Jun, 2024

医学实体在口音语音中的高性能 ASR 模型

PDF
TL;DR最近自动语音识别在医学领域取得了巨大进展，但对于有口音的医学术语的性能仍然不为人知。本文通过在包含 93 种非洲口音的临床英语数据集上严格评估多个自动语音识别模型，发现尽管某些模型在总体错误率上取得了很低的成绩，但临床术语上的错误率较高，可能对患者安全构成重大风险。为了实证这一点，我们从转录中提取了临床术语，开发了一种新算法来对齐自动语音识别的预测结果与这些术语，然后计算了医学术语的召回率、医学错误率和字符错误率。我们的结果表明，对有口音的临床语音进行微调可以大幅提高医学术语的错误率（相对提高 25-34%），从而提高了它们在医疗环境中的实际应用性。
automatic speech recognitionmedical domainaccented medical named entitiespatient safetyhealthcare environments
发现论文，激发创造
  • 从嘈杂音频转录中提取生物医学实体

    自动语音识别（ASR）技术是将口语转录为文本的基本技术，广泛应用于临床领域，包括简化医学转录和与电子健康记录（EHR）系统集成。然而，ASR-NLP 领域仍存在挑战，尤其是当转录中含有噪音时，导致自然语言处理（NLP）模型的性能显著下降。本论文介绍了一个新颖的数据集，BioASR-NER，旨在填补生物医学领域 ASR-NLP 差距，重点提取不良药物反应和 Brief Test of Adult Cognition by Telephone（BTACT）考试中实体的提及。我们的数据集提供了近 2000 个干净和有噪音的录音。针对噪音挑战，我们提出了一种使用 GPT4 的创新的文本清理方法，并研究了零样本和少样本方法。我们的研究进一步进行了错误分析，揭示了转录软件中的错误类型、GPT4 的纠正和 GPT4 面临的挑战。本论文旨在促进对 ASR-NLP 差距的更好理解和潜在解决方案，最终支持改进的医疗文档化实践。

    Mar, 2024

  • AfriNames: 许多 ASR 模型 “屠杀” 非洲人的姓名

    通过多语言预训练、智能数据增强策略以及在多种非洲口音上微调多语言自动语音识别模型，解决使用非洲人名时自动语音识别模型性能下降的问题。相比基准样本，在使用非洲人名的样本上精度相对错误率改善了 81.5%。

    Jun, 2023

  • 虚拟助手的辨别式实体感知语言模型

    本文研究提出了一种基于知识图谱的语言建模方法，通过有效的格栅重排过程，达到了相对句子错误率的降低，为虚拟助手 ASR 的精度提高提供了强有力的支持。

    Jun, 2021

  • 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

  • 医学口述实体识别

    使用预训练多语言模型 XLM-R，在医学领域的首个口头命名实体识别（Spoken Named Entity Recognition）数据集 VietMed-NER 上取得了最佳表现。

    Jun, 2024

  • Earnings-22：野外口音实践基准

    本文介绍了一个收集英语盈利电话会议的语料库，旨在为评估现代自动语音识别系统的实际表现提供一个免费的现实世界参考标准，通过 4 个商业模型的比较，研究了地区口音对模型表现的影响，以及研究了 ASR 系统普遍出现的误差和关键语音特征对模型表现的影响。

    Mar, 2022

  • AfriSpeech-200：用于临床和一般领域 ASR 的泛非洲口音语音数据集

    非洲医生与患者之间的比例严重失衡，且存在语音识别算法的种族偏见和非洲口音识别的缺失问题。该研究发布了 AfriSpeech 数据集，为非洲的临床和通用领域的语音识别提供了一个公开的基准测试集和预训练模型。

    Sep, 2023

  • 重音语音识别综述

    该研究论文探讨了自动语音识别（ASR）系统在不同语音口音上的普适性问题，分析了当前最有前景的口音识别方法，并强调了其中的关键挑战。

    Apr, 2021

  • 基于实体感知模型和音素相似度评估的升降同音词定制语音识别（ASR）系统

    本文提出了一种基于实体感知的端到端自动语音识别模型和音素相似度估计的重新训练自由式定制方法，用于解决处理同音字的特定问题，实验结果表明，相对于传统的 E2E-ASR 模型，该方法在处理个人姓名作为目标实体时，平均改善了目标实体字符误差率 35.7%。

    May, 2023

  • 针对数据有限的发音不清和口音不标准的个性化 ASR

    本文提出并评估了微调技术，以提高自动语音识别系统对非标准语音的识别准确性，特别关注两种非标准语音：肌萎缩侧索硬化症患者的言语和带口音的言语，并训练出个性化模型，相对于标准语音，相对词错误率能提高 62％和 35％，仅五分钟的训练就能带来 71％的提升，微调部分层的结果往往比微调整个模型更好，是构建肌无力性言语最先进的自动语音识别模型的第一步。

    Jul, 2019