实体
Pitt Corpus
Pitt Corpus
PulseAugur coverage of Pitt Corpus — every cluster mentioning Pitt Corpus across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
研究发现：语音增强或会阻碍阿尔茨海默病检测模型
一篇新发表在arXiv上的研究论文对用于阿尔茨海默病检测的语音增强和数据策技术有效性提出了质疑。研究发现，虽然“更清晰”的语音数据集可以提高深度学习模型在特定领域内的性能，但它们往往会降低模型在现实场景中的鲁棒性和泛化能力。即使是大型语音语言模型也表现出类似的敏感性，这表明处理过的语音数据不一定对准确检测阿尔茨海默病更可靠。
-
新方法通过语音分析改善阿尔茨海默病检测，但数据清理可能损害泛化能力
研究人员开发了一种名为LLM-Anchored Paralinguistic Enrichment (LAPE)的新方法，通过语音分析来改善阿尔茨海默病的检测。LAPE将语言内容与受阿尔茨海默病影响的停顿和单词延长等副语言线索相结合。该方法在ADReSS和ADReSSo数据集上进行了评估，取得了最先进的性能。另外，一项研究重新审视了现有的基于语音的阿尔茨海默病检测基准，发现虽然语音增强可以提高模型在特定领域内的性能，但可能会降低深度学…
-
使用机器学习从语音中进行痴呆症分类
研究人员开发了一种使用自发语音对痴呆症进行分类的新方法，分析整个录音的声学特征，而不仅仅是语音活动片段。该方法利用openSMILE工具包和基于包装器的特征选择，识别出具有诊断相关性的特征。极端最小学习机分类器被证明在计算效率上最高，提供了具有竞争力的准确性，并可作为痴呆症评估的辅助工具。