹介する。
この課題は、(i)ASR後の転写補正、(ii)話者タグ付け、(iii)感情認識という、3つのASR後の言語モデリングタスクを含む。
本稿では,ベースライン評価から得られた知見と,今後の評価設計における教訓について論じる。
論文 参考訳（メタデータ） (2024-09-15T16:32:49Z) - SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks [94.10497337235083]
我々はまず,音声処理分野における音声 LM の促進の可能性を探る。
音声処理タスクを音声単位生成タスクに再構成する。
提案手法は, 強い微調整法と比較して, 競争性能を向上できることを示す。
論文 参考訳（メタデータ） (2024-08-23T13:00:10Z) - Careful Whisper -- leveraging advances in automatic speech recognition
for robust and interpretable aphasia subtype classification [0.0]
本稿では,音声記録から音声異常を同定し,音声障害の評価を支援するための完全自動アプローチを提案する。
Connectionist Temporal Classification (CTC) と encoder-decoder-based auto speech recognition model を組み合わせることで、リッチな音響およびクリーンな書き起こしを生成する。
そこで本研究では,これらの書き起こしから特徴を抽出し,健全な音声のプロトタイプを作成するために,いくつかの自然言語処理手法を適用した。
論文 参考訳（メタデータ） (2023-08-02T15:53:59Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - Silent Speech Interfaces for Speech Restoration: A Review [59.68902463890532]
サイレント音声インタフェース (SSI) の研究は、重度音声障害の患者に対して、代替的で拡張的なコミュニケーション方法を提供することを目的としている。
SSIは、コミュニケーションを可能にするために、音声生成中に人体によって生成される非音響バイオシグナーに依存している。
現在、ほとんどのSSIは、健康なユーザーのために実験室でのみ検証されている。
論文 参考訳（メタデータ） (2020-09-04T11:05:50Z) - Towards an Automated SOAP Note: Classifying Utterances from Medical
Conversations [0.6875312133832078]
我々は、(i)SOAPセクションと(ii)話者の役割に従って、医療会話から発話を分類するためのギャップを橋渡しします。
本稿では,既存のディープラーニングアーキテクチャを上記の2つのタスクに適応させるシステム分析を提案する。
その結果,単語レベルと発話レベルの両方をキャプチャする階層的な文脈をモデル化することで,両者の分類作業を大幅に改善することが示唆された。
論文 参考訳（メタデータ） (2020-07-17T04:19:30Z)
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。