Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018204934) SELECTING SPEECH FEATURES FOR BUILDING MODELS FOR DETECTING MEDICAL CONDITIONS
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/204934 International Application No.: PCT/US2018/031460
Publication Date: 08.11.2018 International Filing Date: 07.05.2018
IPC:
G06N 5/04 (2006.01) ,G10L 15/18 (2013.01) ,G10L 15/183 (2013.01) ,G10L 15/22 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5
Computer systems utilizing knowledge based models
04
Inference methods or devices
G PHYSICS
10
MUSICAL INSTRUMENTS; ACOUSTICS
L
SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
15
Speech recognition
08
Speech classification or search
18
using natural language modelling
G PHYSICS
10
MUSICAL INSTRUMENTS; ACOUSTICS
L
SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
15
Speech recognition
08
Speech classification or search
18
using natural language modelling
183
using context dependencies, e.g. language models
G PHYSICS
10
MUSICAL INSTRUMENTS; ACOUSTICS
L
SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
15
Speech recognition
22
Procedures used during a speech recognition process, e.g. man-machine dialog
Applicants:
CANARY SPEECH, LLC [US/US]; 3305 N. University Avenue Ste. 275 Provo, Utah 84604, US
Inventors:
KIM, Jangwon; US
KWON, Namhee; US
O'CONNELL, Henry; US
WALSTAD, Phillip; US
YANG, Kevin Shengbin; US
Agent:
HILTON, Scott C.; US
Priority Data:
62/502,58405.05.2017US
62/614,19205.01.2018US
Title (EN) SELECTING SPEECH FEATURES FOR BUILDING MODELS FOR DETECTING MEDICAL CONDITIONS
(FR) SÉLECTION DE CARACTÉRISTIQUES VOCALES POUR DES MODÈLES DE CONSTRUCTION POUR DÉTECTER DES CONDITIONS MÉDICALES
Abstract:
(EN) A mathematical model may be trained to diagnose a medical condition of a person by processing acoustic features 1021 and language features 1022 of speech of the person. The performance of the mathematical model may be improved by appropriately selecting the features 1021, 1022 to be used with the mathematical model. Features 1021, 1022 may be selected by computing a feature selection score 1031 for each acoustic feature 1021 and each language feature 1022, and then selecting features 1021, 1022 using the scores 1031, such as by selecting features 1021, 1022 with the highest scores 1031. In some implementations, stability determinations 1032 may be computed for each feature 1021, 1022 and features 1021, 1022 may be selected using both the feature selection scores 1031 and the stability determinations 1032. A mathematical model may then be trained using the selected features 1021, 1022 and deployed. In some implementations, prompts may be selected using computed prompt selection scores 1041, and the deployed mathematical model may be used with the selected prompts.
(FR) L'invention concerne un modèle mathématique qui peut être formé pour diagnostiquer une condition médicale d'une personne en traitant des caractéristiques acoustiques (1021) et des caractéristiques linguistiques (1022) de la parole de la personne. Les performances du modèle mathématique peuvent être améliorées par la sélection appropriée des caractéristiques (1021, 1022) à utiliser avec le modèle mathématique. Les caractéristiques (1021, 1022) peuvent être sélectionnées en calculant un score de sélection de caractéristique (1031) pour chaque caractéristique acoustique (1021) et chaque caractéristique linguistique (1022), puis en sélectionnant des caractéristiques (1021, 1022) en utilisant les scores (1031), par exemple par sélection des caractéristiques (1021, 1022) ayant les scores les plus élevés (1031). Dans certains modes de réalisation, des déterminations de stabilité (1032) peuvent être calculées pour chaque caractéristique (1021, 1022) et les caractéristiques (1021, 1022) peuvent être sélectionnées en utilisant à la fois les scores de sélection de caractéristiques (1031) et les déterminations de stabilité (1032). Un modèle mathématique peut ensuite être formé en utilisant les caractéristiques sélectionnées (1021, 1022), puis déployé. Dans certains modes de réalisation, des messages-guides peuvent être sélectionnés en utilisant des scores de sélection de message-guide calculés (1041) et le modèle mathématique déployé peut être utilisé avec les messages-guide sélectionnés.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)