論文の概要: From Sound to Symptom: Real-Time Respiratory Signal Understanding for Conversational Healthcare Agents

• arxiv url: http://arxiv.org/abs/2608.26163v1
• Date: Fri, 10 Jul 2026 21:30:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.372642
• Title: From Sound to Symptom: Real-Time Respiratory Signal Understanding for Conversational Healthcare Agents
• Title（参考訳）: 音から症状へ:会話型医療エージェントのリアルタイム呼吸信号理解
• Abstract要約: リアルタイム対話エージェントにおけるパラ言語的呼吸モニタリングのためのストリーミングパイプラインであるHealthCUESを提案する。 HealthCUESは音声を対話のターン境界に整列したローリングバッファを通して処理し、秒単位のイベント検出を可能にする。 このシステムは, (i) 結節と喉のクリアリングの区別, (ii) 結節の分類, (dry, wet, barking, whooping) の信頼性スコア, (iii) 終末境界による時間的時間推定など,詳細な分析を提供する。
• 参考スコア（独自算出の注目度）: 12.446298489568766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cough events during live spoken conversations carry clinically valuable respiratory signals, yet existing dialogue systems treat them as acoustic noise to be discarded. We present HealthCUES (Clinical Understanding from Embodied Sounds), a streaming pipeline for paralinguistic respiratory monitoring in real-time conversational agents, a capability that, to the best of our knowledge, is absent from all prior systems. HealthCUES processes audio through a rolling buffer aligned with dialogue turn boundaries, enabling sub-second event detection without interrupting conversational flow. Beyond binary cough detection, the system provides fine-grained analytics: (i) differentiation between coughing and throat clearing, (ii) cough subtype classification (dry, wet, barking, whooping) with confidence scores, and (iii) temporal duration estimation with start-end boundaries. To prevent alert fatigue, HealthCUES introduces dialogue-aware gating mechanisms that modulate triggering based on conversational context. The system leverages Qwen3Omni, a multimodal large language model (MLLM), with constrained structured outputs, decomposing cough analysis into parallel prediction tasks for independent prompt optimization. Evaluation on 847 in-house conversational audio segments demonstrates 93\% F1 for cough detection, 0.75 weighted-F1 for wet/dry subtype classification, and average end-to-end latency of 340ms; external validation on the AMI meeting corpus confirms robust cough, throat-clearing, and speech separation in the presence of speech (0.91 macro-F1). A user study with licensed healthcare professionals confirms the clinical relevance of subtype information and the system's utility in telehealth workflows.
• Abstract（参考訳）: 生会話中の粗い出来事は臨床的に価値のある呼吸シグナルを伝達するが、既存の対話システムはこれらを音響ノイズとして処理して破棄する。 我々は、リアルタイムの会話エージェントにおけるパラ言語的呼吸モニタリングのためのストリーミングパイプラインであるHealthCUES(Clinical Understanding from Embodied Sounds)を、私たちの知る限り、これまでのすべてのシステムにはない能力として提示する。 HealthCUESは音声を対話のターン境界に整列したローリングバッファを通して処理し、会話の流れを中断することなく、秒以下のイベント検出を可能にする。 バイナリー・コーの検出以外にも、システムはきめ細かな分析を提供する。 (一)うなずきと喉の清浄の区別 (二 信頼度のある副種分類(乾いた、濡れた、barking、feoping)、及び 三 始末境界による時間的期間推定 警告疲労を防止するため、HealthCUESは会話コンテキストに基づいてトリガを変調する対話対応ゲーティング機構を導入した。 このシステムは、マルチモーダルな大規模言語モデル(MLLM)であるQwen3Omniを活用し、制約付き構造化された出力を持ち、コーグ解析を独立したプロンプト最適化のために並列予測タスクに分解する。 847件の会話音声セグメントの評価では, 湿式・乾式サブタイプ分類のための重み付きF1, および340msの平均終端遅延が93 %F1であり, AMI会議コーパスにおける外的検証により, 音声の有無による頑健性, 喉のクリーニング, 音声分離が確認された(0.91 macro-F1)。 認可された医療専門家によるユーザスタディでは、遠隔医療ワークフローにおけるサブタイプ情報とシステムの有用性の臨床的関連性を確認している。

関連論文リスト

• Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026 [62.221439619588914]
  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。
  論文  参考訳（メタデータ） (2026-08-25T09:51:03Z)
• 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)
• Explainable Multi-Modal Deep Learning for Automatic Detection of Lung Diseases from Respiratory Audio Signals [0.49581497240446293]
  本研究では,呼吸音信号を用いた自動肺不全検出のためのマルチモーダル深層学習フレームワークを提案する。 このフレームワークにはGrad-CAM、Integrated Gradients、SHAPが含まれており、解釈可能なスペクトル、時間、特徴レベルの説明を生成する。 この結果は、遠隔医療、ポイント・オブ・ケアの診断、および実際の呼吸スクリーニングに対するフレームワークの可能性を示している。
  論文  参考訳（メタデータ） (2025-11-29T17:15:58Z)
• EZhouNet:A framework based on graph neural network and anchor interval for the respiratory sound event detection [7.29257171556766]
  可変長オーディオを処理可能なアンカー間隔を持つグラフニューラルネットワークベースのフレームワークを提案する。 本手法は呼吸音検出の柔軟性と適用性を両立させる。
  論文  参考訳（メタデータ） (2025-09-01T06:10:30Z)
• Pediatric Asthma Detection with Googles HeAR Model: An AI-Driven Respiratory Sound Classifier [0.8463972278020965]
  この研究は、小児の呼吸音から喘息の早期徴候を検出するために、AIを利用した診断パイプラインを提供する。 SPRSoundデータセットは、ホイーズ、クラックル、ロンチ、ストリドール、ノーマルとラベル付けされた2秒のオーディオセグメントを抽出するために使用される。 このシステムは91%以上の精度を達成し、正の場合の精度・リコールの指標に対して高い性能を発揮する。
  論文  参考訳（メタデータ） (2025-04-28T12:52:17Z)
• Automating Feedback Analysis in Surgical Training: Detection, Categorization, and Assessment [65.70317151363204]
  本研究は,非構造化現実記録からの外科的対話を再構築するための最初の枠組みを紹介する。 外科訓練では,ライブ手術中に訓練者に提供する形式的言語フィードバックは,安全性の確保,行動の即時修正,長期的スキル獲得の促進に不可欠である。 本フレームワークは,音声活動の検出,話者ダイアリゼーション,自動音声認識と,幻覚を除去する新たな拡張機能を統合する。
  論文  参考訳（メタデータ） (2024-12-01T10:35:12Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
  本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。 正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
  論文  参考訳（メタデータ） (2022-01-14T17:09:22Z)
• Multi-view Temporal Alignment for Non-parallel Articulatory-to-Acoustic Speech Synthesis [59.623780036359655]
  A2A(Articulatory-to-Aoustic)合成は、音声刺激器のキャプチャされた動きから可聴音声の生成を指します。 この手法には、病気や怪我のためにもはや話せない人々への口頭コミュニケーションの回復など、多くの応用がある。 本稿では,多視点学習の理論に基づく問題解決法を提案する。
  論文  参考訳（メタデータ） (2020-12-30T15:09:02Z)
• Respiratory Distress Detection from Telephone Speech using Acoustic and Prosodic Features [27.77184655808592]
  本研究は,よく知られた音響・韻律的特徴を用いた呼吸困難の自動検出に関する予備的知見を要約する。 音声サンプルはバングラデシュの医療機関から未確認の遠隔医療電話から収集される。 呼吸困難は、声質、発声パターン、発声時間、発声時間などの音声特徴を変化させる可能性があると仮定する。
  論文  参考訳（メタデータ） (2020-11-15T13:32:45Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)

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。