Sclerosis Multiplex hangalapú felismerése akusztikai alapú beágyazások használatával
A sclerosis multiplex (SM) a központi idegrendszer krónikus gyulladásos megbetegedése. Mivel az SM nyelvi zavarokkal is együtt járhat, az automatikus beszédelemzés hasznosnak bizonyulhat akár az alig észrevehető beszédprodukciós változások detektálására is. Egy lényeges technikai kérdés ugyanakkor,...
Elmentve itt :
| Szerzők: | |
|---|---|
| Testületi szerző: | |
| Dokumentumtípus: | Könyv része |
| Megjelent: |
2022
|
| Sorozat: | Magyar Számítógépes Nyelvészeti Konferencia
18 |
| Kulcsszavak: | Nyelvészet - számítógép alkalmazása, Sclerosis multiplex, Beszédelemzés, Beszédtechnológia |
| Tárgyszavak: | |
| Online Access: | http://acta.bibl.u-szeged.hu/75871 |
| Tartalmi kivonat: | A sclerosis multiplex (SM) a központi idegrendszer krónikus gyulladásos megbetegedése. Mivel az SM nyelvi zavarokkal is együtt járhat, az automatikus beszédelemzés hasznosnak bizonyulhat akár az alig észrevehető beszédprodukciós változások detektálására is. Egy lényeges technikai kérdés ugyanakkor, hogy milyen jellemzőket érdemes kinyerni az alanyok beszédéből, melyeket aztán a gépi tanulási osztályozási lépés során használhatunk. Jelen cikkünkben HMM/DNN hibrid modellek mély neurális hálós akusztikus modelljeiből nyerünk ki aktivációkat, majd ezeket a teljes hangfelvételen többféleképpen összegezve (pl. átlag, szórás) használjuk jellemzőként. Kísérleteinket 23 SM alany és 22 egészséges kontroll személy négy-négy hangfelvételén végezzük. Eredményeink alapján a javasolt eljárás hatékonyabb azonosítást tesz lehetővé, mint az ugyanazon beszédadaton tanított x-vektor technika. Az elért AUC értékek tapasztalataink alapján nagyban függenek a beágyazás forrásrétegétől és a felvételszintű összegzés módjától is. A legjobb értékek az egyes beszédfeladatokon 0,824 és 0,911 közé estek. |
|---|---|
| Terjedelem/Fizikai jellemzők: | 151-160 |
| ISBN: | 978-963-306-848-9 |