論文の概要: Why Alzheimer's Speech Screening Fails to Generalize: Bridging the Deployment Gap via Cross-Corpus Evidence Anchoring

• arxiv url: http://arxiv.org/abs/2609.31293v1
• Date: Fri, 25 Sep 2026 14:02:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.416735
• Title: Why Alzheimer's Speech Screening Fails to Generalize: Bridging the Deployment Gap via Cross-Corpus Evidence Anchoring
• Title（参考訳）: アルツハイマーの音声スクリーニングが一般化しない理由:クロスコーパスによるデプロイメントギャップのブリッジ化
• Abstract要約: 音声によるスクリーニングは、アルツハイマー病と関連する認知リスクを検出するための有望で非侵襲的なアプローチである。 単一のドメインでトレーニングされたモデルは、しばしば、目に見えない言語、タスク、または記録プロトコルに貧弱に一般化される。 本稿では,この展開ギャップを,4つの異なるデータセット間での残余コーパスアウト評価を用いて検討する。
• 参考スコア（独自算出の注目度）: 10.342594923784956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Speech-based screening is a promising, non-invasive approach for detecting Alzheimer's disease and related cognitive risks. However, models trained on a single domain often generalize poorly to unseen languages, tasks, or recording protocols. This paper investigates this deployment gap using a leave-one-corpus-out evaluation across four distinct datasets. Among 70 interpretable speech and language features, 59 exhibit direction conflicts between healthy control and cognitive risk groups across corpora, with pause, silence, and speech rate showing high protocol sensitivity. Furthermore, while the XLM-R text baseline achieves strong average performance, its Area Under the ROC Curve (AUC) drops to 0.520 on the weakest held-out domain. A standard GroupDRO baseline reaches a 0.766 mean speaker AUC and a 0.504 worst-domain AUC under the same protocol. To address this, we propose a fusion method that integrates XLM-R text baseline scores with evidence anchors selected during training. Balanced fusion achieves a 0.785 mean speaker AUC, while anchor-heavy fusion raises the worst-case speaker AUC to 0.615. This work highlights the need to audit feature transferability and report worst-case domain robustness in cognitive speech screening.
• Abstract（参考訳）: 音声によるスクリーニングは、アルツハイマー病と関連する認知リスクを検出するための有望で非侵襲的なアプローチである。 しかし、単一のドメインでトレーニングされたモデルは、しばしば、目に見えない言語、タスク、または記録プロトコルに貧弱に一般化する。 本稿では,この展開ギャップを,4つの異なるデータセット間での残余コーパスアウト評価を用いて検討する。 70の解釈可能な音声と言語の特徴のうち59は、コーパス全体にわたる健全なコントロールと認知リスクグループ間の方向性の衝突を示し、ポーズ、沈黙、および高いプロトコル感度を示す発話速度を示した。 さらに、XLM-Rテキストベースラインは高い平均性能を達成する一方、ROC曲線(AUC)は最も弱い保持領域で0.520に低下する。 標準のGroupDROベースラインは0.766平均話者AUCと0.504最悪のドメインAUCに同じプロトコルで到達する。 そこで本研究では,XLM-Rテキストベースラインスコアと,トレーニング中に選択したエビデンスアンカーとを統合する融合手法を提案する。 平衡融合は平均話者AUCが0.785、アンカー重融合は最悪の話者AUCが0.615となる。 この研究は、特徴伝達可能性の監査の必要性を強調し、認知音声スクリーニングにおける最悪の領域の堅牢性を報告する。

関連論文リスト

• A Probe Shift Is Not a Fairness Fix: The Limits of Representation Steering in Speech Models [9.715150075665354]
  我々は、事前訓練されたASRエンコーダから線形に読み取れる話者リンク属性が、グループ単語エラー率のギャップを減らすのに有用な方向を与えるかどうかを問う。 本研究は,表現,伝播,タスクレベルでの発話バイアス介入の評価を動機づけるものである。
  論文  参考訳（メタデータ） (2026-09-16T12:01:30Z)
• Correlation-Guided Encoder Selection for Multi-Encoder Large Audio-Language Models [52.59216139491759]
  CUES (Correlation-gUided Selection) は、単エンコーダ評価のみから選択中の融合訓練なしで設定された候補をスコアする。 広いトラックAスイートでは、CUESはクロスファミリートリオ(Whisper-medium、mHuBERT-147、Dasheng-base)を選択する。 TrackBテキスト生成では、フォーカスされた音声のみのペア(mHuBERT-147とWavLM-base-plus)で再アンカーする。
  論文  参考訳（メタデータ） (2026-09-16T02:41:41Z)
• Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning [2.4214594180459366]
  認知症検出に用いられる音声記録は、話者のアイデンティティを公開し、重要なプライバシー上の懸念を提起する。 2つの異なる盗聴ベクトルを中和する多層フレームワークを提案する。 信号レベルでは、累積信号攻撃はキーワード整列領域の摂動に集中し、転写エラーを最大化する。 特徴レベルにおいて、相互情報(MI)誘導ノイズ注入を用いたグラディエント・リバーサル層(GRL)は、話者識別次元を抑制する。
  論文  参考訳（メタデータ） (2026-07-19T06:48:54Z)
• Transcript-Free Lightweight Detection of Alzheimer's Disease from Spontaneous Speech Using Handcrafted MFCC-Dominant Acoustic Biomarkers [7.901493394283502]
  アルツハイマー病(AD)の早期発見はいまだに困難であり、特に神経画像撮影が高価であったり、言語に依存したツールが入手できない場合はなお困難である。 我々は,DementiaBankコーパスから176個のCookie Theftレコードを用いてADを検出するための,シンプルで音声のみのベースラインを提供する。 ポーズや統計,スペクトル/韻律記述子,流速要約など,99個の手作り音響時間特徴を抽出した。
  論文  参考訳（メタデータ） (2026-07-11T07:19:16Z)
• Towards Personalized Federated Learning for Dysarthric Speech Recognition [49.291957451546914]
  本稿では,パラメータベースの平均化戦略と埋め込みベースの平均化戦略を含む,パーソナライズを実現するための2つのアグリゲーション戦略について検討する。 UASpeech と TORGO の実験により、提案手法は、UASpeech の 0.99% と TORGO の 0.56% (4.73% ) と、統計学的に有意な WER の 0.99% の絶対値(3.15% の相対値)の削減により、ベースライン正規化の FedAvg よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-11T12:10:57Z)
• Training-Free Cross-Lingual Dysarthria Severity Assessment via Phonological Subspace Analysis in Self-Supervised Speech Representations [0.0]
  変形性言語重度評価は通常、ラベル付き病的音声から構築された教師付きモデルを必要とする。 音韻的特徴部分空間の劣化を測定することにより, 難聴度を定量化する訓練自由手法を提案する。 教師付き重度モデルは訓練されず、健常な制御音声から特徴方向を推定する。
  論文  参考訳（メタデータ） (2026-04-11T09:38:35Z)
• Membership Inference Attacks against Large Audio Language Models [50.84901010528239]
  大規模音声言語モデル(LALM)のMIA評価について述べる。 テキスト,スペクトル,韻律的特徴に基づくマルチモーダルブラインドベースラインを用いて,一般的な音声データセットがほぼ完璧な列車/テスト分離性を示すことを示す。 以上の結果から, LALM検査の基準基準が確立された。
  論文  参考訳（メタデータ） (2026-03-30T12:45:28Z)
• Benchmarking Foundation Speech and Language Models for Alzheimer's Disease and Related Dementia Detection from Spontaneous Speech [14.936023751079654]
  アルツハイマー病と認知症は進行性神経変性疾患である。 自発音声には、非侵襲的なバイオマーカーとして機能する豊富な音響マーカーと言語マーカーが含まれている。 大規模オーディオまたはテキストデータに基づいて事前訓練された基礎モデルは、文脈的および音響的特徴を符号化した高次元埋め込みを生成する。
  論文  参考訳（メタデータ） (2025-06-09T17:52:31Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• A Comparative Study on Speaker-attributed Automatic Speech Recognition in Multi-party Meetings [53.120885867427305]
  会議シナリオにおける話者分散自動音声認識(SA-ASR)の3つのアプローチを評価する。 WD-SOT法は平均話者依存文字誤り率(SD-CER)を10.7%削減する TS-ASRアプローチはFD-SOTアプローチよりも優れ、16.5%の相対的なSD-CER削減をもたらす。
  論文  参考訳（メタデータ） (2022-03-31T06:39:14Z)

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。