低資源のIn-the-Wild条件のためのデンマークにおける小児-臨床医会話のための音声検出:事例研究【JST・京大機械翻訳】

Das Sneha; Lonfeldt Nicole Nadine; Pagsberg Anne Katrine; Clemmensen Line. H.

プレプリント

J-GLOBAL ID：202202215026622795 整理番号：22P0337761

低資源のIn-the-Wild条件のためのデンマークにおける小児-臨床医会話のための音声検出:事例研究【JST・京大機械翻訳】

Speech Detection For Child-Clinician Conversations In Danish For Low-Resource In-The-Wild Conditions: A Case Study

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月25日プレプリントサーバーでの情報更新日： 2022年04月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自動音声処理タスクのための音声モデルの使用は,医学および精神医学におけるスクリーニング,解析,診断および治療における効率を改善できる。しかし,セグメンテーションやダイラリゼーションのような前処理音声タスクの性能は,特に,ターゲットデータセットが非定型音声から成るとき,インザイス臨床データでかなり低下できる。本論文では,分類閾値に関してデンマークにおける子供-臨床医会話から成るデータセットに関する事前訓練音声モデルの性能を研究した。十分なラベル付きデータへのアクセスを行わないので,著者らは,最適分類閾値を得るために,音声会話の最初の数分を採用する,少数インスタンス閾値適応を提案した。本論文では,デフォルト分類閾値を持つモデルが患者グループから子供で悪くなることを学習した。さらに,モデルのエラー率は,患者の診断の重症度に直接相関する。最後に,少数インスタンス適応に関する著者らの研究は,臨床医-子供会話の3分が最適分類閾値を得るために十分であることを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識

, , , , , ,

前のページに戻る