利用自动语音识别的零样本跨语言失语症检测

失语症是一种常见的言语与语言障碍，通常由脑损伤或中风引起，影响全球数百万人。对患者失语症的检测与评估困难且耗时，已有诸多自动化尝试，其中最成功者使用在失语性语音数据上训练的机器学习模型。如同许多医学应用，失语性语音数据稀缺，且在所谓“低资源”语言中问题更甚——对本任务而言，除英语外的大多数语言均属此类。我们尝试利用英语中的可用数据，借助语言无关的语言学特征，在希腊语、法语等低资源语言中实现零样本失语症检测。当前的跨语言失语症检测方法依赖人工提取的转写文本。我们提出一种端到端流水线，使用共享跨语言语音表征并为目标低资源语言微调的预训练自动语音识别（ASR）模型。为进一步提升ASR模型性能，我们还将其与语言模型结合。我们表明，基于ASR的端到端流水线取得了与先前使用人工标注转写文本的方案相当的结果。