Voice Disorder Analysis: a Transformer-based Approach

声音障碍是明显影响患者生活质量的病理问题。然而，由于病态声音数据的短缺和用于诊断的录音类型的多样性，这些病理问题的非侵入式自动化诊断仍未得到充分探索。本文提出了一种新颖的解决方案，采用直接在原始声音信号上工作的转换器，并通过合成数据生成和数据增强来解决数据短缺问题。此外，我们同时考虑了许多录音类型，例如句子朗读和持续元音发射，通过使用专家混合集合来对齐不同数据类型上的预测结果。实验结果在公共和私人数据集上获得，表明我们的解决方案在障碍检测和分类任务中的有效性，并且在现有方法上有很大的改进。

研究如何使用非侵入式自动化诊断声音疾病，解决由于声音数据短缺和不同类型的记录方式导致的诊断困难问题。

采用transformers直接处理原始声音信号，并通过合成数据生成和数据增强来解决数据短缺问题。同时考虑不同类型的记录方式，使用Mixture of Expert集成来对不同数据类型的预测进行对齐。

论文在公共和私人数据集上进行了实验，结果表明所提出的解决方案在声音障碍检测和分类任务中的有效性，并且明显优于现有方法。值得关注的是，论文使用了合成数据生成和数据增强技术，以及Mixture of Expert集成方法。

最近的相关研究包括：1）基于深度学习的声音障碍检测；2）使用传统机器学习方法的声音障碍分类；3）基于声学特征的声音疾病诊断。