クラウドソース付き半構造化音声記録からの自閉症の分類:機械学習アプローチ【JST・京大機械翻訳】

Chi Nathan A.; Washington Peter; Kline Aaron; Husic Arman; Hou Cathy; He Chloe; Dunlap Kaitlyn; Wall Dennis

プレプリント

J-GLOBAL ID：202202219250894518 整理番号：22P0023164

クラウドソース付き半構造化音声記録からの自閉症の分類:機械学習アプローチ【JST・京大機械翻訳】

Classifying Autism from Crowdsourced Semi-Structured Speech Recordings: A Machine Learning Approach

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03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)

自閉症スペクトラム障害(ASD)は,行動,社会発達,およびコミュニケーションパターンの変化をもたらす神経発達障害である。ここ数年,自閉症有病率は3倍になり,54人の子供で1人が現在罹患していた。伝統的診断が長い,労働集約的プロセスであることを考えると,自閉症を自動的にスクリーニングするシステムの開発に,大きな注意が払われている。韻律異常は自閉症のもっとも明確な徴候であり,エコーラリア,単調なイントネーション,非定型ピッチ,不規則な言語ストレスパターンを含む音声イディオシンカシーを示す罹患した子供がある。本研究では,家庭環境における自閉症および神経典型(NT)の子供から捉えられた自己記録音声オーディオにおける自閉症を検出する一連の機械学習手法を提案した。子供音声の自閉症を検出する3つの方法を考察した:まず,抽出したオーディオ特徴(メル周波数ケプストラム係数を含む)で訓練されたランダムフォレスト;第2に,スペクトログラム上で訓練された畳込みニューラルネットワーク(CNN);そして,第3に,微調整したwav2vec2.0-a最先端の変換器ベースのASRモデル。著者らは,StanfordのGuessのモバイルゲーム,自然家庭環境における自閉症および神経典型の子供たちのクラウドソースビデオに設計したアプリケーション,から,携帯電話記録の子供音声オーディオの著者らの新しいデータセット上で,著者らの分類器を訓練した。ランダムフォレスト分類器は70%の精度を達成し,微調整wav2vec2.0モデルは77%の精度を達成し,CNNはASDまたはNTのいずれかとして子供の音声を分類するとき79%の精度を達成した。著者らのモデルは,実際の世界条件により一般化できる,矛盾する記録品質を有する家庭オーディオクリップの多様な選択に関する訓練時の自閉症状態を予測することができた。これらの結果は,機械学習法が特別な装置なしで音声から自動的に自閉症を検出するのに有望であることを示す。【JST・京大機械翻訳】

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

精神障害

, , , , , ,

前のページに戻る