論文の概要: LLM-Anchored Paralinguistic Enrichment for Alzheimer's Disease Detection
- arxiv url: http://arxiv.org/abs/2609.10896v1
- Date: Wed, 09 Sep 2026 22:58:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.161918
- Title: LLM-Anchored Paralinguistic Enrichment for Alzheimer's Disease Detection
- Title（参考訳）: LLMによるアルツハイマー病の診断
- Abstract要約: 音声によるアルツハイマー病の自動検出(AD)は、早期認知スクリーニングに対する非侵襲的でスケーラブルなアプローチを提供する。
既存の手法はまだパラ言語学的な手がかりを言語内容と完全に統合していない。
本稿では,LLMから派生した言語表現を3つのコーディネートされた革新によって強化するLLM-Anchored Paralinguistic Enrichment (LAPE)を提案する。
- 参考スコア（独自算出の注目度）: 46.06714901225066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Speech-based automatic detection of Alzheimer's disease (AD) provides a non-invasive and scalable approach to early cognitive screening. AD affects both lexical-semantic organization and speech production, including atypical pauses and word elongations. However, existing methods have yet to fully integrate these paralinguistic cues with linguistic content. We propose LLM-Anchored Paralinguistic Enrichment (LAPE), which enriches LLM-derived linguistic representations with paralinguistic cues through three coordinated innovations. The first is prosodic event textualization, which enables the LLM to model pauses and elongations jointly with lexical content by encoding them as explicit markers with bounded duration-aware repetition. The second is lexico-prosodic unitization and chunking, which preserves event identity and magnitude in both modalities by pooling only consecutive word units. The third is text-anchored paralinguistic fusion, which integrates local and utterance-level speech features by using NormGate to normalize and dynamically scale them relative to text. We evaluate LAPE on ADReSS and ADReSSo using participant-level cross-validation and leave-one-subject-out evaluation. LAPE achieves state-of-the-art performance across all four primary settings. Code will be released upon acceptance.
- Abstract（参考訳）: 音声によるアルツハイマー病の自動検出(AD)は、早期認知スクリーニングに対する非侵襲的でスケーラブルなアプローチを提供する。
ADは、非典型的停止や単語伸長を含む語彙・意味体系と音声生成の両方に影響を及ぼす。
しかし、既存の手法はまだこれらのパラ言語的手がかりを言語的内容と完全に統合していない。
本稿では,LLMから派生した言語表現を3つのコーディネートされた革新によって強化するLLM-Anchored Paralinguistic Enrichment (LAPE)を提案する。
1つ目は韻律的な出来事のテクスチャ化であり、LLMは制限と伸長を語彙の内容と共同でモデル化することができる。
第二に、レキシコ韻律単位化とチャンキングであり、連続した単語単位のみをプールすることで、両方のモードにおける事象のアイデンティティと大きさを保存する。
3つ目はテキストアンコールによるパラ言語融合であり、NormGateを用いてテキストに対して正規化し動的にスケールすることで、局所的および発話レベルの音声特徴を統合する。
我々は,ADReSSとADReSSoのLAPEを参加者レベルのクロスバリデーションとLeft-one-subject-out評価を用いて評価した。
LAPEは4つの主要な設定すべてで最先端のパフォーマンスを達成する。
コードは受理時にリリースされる。
関連論文リスト
- DualAnchor: Preserving Language Priors and Improving Lexical Fidelity in Gloss-Free Sign Language Translation [30.38883468528891]
我々は光沢のない手話翻訳学習フレームワークであるDualAnchorを提案する。
2つの相補的なアンカーを、言語的に流動的で視覚的に忠実な世代に分けている。
TPAは、マルチモーダルデコーダを正規化することで、言語を保存します。
OTAは、エントロピー規則化された部分的最適輸送として視覚テキストマッチングを定式化することにより、語彙の忠実度を向上させる。
論文 参考訳（メタデータ） (2026-07-30T03:02:13Z) - Listening Between the Lines: Joint Learning of ASR Embeddings and LLM-Augmented Linguistics for Dementia Detection [3.4155322317700585]
音声分析による認知症の早期発見は、非侵襲的なスクリーニング代替手段を提供するが、音響的および言語的バイオマーカーの両方をキャプチャすることは依然として困難である。
本稿では,Whisperを多目的抽出に活用したマルチモーダルフレームワークを提案する。
アコースティックパスでは、アテンションを持つ時間ネットワークが、集合的可変長列を固定次元埋め込みにプーリングする。
言語経路において,語彙の多様性,構文的複雑性,意味的一貫性,談話パターンにまたがる解釈可能な特徴を抽出する大規模言語モデル(LLM)を提案する。
論文 参考訳（メタデータ） (2026-06-26T08:21:31Z) - How Tokenization Limits Phonological Knowledge Representation in Language Models and How to Improve Them [16.77683912171153]
サブワードベースのトークン化は局所的およびグローバルな音韻的特徴の符号化を系統的に弱めることを示す。
言語モデルに音韻的認識を注入する軽量なIPAに基づく微調整法を提案する。
論文 参考訳（メタデータ） (2026-04-18T18:40:56Z) - 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) - National Institute on Aging PREPARE Challenge: Early Detection of Cognitive Impairment Using Speech -- The SpeechCARE Solution [1.0486773259892048]
アルツハイマー病と関連する認知症は、60歳以上の成人の5人に1人に影響を与えるが、認知低下した人の半数以上が未診断のままである。
SpeechCAREは、認知障害に関連する微妙な音声関連手がかりをキャプチャするマルチモーダル音声処理パイプラインである。
その堅牢な前処理には、自動転写、大規模言語モデル(LLM)に基づく異常検出、タスク識別が含まれる。
論文 参考訳（メタデータ） (2025-11-11T11:39:20Z) - EmoSLLM: Parameter-Efficient Adaptation of LLMs for Speech Emotion Recognition [0.0]
音声からの感情認識は言語とパラ言語の両方を捉えることを必要とする難しい課題である。
最近の研究は、Large Language Models(LLM)が唯一の自然言語領域の外でタスクを実行する能力を強調している。
本研究は、感情予測のための音声およびテキスト表現を備えたLLMを微調整する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-08-19T06:58:16Z) - ProsodyLM: Uncovering the Emerging Prosody Processing Capabilities in Speech Language Models [70.56468982313834]
本稿では,韻律学習に適した単純なトークン化方式であるProsodyLMを提案する。
ProsodyLMは事前学習だけで驚くほど多様なプロソディ処理能力を学習できることがわかった。
論文 参考訳（メタデータ） (2025-07-27T00:59:01Z) - Decomposed Prompting: Probing Multilingual Linguistic Structure Knowledge in Large Language Models [54.58989938395976]
本稿では,シーケンスラベリングタスクに対する分割プロンプト手法を提案する。
提案手法は,38言語を対象としたUniversal Dependencies part-of-speech Taggedについて検証する。
論文 参考訳（メタデータ） (2024-02-28T15:15:39Z) - Pixel Sentence Representation Learning [67.4775296225521]
本研究では,視覚表現学習プロセスとして,文レベルのテキスト意味論の学習を概念化する。
タイポスや単語順シャッフルのような視覚的に接地されたテキスト摂動法を採用し、人間の認知パターンに共鳴し、摂動を連続的に認識できるようにする。
我々のアプローチは、大規模に教師なしのトピックアライメントトレーニングと自然言語推論監督によってさらに強化されている。
論文 参考訳（メタデータ） (2024-02-13T02:46:45Z) - WatME: Towards Lossless Watermarking Through Lexical Redundancy [58.61972059246715]
本研究では,認知科学レンズを用いた大規模言語モデル(LLM)の異なる機能に対する透かしの効果を評価する。
透かしをシームレスに統合するための相互排他型透かし(WatME)を導入する。
論文 参考訳（メタデータ） (2023-11-16T11:58:31Z) - Video-based Sign Language Recognition without Temporal Segmentation [88.03159640595187]
本稿では,時間分割の事前処理を不要とする新しい連続符号認識フレームワークを提案する。
提案するLS-HANは,映像特徴表現生成のための2ストリーム畳み込みニューラルネットワーク(CNN),意味ギャップブリッジのための潜時空間,潜在空間に基づく認識のための階層的注意ネットワーク(HAN)の3つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2018-01-30T17:37:42Z)
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。