Nov, 2017

医疗对话语音识别

PDF
TL;DR本文介绍了使用 CTC 和 LAS 系统，运用多种配准方法，构建自动语音识别模型来转录医生和患者之间的谈话，并提供了对其表现的详细分析。我们的分析表明，在重要的医疗话语上，语音识别模型表现良好，而在非正式对话中存在误差。
automatic speech recognitionclinical conversationdata qualityctclas
发现论文，激发创造
  • 医疗的声音：利用大型语言模型提高医学转录自动语音识别准确性

    本研究探讨了大型语言模型（LLMs）在医学转录中提高自动语音识别（ASR）系统准确性的潜力，通过使用 PriMock57 数据集对 ASR 生成的转录进行改善，改进了一般词错误率（WER）、医学概念错误率（MC-WER）和音频流分离准确性，同时通过比较不同提示技术在日记化和纠错准确性上的有效性，发现 LLMs 特别是 Chain-of-Thought（CoT）提示技术不仅改善了现有 ASR 系统的日记化准确性，而且在医学转录领域取得了卓越表现，从而更准确地捕捉医学概念并提高转录对话的语义连贯性，这些发现表明 LLMs 在增强 ASR 输出的同时，也在转录任务中独立取得了显著成果，为改进医学 ASR 系统、提高医疗保健领域的病患记录的准确性和可靠性带来巨大的希望。

    Feb, 2024

  • 使用 Seq2Seq 模型进行临床对话转录错误校正

    本文提出了一种针对临床对话的 ASR 转录错误校正的 seq2seq 学习方法，使用针对 PubMed 数据集的自我监督策略对 BART 模型进行微调并获得更低的四个商业 ASR 系统的单词错误率。

    May, 2022

  • 衡量语音识别公平性的探索：非正式会话数据集转录

    本研究在自动语音识别系统领域对 “Casual Conversations” 进行了研究，发现了多个模型在性别和肤色方面存在显著的词错误率差异。此外，研究呼吁社区开发各种技术以减少这些统计偏差。

    Nov, 2021

  • 深度音视频语音识别

    本论文旨在识别带有或不带有音频的说话者嘴唇所述的短语和句子，我们提出了使用自注意力机制的 CTC 和序列到序列两种模型进行唇语识别，并研究唇语识别在有噪音的情况下与音频识别的互补性，同时我们介绍并公开发布了英国电视上成千上万自然语言的新数据集 LRS2-BBC，我们建立的模型在实验中的表现均超过了以前的相关工作。

    Sep, 2018

  • 用于德语端到端语音识别的大语料 CTC 分割

    本研究结合之前未标注的语音数据通过采用 CTC 预训练的两阶段方法生成训练数据，使用 CTC 和 attention Transformer 模型对德语语音识别进行训练，实现了 12.8％的识别错误率，超过了传统混合 DNN / HMM ASR 的 14.4％的基础水平。

    Jul, 2020

  • PriMock57: 一份基层医疗模拟会诊数据集

    本研究详细阐述了开发出的 57 个模拟初级保健咨询数据集，包括音频记录、手动语音层次转录和相关的咨询备注，旨在成为医疗对话 ASR 基准以及转录生成咨询注意事项的数据集。

    Apr, 2022

  • 自动医疗咨询系统基准：框架、任务和数据集

    本文提出两种支持自动医学咨询的框架，并创建了一个新的大型医学对话数据集，建立了包括命名实体识别，对话行为分类，症状标签推断，医疗报告生成和诊断导向的对话策略在内的五个独立任务。同时，文章提供了每个任务的基准结果，并公开了相关代码和数据集。

    Apr, 2022

  • 评估谷歌语音识别和句子分类在医疗应用中的效果

    该研究使用语音识别技术在围手术期服务中应用移动技术，以记录工作流程里程碑，通过使用后处理分类器和训练重复次数来提高谷歌的语音识别技术的准确性和分类效率，从而改进医疗保健等应用中的沟通性能。

    Feb, 2024

  • 语音感知对话系统技术挑战赛（DSTC11）

    本文涉及针对与书面文本不同的口语输入而设计的任务型对话建模，以解决自动语音识别系统所引入的误差，并针对多轮对话建立了一个公共语料库，研究各种形式的语音输出的性能差距，并给出了初步分析。

    Dec, 2022

  • 使用视语言预训练模型提高医学语音转文本的准确性

    提出一种基于 Vision Language Pre-training 方法的医疗方面的文本校正方法，以解决由于数据不足而难以开发医学领域的语音转文本模型的问题，并展示多模态理解图像和文本信息优于仅使用文本信息的单模态的性能。

    Feb, 2023