PulseAugur
中
实时 13:09:04
English(EN) Paediatric-HGNN: A Hybrid Heterogeneous Graph Neural Network for Detecting Disfluency in Children's Speech via Multiscale Acoustic Fusion

新AI模型检测儿童言语失语症

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为Paediatric-HGNN的新框架，该框架利用混合异构图神经网络来检测儿童言语中的失语症。该方法模拟了单词和声学片段之间的层级关系，旨在更好地区分病理性口吃和典型的发育性言语模式。在特定儿科语料库上进行测试时，该系统达到了82.4%的加权准确率和0.386的典型失语症F1分数，为早期临床干预提供了潜力。 AI

影响 该模型可以改善儿童言语障碍的早期诊断和干预。

排序理由 该集群包含一篇学术论文，详细介绍了一个新模型及其在特定基准上的表现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Erik Meijering ·

    Paediatric-HGNN：一种混合异构图神经网络，通过多尺度声学融合检测儿童言语中的失语症

    Automated stuttering detection (ASD) systems struggle with paediatric speech due to high acoustic variability in developing voices and the subtle distinction between pathological stuttering and typical developmental disfluencies. We introduce Paediatric-HGNN, a framework using a …

相关话题