論文の概要: Automatic estimation of verbal fluency index in people with Motor Neuron Disease using ASR alignment and pause modelling

• arxiv url: http://arxiv.org/abs/2609.38203v1
• Date: Tue, 22 Sep 2026 08:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.374366
• Title: Automatic estimation of verbal fluency index in people with Motor Neuron Disease using ASR alignment and pause modelling
• Title（参考訳）: ASRアライメントと停止モデルを用いた運動ニューロン疾患患者の言語流速指標の自動推定
• Abstract要約: 運動ニューロン疾患(MND)の認知障害のモニタリングは、タイムリーな治療とケアには不可欠である。 本研究では,VFI(Verbal Fluency Index)を推定するシステムを提案する。 独自のMNDデータセットを活用し、ASR(WhisperX)とVAD(Silero)を改良されたタイムスタンプと組み合わせてVFIを予測し、いくつかの臨床的に解釈可能な指標を抽出する。
• 参考スコア（独自算出の注目度）: 7.4446490047464975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring cognitive impairment (CI) in motor neuron disease (MND) is essential for timely treatment and care, yet challenging due to co-occurring speech difficulties. The Edinburgh Cognitive and Behavioural ALS Screen (ECAS) provides a robust metric for CI assessment, with the Verbal Fluency Index (VFI) a central element. Building on recent advances in automated speech analysis, this study proposes a system for estimating VFI. It leverages a unique MND dataset and combines ASR (WhisperX) and VAD (Silero) with refined timestamping to predict the VFI and extract several clinically interpretable measures. Our approach outperformed systems based on traditional acoustic features and self-supervised embeddings, evaluated using multiple regression algorithms. Clinically inspired features consistently outperformed the other sets, with the best models achieving strong results (P-words: R2 0.9, NRMSE 0.05; S-words: R2 0.8, NRMSE 0.08), demonstrating the feasibility of automated VFI estimation.
• Abstract（参考訳）: 運動ニューロン疾患(MND)における認知障害(CI)のモニタリングは、タイムリーな治療とケアに不可欠である。 Edinburgh Cognitive and Behavioural ALS Screen(ECAS)は、Verbal Fluency Index(VFI)を中心要素として、CIアセスメントのための堅牢な指標を提供する。 自動音声解析の最近の進歩に基づき,VFIを推定するシステムを提案する。 独自のMNDデータセットを活用し、ASR(WhisperX)とVAD(Silero)を改良されたタイムスタンプと組み合わせてVFIを予測し、いくつかの臨床的に解釈可能な指標を抽出する。 提案手法は, 従来の音響特性と自己教師あり埋め込みに基づくシステムの性能を, 複数の回帰アルゴリズムを用いて評価した。 Pワード: R2 0.9, NRMSE 0.05; Sワード: R2 0.8, NRMSE 0.08) は自動VFI推定の実現可能性を示している。

関連論文リスト

• Neural Architecture for Fast and Reliable Coagulation Assessment in Clinical Settings: Leveraging Thromboelastography [11.141462411413059]
  リアルタイム凝固モニタリングは、早期発見とリスクの即時修復を可能にする。 従来のトロンボエラストグラフィー(TEG)は、1時間近く測定した後にしかそのような出力が得られない。 本稿では,個人間の動的変化のアドバンテージを考慮に入れた新しいアルゴリズムPSRを提案する。
  論文  参考訳（メタデータ） (2026-01-12T15:03:53Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Temporal-Aware Iterative Speech Model for Dementia Detection [0.0]
  音声を用いた認知症自動検出の現在の手法は,静的,時間に依存しない特徴や集約された言語コンテンツに依存している。 本稿では,認知症検出のための自然発話を動的にモデル化するテンポラル・アウェア・イテレーティブ・フレームワークであるTAI-Speechを紹介する。 私たちの研究は、より柔軟で堅牢な認知評価ソリューションを提供し、生のオーディオのダイナミクスを直接操作します。
  論文  参考訳（メタデータ） (2025-09-26T01:56:07Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• MELON: Multimodal Mixture-of-Experts with Spectral-Temporal Fusion for Long-Term Mobility Estimation in Critical Care [1.5237145555729716]
  MELONは、医療現場における12時間移動状態を予測するための新しいフレームワークである。 フロリダ州ゲインズビルにあるフロリダ・ヘルス・サンズ病院の9つの集中治療室を受診した126名の患者を対象に,MELONモデルを訓練・評価した。 その結果、MELONは従来の12時間移動状態推定手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-03-10T19:47:46Z)
• Neural Finite-State Machines for Surgical Phase Recognition [30.912252237906724]
  ワークフロー最適化、パフォーマンス評価、リアルタイム介入ガイダンスの応用において、外科的位相認識は不可欠である。 従来の状態遷移前処理を現代のニューラルネットワークに統合することにより時間的コヒーレンスを実現する新しい手法であるNeural Finite-State Machine (NFSM)を提案する。 我々は、BernBypass70データセットの大幅な改善を含む、複数のベンチマークにおける最先端のパフォーマンスを実証した。
  論文  参考訳（メタデータ） (2024-11-27T03:21:57Z)
• Simulated patient systems are intelligent when powered by large language model-based AI agents [32.73072809937573]
  我々は,大規模言語モデルに基づくAIエージェントを用いた,インテリジェントシミュレートされた患者システムAIatientを開発した。 このシステムにはRetrieval Augmented Generationフレームワークが組み込まれており、複雑な推論のために6つのタスク固有のLLMベースのAIエージェントが使用されている。 シミュレーションの現実のために、このシステムはAIPatient KG (Knowledge Graph) も利用している。
  論文  参考訳（メタデータ） (2024-09-27T17:17:15Z)
• Improving Machine Learning Based Sepsis Diagnosis Using Heart Rate Variability [0.0]
  本研究の目的は、心拍変動(HRV)機能を用いて、敗血症検出のための効果的な予測モデルを開発することである。 ニューラルネットワークモデルは、HRVの特徴に基づいてトレーニングされ、F1スコアは0.805、精度は0.851、リコールは0.763である。
  論文  参考訳（メタデータ） (2024-08-01T01:47:29Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)

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。