面向语音症状评估的可适应非参数方法：在检索数据存储库中隔离私人医疗数据
音频与语音处理
2025-07-01 v1
摘要
自动评估与健康相关的语音线索具有改善医疗可及性和可负担性的潜力。尽管参数模型前景光明，但面临隐私和适应性挑战。为此，我们提出了一种基于非参数方法的语音症状评估框架（NoNPSA）。通过在检索数据存储库中隔离医疗数据，NoNPSA 避免在模型参数中编码私人信息，并实现高效的数据更新。自监督学习（SSL）模型预训练于通用数据集提取特征，用于基于相似性的检索。元数据感知的细化过滤器筛选检索数据，并使用关联标签计算评估得分。实验结果表明，NoNPSA 在性能上与微调 SSL 方法相当，同时实现了更大的隐私性、更新效率和适应性——展示了非参数方法在医疗领域的潜力。
引用
@article{arxiv.2506.22972,
title = {Adaptable Non-parametric Approach for Speech-based Symptom Assessment: Isolating Private Medical Data in a Retrieval Datastore},
author = {Yu-Wen Chen and Julia Hirschberg},
journal= {arXiv preprint arXiv:2506.22972},
year = {2025}
}
备注
IEEE MLSP 2025