ترجمه فارسی مقاله غیرقابل اعتماد بودن سیستم های صوتی در مجموعه داده های گفتاری آلزایمر با شرایط ضبط ناهمگن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی The Unreliability of Acoustic Systems in Alzheimer's Speech Datasets with Heterogeneous Recording Conditions
عنوان مقاله به فارسی غیرقابل اعتماد بودن سیستم های صوتی در مجموعه داده های گفتاری آلزایمر با شرایط ضبط ناهمگن
نویسندگان Lara Gauder, Pablo Riera, Andrea Slachevsky, Gonzalo Forno, Adolfo M. Garcia, Luciana Ferrer
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Artificial Intelligence,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 11 September, 2024; originally announced September 2024. , Comments: 5 pages, 1 figure, 1 table
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 5 صفحه ، 1 شکل ، 1 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Automated speech analysis is a thriving approach to detect early markers of Alzheimer's disease (AD). Yet, recording conditions in most AD datasets are heterogeneous, with patients and controls often evaluated in different acoustic settings. While this is not a problem for analyses based on speech transcription or features obtained from manual alignment, it does cast serious doubts on the validity of acoustic features, which are strongly influenced by acquisition conditions. We examined this issue in the ADreSSo dataset, derived from the widely used Pitt corpus. We show that systems based on two acoustic features, MFCCs and Wav2vec 2.0 embeddings, can discriminate AD patients from controls with above-chance performance when using only the non-speech part of the audio signals. We replicated this finding in a separate dataset of Spanish speakers. Thus, in these datasets, the class can be partly predicted by recording conditions. Our results are a warning against the use of acoustic systems for identifying patients based on non-standardized recordings. We propose that acoustically heterogeneous datasets for dementia studies should be either (a) analyzed using only transcripts or other features derived from manual annotations, or (b) replaced by datasets collected with strictly controlled acoustic conditions.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل گفتار خودکار یک رویکرد پر رونق برای تشخیص نشانگرهای اولیه بیماری آلزایمر (AD) است.با این حال ، شرایط ضبط در اکثر مجموعه داده های AD ناهمگن است ، با بیماران و کنترل هایی که اغلب در تنظیمات مختلف صوتی ارزیابی می شوند.در حالی که این مشکلی برای تجزیه و تحلیل های مبتنی بر رونویسی گفتار یا ویژگی های به دست آمده از تراز دستی نیست ، اما در مورد اعتبار ویژگی های آکوستیک شک و تردید جدی می کند ، که به شدت تحت تأثیر شرایط کسب هستند.ما این موضوع را در مجموعه داده Adresso ، مشتق شده از Corpus پیت که به طور گسترده استفاده می شود ، بررسی کردیم.ما نشان می دهیم که سیستم های مبتنی بر دو ویژگی آکوستیک ، MFCCS و تعبیه WAV2VEC 2.0 ، می توانند بیماران AD را از کنترل با عملکرد بالا در هنگام استفاده از تنها قسمت غیر گفتاری سیگنال های صوتی تبعیض کنند.ما این یافته را در یک مجموعه داده جداگانه از بلندگوهای اسپانیایی تکرار کردیم.بنابراین ، در این مجموعه داده ها ، کلاس را می توان تا حدودی با شرایط ضبط پیش بینی کرد.نتایج ما هشدار در مورد استفاده از سیستم های صوتی برای شناسایی بیماران بر اساس ضبط های غیر استاندارد است.ما پیشنهاد می کنیم که مجموعه داده های ناهمگن برای مطالعات زوال عقل باید یا (الف) با استفاده از متن فقط یا سایر ویژگی های حاصل از حاشیه نویسی دستی ، یا (ب) جایگزین شده توسط مجموعه داده های جمع آوری شده با شرایط صوتی کاملاً کنترل شده ، مورد تجزیه و تحلیل قرار گیرد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.