論文の概要: Acoustic Biomarkers for Alzheimer's Disease Detection from Spontaneous Speech

• arxiv url: http://arxiv.org/abs/2610.12500v1
• Date: Wed, 30 Sep 2026 02:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 21:02:54.440323
• Title: Acoustic Biomarkers for Alzheimer's Disease Detection from Spontaneous Speech
• Title（参考訳）: 自発音声からのアルツハイマー病検出のための音響バイオマーカー
• Abstract要約: アルツハイマー病(AD)は依然として公衆衛生上の大きな課題である。 近年の研究では、音声ベースのデジタルバイオマーカーは、認知の低下に先行する、あるいは付随する、発声、韻律、タイミングの微妙な変化を捉えることができることが示されている。 自発音声から抽出した音響特徴がAD患者と健常者とを確実に区別できるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's disease (AD) remains a major public health challenge, and early identification is crucial for timely intervention and care planning. Recent work has shown that speech-based digital biomarkers can capture subtle changes in vocal production, prosody, and timing that often precede or accompany cognitive decline. In this study, we investigate whether acoustic features extracted from spontaneous speech can reliably distinguish individuals with AD from healthy controls. Using a structured speech dataset derived from the Cookie Theft picture-description task, we extract clinically informative low-level descriptors spanning prosodic, spectral, and temporal domains, and evaluate a range of machine learning classifiers. Our results indicate that acoustic biomarkers carry strong discriminative value, with the best-performing models achieving clinically meaningful separation between diagnostic groups. These findings support the use of non-invasive, low-cost audio-based screening tools and motivate further work on multimodal and longitudinal assessment frameworks for dementia risk detection.
• Abstract（参考訳）: アルツハイマー病(AD)は依然として主要な公衆衛生上の課題であり、早期診断はタイムリーな介入とケア計画に不可欠である。 近年の研究では、音声ベースのデジタルバイオマーカーは、認知の低下に先行する、あるいは付随する、発声、韻律、タイミングの微妙な変化を捉えることができることが示されている。 本研究では、自発音声から抽出した音響特徴が、ADを持つ個人と健常者とを確実に区別できるかどうかを検討する。 そこで,Cookie Theft画像記述タスクから得られた構造化音声データセットを用いて,韻律領域,スペクトル領域,時間領域にまたがる臨床的に有意な低レベル記述子を抽出し,機械学習分類器の範囲を評価する。 以上の結果から, 音響バイオマーカーは, 診断群間で臨床的に有意な分離を達成し, 識別的価値が高いことが示唆された。 これらの知見は、非侵襲的で低コストなオーディオベースのスクリーニングツールの使用をサポートし、認知症リスク検出のためのマルチモーダルおよび縦断的アセスメントフレームワークの開発を動機付けている。

関連論文リスト

• Explainable and Generalisable LLM-based Cognitive Decline Detection with Spontaneous Speech [30.364998191306515]
  アルツハイマー病(AD)と軽度認知障害(MCI)がADに先行する可能性がある。 本稿では,自動的,説明可能な認知スクリーニングのためのバイリンガル音声大言語モデルフレームワークを提案する。 誤りを生じやすい自動音声認識に依存する従来のパイプラインとは異なり,本システムは生音声を直接処理し,共同音声・セマンティック表現を学習する。
  論文  参考訳（メタデータ） (2026-09-28T03:23:59Z)
• Depression Markers in Speech: An Approach based on Tract Variables Dynamics [52.72895760734978]
  本研究では, トラクション変数の動的性質に基づいて, 新規なうつ病バイオマーカーを同定した。 提案するバイオマーカーは, 抑うつ話者と制御話者の識別を効果的に行う。
  論文  参考訳（メタデータ） (2026-07-28T15:48:07Z)
• 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)
• NeuroXVocal: Detection and Explanation of Alzheimer's Disease through Non-invasive Analysis of Picture-prompted Speech [4.815952991777717]
  NeuroXVocalは、音声分析によってアルツハイマー病(AD)の可能性を分類し、説明する新しい二重成分システムである。 分類コンポーネント(Neuro)は、音声パターンと音声特徴をキャプチャする音響特徴、音声書き起こしから抽出したテキスト特徴、言語パターンを表す事前計算された埋め込みの3つの異なるデータストリームを処理する。 説明可能性コンポーネント(XVocal)は、大規模言語モデルとAD研究文献のドメイン固有の知識ベースを組み合わせた、検索・拡張生成(RAG)アプローチを実装している。
  論文  参考訳（メタデータ） (2025-02-14T12:09:49Z)
• 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)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• 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)
• Identification of Dementia Using Audio Biomarkers [15.740689461116762]
  本研究の目的は、認知症のステージを自動的に識別するために、音声処理と機械学習技術を使用することである。 非言語的音響パラメータはこの目的のために使われ、言語に依存しないアプローチとなっている。 我々は, スペクトル, 時間, ケプストラム等の音響特性の寄与と, 認知症ステージの同定への選択について分析した。
  論文  参考訳（メタデータ） (2020-02-27T13:54:00Z)

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。