Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla

Los trastornos del neurodesarrollo afectan las habilidades de percepción y procesamiento del lenguaje en niños de diferentes edades. Las herramientas de diagnóstico asistido por computadora son de vital importancia para la detección temprana de trastornos del habla y el lenguaje en niños. En este tr...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Kemmerer, Iara, Gerard, Matías F., Vignolo, Leandro D.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
Modelos neuronales profundos
Trastorno del habla
Aumentación de datos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/177182
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-177182
record_format dspace
spelling I19-R120-10915-1771822025-03-07T20:06:59Z http://sedici.unlp.edu.ar/handle/10915/177182 Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla Kemmerer, Iara Gerard, Matías F. Vignolo, Leandro D. 2024-08 2024 2025-03-07T16:50:38Z es Ciencias Informáticas Modelos neuronales profundos Trastorno del habla Aumentación de datos Los trastornos del neurodesarrollo afectan las habilidades de percepción y procesamiento del lenguaje en niños de diferentes edades. Las herramientas de diagnóstico asistido por computadora son de vital importancia para la detección temprana de trastornos del habla y el lenguaje en niños. En este trabajo se explora el uso de modelos de aprendizaje profundo para la detección del Trastorno Específico del Lenguaje a partir de la voz. Para esto se comparan dos enfoques que se emplean para alimentar los modelos neuronales: uno en el que se emplean las señales de audio sin procesar, y otro que se alimenta con espectrogramas derivados de esas señales. Se proponen tres modelos neuronales para realizar la clasificación, dos para el primer enfoque de preprocesamiento de datos y uno para el segundo. Los tres modelos emplean un bloque basado en redes neuronales convolucionales para extraer características. El primero usa una capa completamente conectada como clasificador, mientras que los otros dos procesan la información secuencial mediante redes recurrentes y luego clasifican con una red completamente conectada. A su vez, se exploran estrategias de aumentación de datos, como la adición de ruido, estiramiento temporal, corrimiento temporal y cambio de tono, para analizar su impacto en el desempeño de estas propuestas. Los resultados muestran que los modelos que utilizan las señales sin procesar alcanzan las mejores métricas. Además, el uso de las estrategias de aumentación mejora el desempeño de los modelos propuestos. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 119-132
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Modelos neuronales profundos
Trastorno del habla
Aumentación de datos
spellingShingle Ciencias Informáticas
Modelos neuronales profundos
Trastorno del habla
Aumentación de datos
Kemmerer, Iara
Gerard, Matías F.
Vignolo, Leandro D.
Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
topic_facet Ciencias Informáticas
Modelos neuronales profundos
Trastorno del habla
Aumentación de datos
description Los trastornos del neurodesarrollo afectan las habilidades de percepción y procesamiento del lenguaje en niños de diferentes edades. Las herramientas de diagnóstico asistido por computadora son de vital importancia para la detección temprana de trastornos del habla y el lenguaje en niños. En este trabajo se explora el uso de modelos de aprendizaje profundo para la detección del Trastorno Específico del Lenguaje a partir de la voz. Para esto se comparan dos enfoques que se emplean para alimentar los modelos neuronales: uno en el que se emplean las señales de audio sin procesar, y otro que se alimenta con espectrogramas derivados de esas señales. Se proponen tres modelos neuronales para realizar la clasificación, dos para el primer enfoque de preprocesamiento de datos y uno para el segundo. Los tres modelos emplean un bloque basado en redes neuronales convolucionales para extraer características. El primero usa una capa completamente conectada como clasificador, mientras que los otros dos procesan la información secuencial mediante redes recurrentes y luego clasifican con una red completamente conectada. A su vez, se exploran estrategias de aumentación de datos, como la adición de ruido, estiramiento temporal, corrimiento temporal y cambio de tono, para analizar su impacto en el desempeño de estas propuestas. Los resultados muestran que los modelos que utilizan las señales sin procesar alcanzan las mejores métricas. Además, el uso de las estrategias de aumentación mejora el desempeño de los modelos propuestos.
format Objeto de conferencia
Objeto de conferencia
author Kemmerer, Iara
Gerard, Matías F.
Vignolo, Leandro D.
author_facet Kemmerer, Iara
Gerard, Matías F.
Vignolo, Leandro D.
author_sort Kemmerer, Iara
title Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
title_short Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
title_full Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
title_fullStr Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
title_full_unstemmed Evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
title_sort evaluación de modelos neuronales y estrategias de aumentación de datos para la identificación de trastornos del habla
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/177182
work_keys_str_mv AT kemmereriara evaluaciondemodelosneuronalesyestrategiasdeaumentaciondedatosparalaidentificaciondetrastornosdelhabla
AT gerardmatiasf evaluaciondemodelosneuronalesyestrategiasdeaumentaciondedatosparalaidentificaciondetrastornosdelhabla
AT vignololeandrod evaluaciondemodelosneuronalesyestrategiasdeaumentaciondedatosparalaidentificaciondetrastornosdelhabla
_version_ 1847925349627723776

Ejemplares similares