研究团队提出儿童口吃检测框架Paediatric-HGNN
热点事件持续更新
研究团队提出儿童口吃检测框架Paediatric-HGNN
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Rashini Liyanarachchi等作者提出儿童言语不流畅检测框架Paediatric-HGNN，用上下文感知的部分-整体交互网络（CaPIN）在词节点与帧节点间构建异构图，替代传统一维信号建模。 据作者报告，该框架在UCLASS和FluencyBank数据集上取得82.4%加权准确率和0.386的典型不流畅F1分数，称可捕捉儿童发育期的“搜索”行为，为早期临床干预提供工具。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
Paediatric-HGNN：融合多尺度声学特征的混合异构图神经网络，用于儿童言语不流畅检测报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLPaediatric-HGNN：融合多尺度声学特征的混合异构图神经网络，用于儿童言语不流畅检测
Paediatric-HGNN 框架通过上下文感知的部分-整体交互网络（CaPIN）构建词节点与帧节点之间的异构图，用于儿童口吃检测，在 UCLASS 和 FluencyBank 数据集上达到 82.4% 加权准确率和 0.386 的典型不流畅 F1 分数。该方法以分层词汇-声学交互建模替代传统 1D 信号建模，可捕捉儿童发育期的"搜索"行为，为早期临床干预提供更稳健、可解释的工具。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。