用于失语症言语中错语自动检测的 Seq2seq 模型
声音
2023-12-19 v1 人工智能
音频与语音处理
摘要
错语是通常作为失语症特征的言语错误，它们是评估疾病严重程度和亚型的重要信号。传统上，临床医生通过转录和分析言语-语言样本来手动识别错语，这可能是一个耗时且繁重的过程。自动识别错语可以极大地帮助临床医生进行转录过程，并最终促进更高效、更一致的失语症评估。先前的研究已经证明了自动错语检测的可行性，其方法是训练自动语音识别（ASR）模型来提取转录文本，然后在一组手工设计的特征上训练单独的错语检测模型。本文提出了一种新颖的序列到序列（seq2seq）模型，该模型以端到端（E2E）方式训练以同时执行 ASR 和错语检测任务。我们表明，所提出的模型在词级和话语级错语检测任务上均优于先前的 SOTA 方法，并提供了额外的后续评估以进一步理解所提出模型的行为。
引用
@article{arxiv.2312.10518,
title = {Seq2seq for Automatic Paraphasia Detection in Aphasic Speech},
author = {Matthew Perez and Duc Le and Amrit Romana and Elise Jones and Keli Licata and Emily Mower Provost},
journal= {arXiv preprint arXiv:2312.10518},
year = {2023}
}