口吃幼童的心理生理唤醒：一种可解释 AI 方法
摘要
这项首创的研究有效识别并可视化了口吃(CWS)与流利( CWNS)学龄前儿童在两种挑战性条件（即压力情境下的说话和叙述）下，在感知流利说话时的逐秒生理唤醒模式差异。第一种条件可能因高唤醒影响儿童言语；后者对说话者引入语言、认知和交际需求。我们在这两种目标条件下收集了 70 名儿童的生理参数数据。首先，我们采用一种新颖的模态式多示例学习(MI-MIL)方法，在不同条件下有效分类 CWS 与 CWNS。该分类器的评估回答了四个与最先进言语科学研究兴趣一致的关键研究问题。随后，我们利用 SHAP 分类器解释在群体/组级和个性化级可视化 CWS 特有的显著、细粒度和时间性生理参数。组级对独特模式的识别将增进我们对口吃病因和发展的理解，个性化级识别则可实现对口吃儿童生理唤醒的远程、连续和实时评估，从而可能促成个性化的即时干预，改善言语流利度。所提出的 MI-MIL 方法新颖、可泛化至不同领域且可实时执行。最后，我们在多个数据集、所提框架和若干基线上进行了综合评估，识别出关于 CWS 在言语产生时生理唤醒的显著见解。
引用
@article{arxiv.2208.08859,
title = {Psychophysiological Arousal in Young Children Who Stutter: An Interpretable AI Approach},
author = {Harshit Sharma and Yi Xiao and Victoria Tumanova and Asif Salekin},
journal= {arXiv preprint arXiv:2208.08859},
year = {2022}
}
备注
Harshit Sharma, Yi Xiao, Victoria Tumanova, and Asif Salekin. 2022. Psychophysiological Arousal in Young Children Who Stutter: An Interpretable AI Approach. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 6, 3, Article 137 (September 2022), 32 pages. https://doi.org/10.1145/3550326, Git: https://github.com/asalekin-ubiquitouslab/Modality-wise-Multple-Instance-Learning