语音生物标志物

针对自监督语音模型随机掩码会打断稀疏病理线索的问题，PAN-Mask 用六维声学描述子加端到端注意力估计帧级病理显著性并优先衰减高显著帧，在六个数据集上比随机掩码平均提高 13.82 个百分点，代价是增加轻量检测器与掩码超参数的联合优化复杂度。

该研究用同一批德语朗读在排卵期与黄体期做二分类，以可解释的手工特征与情感任务微调的自监督嵌入分别建模，最强证据是手工特征在随机森林与逻辑回归上达到 62.5 % 整体准确率，代价是统计检验经多重校正后无显著特征且嵌入特征未超机会水平。

针对单个语音特征测量噪声大、难以做临床试验终点的问题，该研究在自然史数据上学复合指数权重并在独立临床试验上验证，报告复合指数 ICC 超过 0.9 且 MDC95 降到组间标准差以下，但最强单个特征仍接近复合表现且权重高度集中。

论文用两维逻辑回归探针检验 ADReSS 与 ADReSSo 的声学变异性，发现固定测试集上双特征可达 0.875 与 0.831 的宏 F1，但标签置换仍可偶发高分且蒙特卡洛均值回落到 0.622 与 0.667，代价是固定划分成绩不能作为病理相关性的证据。

论文用一周颈表加速度计的 14 维帧级嗓音特征做两类发声过度功能检测，任务 1 全部队伍超基线且最优 AUC 达 0.93，任务 2 仅四队超基线且最优 0.86，代价是对日内时变建模敏感且非创伤型更难分。

问题是单库训练的语音筛查在新语种、新任务和新录音流程下出现方向反转与局部崩溃，方法是用留一库评估审计 70 个可解释指标并把源库选出的 4 个证据锚与冻结 XLM-R 文本分数加权融合，最强证据是平衡融合平均说话人 AUC 为 0.769 到 0.785 区间、最重锚融合最差域 AUC 为 0.615，代价是在接近饱和的 Chou 域上融合轻微拉低分数且最难 …

针对言语流畅性与图片描述中只计数不建模词间关系的不足，该工作提出只用目标词建图并把语义、语音、空间、时间差异编码为边权重的加权言语图，用一两个可解释图特征达到与完整基线特征集可比的痴呆判别效果，代价是依赖转录与时间戳质量和较小样本的特征选择。

针对颈表加速度区分创伤性与非创伤性发声过强问题，论文用静态、动态、比率、耦合四层特征加被试分组交叉验证，报告任务一 AUC 0.891 而任务二仅 0.728，代价是复杂特征对非创伤性亚型仍不稳定。

该研究在 28 人法语朗读 SOMVOICE 数据上只用 eGeMAPS 与 Snack 等可解释声学特征加 SVM 等简单分类器估计睡眠剥夺及嗜睡疲劳与警觉下降，最强证据是 PVT 速度与反应发散度 UAR 达 0.858 与 0.841 而 KSS 仅 0.662，代价是小样本与年龄性别偏倚及症状间混淆仍待验证。

该研究用 5754 段德语神经心理测验录音比较手工声学特征与自监督嵌入在任务级、领域级和全局级认知分数上的预测力，发现开放任务随层级升高而稀释、受限任务随聚合而增强，而二分类 MCI 时手工特征反而占优，但整体精度仍有限。

该演示用同一含噪语音对比三种增强路线对 7 个神经学生物标志物和加权风险分数的扰动，显示感知清晰度提升不能保证临床特征稳定，而代价是方法相关的频谱与韵律漂移。

针对临床录音需外传处理带来的延迟与信息技术障碍，该演示把韵律分析全流程搬到 NVIDIA Jetson AGX Orin 上本地运行，用麦克风采集、显示器呈现交互仪表盘，并以快于音频时长的本地处理支撑床旁复核与重算，但原文未报告可比精度与延迟数字。

针对轻度认知障碍老人抑郁与认知衰退声音混杂问题，该研究用每次录音共时的抑郁与认知评分筛选声学特征，发现只有共振峰组在控制认知后仍与抑郁相关，并用 12 个第一二共振峰特征取得 0.760 的非加权平均召回率，但代价是样本仅 89 人且女性特异性偏低。

针对自发话语中语义、句法和叙事逻辑的非线性退化问题，该研究用语义图、依存图和基于健康常模 PMI 的共现图三路图注意力建模并以样本级门控融合，在 ADReSSo 上报告测试集准确率 90.00%，代价是依赖 ASR 转写与 BERT 词嵌入且未引入声学韵律。

针对看图说话中的痴呆检测问题，该方法用 Whisper 同时取声学表示与转写文本，再用大模型抽取可解释语言特征并门控融合，在 ADReSS 和 ADReSSo 上报告 F1 为 89.47% 和 90.14%，代价是依赖外部大模型接口且仅验证了英语看图任务。

该研究在一次未达到主要终点的早期帕金森 2 期试验中检验语音、面部与手指敲击客观测量是否与运动检查量表测到同一构念，并报告客观测量基线相关成立、纵向不跟随量表改善且受试者内变异更小，但眨眼率是例外且结论限于早期轻症人群。

该研究把 ALS 功能恶化定义为首次超过最小临床重要差异的事件并用生存分析比较到达时间，报告九项语音面部指标的中位事件时间与所需样本量均明显优于 ALSFRS-R，但代价是依赖指数近似恒定风险假设与存在删失偏倚的单中心远程队列。

针对自发语音内容多变、录音条件不可控下呼吸信号易被淹没的问题，SpiroPhonia 用声学扰动加频谱加停顿三类手工特征与两阶段特征筛选做被试独立分类，最强证据是在 41 人留出测试集上 78.05% 准确率与 87.14% AUC，代价是 201 人小样本与公开平台数据的选择偏差及跨语言跨设备泛化尚未验证。

该研究用音频加文本加图片描述任务图像的三路融合回归预测 MoCA 与 MMSE 分数，最强证据是图片描述任务上 E6 达到 MoCA 均方根误差 2.11 与 MMSE 均方根误差 1.85 左右，代价是小样本波兰语队列、无外部验证且视觉接地只适用于图片描述任务。

针对跨语言时自监督表示混入语言结构导致帕金森病患者被大量漏检的问题，该研究用只从健康对照估计的质心平移做表示层语言归一化，在捷克语德语西班牙语口部轮替任务上把灵敏度和 F1 大幅拉回，代价是特异度下降且德语目标增益最小。