面向加重说话人语音的医学实体高性能 ASR 模型
音频与语音处理
2024-06-19 v1 计算与语言
声音
摘要
近期自动语音识别（ASR）在医疗领域取得了显著进展，但其在加重说话人语音中的医学命名实体（Named Entity, NE）表现，如药物名称、诊断和实验室结果，尚未得到广泛了解。我们对多个 ASR 模型在 93 种非洲方言的临床英文数据集上进行了严格评估。我们的分析显示，尽管一些模型实现了较低的总体词错误率（Word Error Rate, WER），但在临床实体上的错误率更高，这可能对患者安全构成实质性风险。为实证说明这一点，我们从转录文本中提取临床实体，开发了一种新算法来对齐 ASR 预测与这些实体，计算医学 NE Recall、医学 WER 和字符错误率。我们的结果表明，针对加重说话人语音进行微调可显著改善医学 WER（相对提升 25-34%），显著提升其在医疗环境中的实际适用性。
引用
@article{arxiv.2406.12387,
title = {Performant ASR Models for Medical Entities in Accented Speech},
author = {Tejumade Afonja and Tobi Olatunji and Sewade Ogun and Naome A. Etori and Abraham Owodunni and Moshood Yekini},
journal= {arXiv preprint arXiv:2406.12387},
year = {2024}
}
备注
Accepted at Interspeech 2024