发表机构
University of Sheffield; Sheffield Institute for Translational Neuroscience (SITraN); University of Edinburgh; Euan MacDonald Centre for Motor Neuron Disease Research, University of Edinburgh（谢菲尔德大学; 谢菲尔德转化神经科学研究所; 爱丁堡大学; 爱丁堡大学尤安·麦克唐纳运动神经元疾病研究中心）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究提出一种结合ASR（WhisperX）和VAD（Silero）的系统，利用临床启发特征自动估计运动神经元疾病患者的言语流畅性指数（VFI），在P词和S词上分别达到R2 0.9和0.8，优于传统声学特征方法。
AI 中文摘要
监测运动神经元疾病（MND）中的认知障碍（CI）对于及时治疗和护理至关重要，但由于同时存在的言语困难而具有挑战性。爱丁堡认知和行为ALS筛查（ECAS）为CI评估提供了稳健的指标，其中言语流畅性指数（VFI）是核心要素。基于自动语音分析的最新进展，本研究提出了一种估计VFI的系统。该系统利用独特的MND数据集，结合ASR（WhisperX）和VAD（Silero）以及精细的时间戳处理来预测VFI，并提取若干临床可解释的度量。我们的方法在多种回归算法的评估中优于基于传统声学特征和自监督嵌入的系统。临床启发的特征始终优于其他特征集，最佳模型取得了强劲结果（P词：R2 0.9，NRMSE 0.05；S词：R2 0.8，NRMSE 0.08），证明了自动VFI估计的可行性。
英文摘要
Monitoring cognitive impairment (CI) in motor neuron disease (MND) is essential for timely treatment and care, yet challenging due to co-occurring speech difficulties. The Edinburgh Cognitive and Behavioural ALS Screen (ECAS) provides a robust metric for CI assessment, with the Verbal Fluency Index (VFI) a central element. Building on recent advances in automated speech analysis, this study proposes a system for estimating VFI. It leverages a unique MND dataset and combines ASR (WhisperX) and VAD (Silero) with refined timestamping to predict the VFI and extract several clinically interpretable measures. Our approach outperformed systems based on traditional acoustic features and self-supervised embeddings, evaluated using multiple regression algorithms. Clinically inspired features consistently outperformed the other sets, with the best models achieving strong results (P-words: R2 0.9, NRMSE 0.05; S-words: R2 0.8, NRMSE 0.08), demonstrating the feasibility of automated VFI estimation.
