用于自动口吃严重程度评估的临床标注
计算与语言
2025-06-03 v1 人工智能
摘要
口吃是一种复杂的障碍，需要专业的专业知识才能进行有效的评估和治疗。本文致力于基于既定的临床标准，采用新的口吃标注方案来增强 FluencyBank 数据集。为了获得高质量的标注，我们聘请了专家临床医生对数据进行标注，确保所得标注反映真实世界的临床专业知识。这些标注是多模态的，结合了视听特征，用于口吃时刻的检测与分类、次要行为以及紧张度评分。除了个人标注外，我们还提供了一个基于专家共识且具有高可靠性的测试集标注，用于评估各个标注者和机器学习模型。我们的实验与分析说明了该任务的复杂性，这需要广泛的临床专业知识，才能对口吃评估模型进行有效的训练和评估。
引用
@article{arxiv.2506.00644,
title = {Clinical Annotations for Automatic Stuttering Severity Assessment},
author = {Ana Rita Valente and Rufael Marew and Hawau Olamide Toyin and Hamdan Al-Ali and Anelise Bohnen and Inma Becerra and Elsa Marta Soares and Goncalo Leal and Hanan Aldarmaki},
journal= {arXiv preprint arXiv:2506.00644},
year = {2025}
}
备注
Accepted at INTERSPEECH 2025