咳嗽声加基本信息做结核初筛:双向互查与漏诊加罚如何分工
针对仅用咳嗽声会丢掉年龄症状等背景风险、简单拼接又学不到两者配合的问题,DeepGB-TB 用表格概率嵌入加一维卷积做两路表示、双向交叉注意力做相互提炼、漏诊加权损失压低假阴性,在 1105 例七国数据上报告 AUROC 0.903 与 F1 0.851,代价是依赖回顾性病例对照数据与特定预处理和调参条件。
针对仅用咳嗽声会丢掉年龄症状等背景风险、简单拼接又学不到两者配合的问题,DeepGB-TB 用表格概率嵌入加一维卷积做两路表示、双向交叉注意力做相互提炼、漏诊加权损失压低假阴性,在 1105 例七国数据上报告 AUROC 0.903 与 F1 0.851,代价是依赖回顾性病例对照数据与特定预处理和调参条件。
针对目标语言只有健康人语音时分类器把目标语言当成健康信号的问题,论文用健康人拟合的岭回归残差去除语言可预测成分,在 5 个骨干、3 个任务、3 个目标语言上把平均 F1 从 0.52 提升到 0.87,但语言信息并未完全消除且评估仍限于印欧语系。
针对声学与语义分类器后验概率量纲不可比的问题,该工作用训练集留一法分布下的百分位名次代替原始概率做平均,并在高置信度分歧时才允许手工语言特征随机森林覆写,在 ADReSS2020 取得 95.83% 准确率、在 ADReSSo2021 取得 90.14% 准确率,代价是需要保留训练侧分布与多组逻辑回归分支并做前向选择。
BioSync 用多头自注意力建模模态间交互并并联线性拼接分支,在两个合成队列上以认知队列 AUC 0.928 和代谢队列准确率 0.764 为最强证据,代价是干净数据优势微弱且临床推断仍待真实队列验证。
医疗音频 | 7.5/10
语音生物标志物 | 6/10
语音生物标志物 | 7.2/10
语音生物标志物 | 5.4/10
语音生物标志物 | 1.0/10
语音生物标志物 | 8.0/10
语音生物标志物 | 7.0/10
语音生物标志物 | 7.0/10
模型评估 | 7.0/10
语音生物标志物 | 6.5/10
A Bimodal Approach for Detecting Fatigue Using Speech and Personal Assessments in College Students
语音生物标志物 | 6.5/10
语音生物标志物 | 7.0/10
语音生物标志物 | 7.0/10
语音生物标志物 | 7.0/10
语音转换 | 8.0/10