语音障碍检测的概念方法
音频与语音处理
2025-07-25 v1 机器学习
声音
摘要
语音障碍影响广大人群，利用自动化、非侵入性技术进行诊断将代表医疗保健的重大进步，有助于提升患者生活质量。最近的研究表明，人工智能模型，特别是深度神经网络（DNN），可有效解决此任务。然而，由于其复杂性，这类模型的决策过程往往难以解释，限制了其在临床背景下的可信度。本文探讨了基于可解释人工智能（XAI）的替代方法，旨在通过提供不同形式的解释来提高DNN的可解释性。具体而言，本文聚焦于概念模型，如概念瓶颈模型（CBM）和概念嵌入模型（CEM），并考察了它们如何在保持传统深度学习方法可比性能的同时，提供更透明和可解释的决策框架。
引用
@article{arxiv.2507.17799,
title = {A Concept-based approach to Voice Disorder Detection},
author = {Davide Ghia and Gabriele Ciravegna and Alkis Koudounas and Marco Fantini and Erika Crosetti and Giovanni Succo and Tania Cerquitelli},
journal= {arXiv preprint arXiv:2507.17799},
year = {2025}
}