Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.20513v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.20513v1 (cs)
[提交于 2025年8月28日 ]

标题: MoTAS:从TTS增强语音中基于Moe的特征选择用于增强的多模态阿尔茨海默病早期筛查

标题: MoTAS: MoE-Guided Feature Selection from TTS-Augmented Speech for Enhanced Multimodal Alzheimer's Early Screening

Authors:Yongqi Shao, Binxin Mei, Cong Tan, Hong Huo, Tao Fang
摘要: 早期通过语音对阿尔茨海默病(AD)进行筛查是一种有前景的非侵入性方法。 然而,数据有限以及缺乏细粒度、自适应的特征选择等挑战常常阻碍性能。 为解决这些问题,我们提出了MoTAS,一个旨在提高AD筛查效率的鲁棒框架。 MoTAS利用文本转语音(TTS)增强来增加数据量,并采用专家混合(MoE)机制来改进多模态特征选择,共同增强模型泛化能力。 该过程首先通过自动语音识别(ASR)获得准确的转录文本。 然后使用TTS合成语音以丰富数据集。 在提取声学和文本嵌入后,MoE机制动态选择最有信息量的特征,优化特征融合以提高分类效果。 在ADReSSo数据集上评估,MoTAS达到了领先的准确率85.71%,优于现有基线方法。 消融研究进一步验证了TTS增强和MoE在提升分类性能中的单独贡献。 这些发现突显了MoTAS在实际AD筛查场景中的实用价值,特别是在数据有限的情况下。
摘要: Early screening for Alzheimer's Disease (AD) through speech presents a promising non-invasive approach. However, challenges such as limited data and the lack of fine-grained, adaptive feature selection often hinder performance. To address these issues, we propose MoTAS, a robust framework designed to enhance AD screening efficiency. MoTAS leverages Text-to-Speech (TTS) augmentation to increase data volume and employs a Mixture of Experts (MoE) mechanism to improve multimodal feature selection, jointly enhancing model generalization. The process begins with automatic speech recognition (ASR) to obtain accurate transcriptions. TTS is then used to synthesize speech that enriches the dataset. After extracting acoustic and text embeddings, the MoE mechanism dynamically selects the most informative features, optimizing feature fusion for improved classification. Evaluated on the ADReSSo dataset, MoTAS achieves a leading accuracy of 85.71\%, outperforming existing baselines. Ablation studies further validate the individual contributions of TTS augmentation and MoE in boosting classification performance. These findings highlight the practical value of MoTAS in real-world AD screening scenarios, particularly in data-limited settings.
主题: 声音 (cs.SD) ; 多媒体 (cs.MM)
引用方式: arXiv:2508.20513 [cs.SD]
  (或者 arXiv:2508.20513v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.20513
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yongqi Shao [查看电子邮件]
[v1] 星期四, 2025 年 8 月 28 日 07:53:07 UTC (362 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.MM

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号