ASR 与语言模型对阿尔茨海默病检测的影响
计算与语言
2021-11-01 v1 声音
音频与语音处理
摘要
阿尔茨海默病是最为常见的痴呆形式。从语音中自动检测可有助于在早期阶段识别症状，从而采取预防措施。本研究是对 ADReSSo 挑战赛的贡献，我们分析了一个 SOTA ASR 系统用于转写参与者对图片的口语描述的使用。我们分析了相较于使用人工转写（采用 2020 ADReSS 挑战赛的转写测量）所带来的性能损失。此外，我们研究了语言模型——其倾向于纠正非标准词序列——与不使用语言模型来解码 ASR 假设的影响。这旨在研究语言偏差并基于仅来自患者的声学信息获得更有意义的转写。所提系统结合了基于韵律与嗓音质量的声学特征，以及基于最常见词首次出现位置的词汇特征。报告结果展示了使用带或不带语言模型的自动转写的效果。最佳全自动系统达到了 76.06% 的准确率（无语言模型），显著高于采用经通用语言模型解码词转写的系统达 3%。
引用
@article{arxiv.2110.15704,
title = {Influence of ASR and Language Model on Alzheimer's Disease Detection},
author = {Joan Codina-Filbà and Guillermo Cámbara and Jordi Luque and Mireia Farrús},
journal= {arXiv preprint arXiv:2110.15704},
year = {2021}
}
备注
5 pages. Submitted to Interspeech 2021. arXiv admin note: text overlap with arXiv:2011.09272