基于强化学习的药物调整系统以最小化言语不流利

AAAIDec, 2023

基于强化学习的药物调整系统以最小化言语不流利

Toward A Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency

Pavlos Constas, Vikram Rawal, Matthew Honorio Oliveira, Andreas Constas, Aditya Khan...

TL;DR我们提出了一种基于强化学习的系统，该系统可以自动为假设的病人开处方药物，帮助病人处理与心理健康相关的语言不流畅问题，并根据病人的数据调整药物和剂量。通过一个大型数据集上建立的模块检测和评估语言不流畅，以及自动找到良好药物组合的强化学习算法，我们展示了该系统的组成部分。为了支持这两个模块，我们从文献中收集了关于心理药物对语言不流畅的效果的数据，并构建了一个合理的病人模拟系统。我们证明了在某些情况下，强化学习系统能够收敛到一个良好的用药方案。我们收集并标记了一组可能存在语言不流畅的人的数据集，并使用该数据集展示了我们的方法。我们的工作是一个概念验证：我们展示了自动数据收集在解决语言不流畅问题上的潜力。

Abstract

We propose a Reinforcement-Learning-based system that would automatically prescribe a hypothetical patient medications that may help the patient with their mental-health-related speech disfluency, and adjust the medication and the dosages in response to data from the patient. We demons

reinforcement learning medication prescription speech disfluency psychiatric medications data collection

发现论文，激发创造

使用深度强化学习进行自然语言处理注释的心理治疗治疗策略实时推荐

文章提出一个实时的推荐系统，用于心理治疗期间向治疗师建议治疗策略。系统通过计算评分清单深度嵌入的相似性得分与患者当前言语之间的相似性，预测治疗结果。系统自动将连续音频流转录并分成患者和治疗师的对话，实时推断他们的治疗工作联盟。对话及其计算的工作联盟得分作为评级被馈送到深度强化学习推荐系统中，其中会话被视为用户，主题被视为项。除了在现有心理治疗数据集上评估核心组件的实证优势外，我们还在一个 Web 应用中展示了该系统的有效性。

Aug, 2022

具有增强学习推荐和可解释策略动态的心理治疗人工智能伴侣

该研究介绍了一个基于深度强化学习的心理治疗 AI 伴侣，通过患者的反馈为治疗师生成主题推荐，并使用多目标策略生成四种不同精神疾病的策略。实验结果表明，该系统能够捕捉到历史主题的真实数据，并且最佳性能模型因疾病和评分标准而异。通过 2D 主成分分析和迁移矩阵可视化策略轨迹，呈现出具有不同奖励信号和不同临床诊断训练的策略的明显模式，并展示了 DRL 在提供个性化和高效治疗建议方面的潜力。

Mar, 2023

通过强化学习和分类自适应对准实现高效的症状询问和诊断

通过采用强化学习和分类技术，设立自适应机制，使用分布熵对齐，创建新的患者模拟数据集，有效提高医疗诊断准确率。

Dec, 2021

低资源语调修正的对抗训练

该论文提出了一种采用对抗式训练的序列标注模型进行不流畅语音纠正的方法，结合少量有标记的真实不流畅数据和大量的未标记数据。该技术在印度语言和英语中的不流畅语音及发音障碍引起的口吃方面均表现出色，并在 F1 得分上比竞争基线平均提高了 6.15 个百分点。这是首次利用对抗性训练进行不流畅语音更正并在英语中纠正口吃等问题，为该任务建立了新的基准。

Jun, 2023

对话系统中面向领域通用口语断续检测的多任务学习

本文提出一种多任务基于 LSTM 的模型，用于增量检测口吃结构，可以连接到任何组件以进行增量解释，或者在产生当前话语时用于 “清理” 当前话语。我们在 Switchboard 对话行为语料库上训练了该系统，并展示了其在该数据集上的准确性。我们的模型在 SWDA 上比以前的神经网络基于增量的方法表现优异，同时采用较简单的架构。为了测试模型的泛化潜力，我们在没有任何附加训练的情况下，在 bAbI + 数据集上评估了相同的模型。这表明我们的方法具有很好的泛化潜力，并更加详细地阐明了哪些类型的口吃可能适合于领域通用处理。

Oct, 2018

基于分层强化学习的自动疾病诊断任务导向对话系统

本文提出在任务对话环境中利用强化学习方法进行自动疾病诊断，设计并实现了一个层次化框架，在无法避免的繁琐的疾病症状检查中展现了更高的精确度。

Apr, 2020

智能手机医药处方获取的口语对话系统：开发、语料库与评估

医院信息系统的处方辅助软件已经成为医疗机构必不可少的一部分，但是这种系统使医生花费更多时间在电脑输入信息而不是提供医疗服务。本论文介绍了一种自然语言界面的电子处方软件，以口语对话系统的形式呈现，该系统允许医生语音记录处方，接近他们的正常实践方式。该系统在野外评估中表现出较好的处方时间和任务成功率，该评估数据已被录制和注释为 PxCorpus，是第一个完全向社区提供的口语药物处方语料库。

Nov, 2023

即插即用医疗对话系统

本文提出了一种基于自然语言处理的医疗对话系统 PlugMed，该系统通过提示生成和响应排名两个模块来训练 LLMs 实现合适的对话行为，在自动和手动评估中都表现出优异的效果。

May, 2023

多任务自监督学习用于消除语注检测

本文针对训练数据短缺的问题，提出了使用自监督方法结合无标注数据构建伪训练数据进行预训练，并利用有标注的训练数据进行微调的方法，达到了使用少量数据在英语 Switchboard 数据集上与之前使用全数据进行训练的系统表现相当的结果。使用全数据进行训练时，我们的方法可将误差降低 21%。

Aug, 2019

强化学习自适应语音增强至瞬时输入信号质量

本文通过强化学习控制噪声抑制算法参数，从而提升算法的鲁棒性和整体性能，实验结果显示相较于无适应性的算法有着显著的 42% 和 16% 的输出 SNR 和 MSE 改进。

Nov, 2017