Documentos de traballo · fala, saúde e IA fiableVigo, 2026

Investigación

Todos os artigos, agrupados por liña de traballo. Cada entrada comeza cunha frase en linguaxe chá; a cita completa está a un clic.

§1 A voz como sinal clínico

  1. [1]

    Un paseo curto fai máis fiable o cribado por voz: as tuses e vogais gravadas despois do exercicio revelan as secuelas post-COVID mellor ca as gravadas en repouso.

    Vera-López Á. et al. · Frontiers in Medicine · 2026

    Journal Ler resumo DOI
    Cita completa

    Vera-López Á., Tilves-Santiago D., Ramírez-Sánchez J.M., Docío-Fernández L., García-Mateo C., Bustillo-Casado M., García-Caballero A.A. Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.

  2. [2]

    Unha nova forma de adaptar grandes modelos de voz a conxuntos clínicos pequenos, que supera a LoRA en 12,4 puntos en catro tarefas de saúde e é o único método que detecta a ideación suicida nunha delas.

    Ramírez-Sánchez J.M. et al. · IberSPEECH · 2026

    Conference Ler resumo
    Cita completa

    Ramírez-Sánchez J.M., Docío-Fernández L., García-Caballero A.A., García-Mateo C. Radial LoRA: Enhancing Parameter-Efficient Fine-Tuning for Clinical Speech Assessment. IberSPEECH 2026, 2026.

  3. [7]

    Os biomarcadores de voz precisan unha validación de nivel clínico: unha extensión do marco V3, centrada no ciclo de vida dos datos dos ensaios, e unha ferramenta aberta para avaliar datasets de voz e saúde.

    Ramírez J.M. et al. · XoveTIC · 2024

    Conference Ler resumo DOI
    Cita completa

    Ramírez J.M., Docío-Fernández L., García-Mateo C. Dataset-Driven Voice Biomarker Validation: Advancing Clinical Standards with the Enhanced V3 Framework. XoveTIC 2024 (7th XoveTIC Congress, A Coruña), 2024.

  4. [9]

    O primeiro estudo que comproba se as gravacións de voz abondan para distinguir pacientes con COVID persistente de persoas sas. As tuses despois do esforzo funcionaron mellor.

    Ramírez Sánchez J.M. et al. · JMIR Preprints · 2023

    Preprint Ler resumo DOI
    Cita completa

    Ramírez Sánchez J.M., Docío-Fernández L., García Mateo C., Bustillo-Casado M., García-Caballero A.A. Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.

§2 IA para a saúde mental e salvagardas conversacionais

  1. [5]

    Un conxunto de datos psicométrico e demográfico de 207 adolescentes, cun grupo de alto risco de suicidio, dispoñible baixo solicitude para unha IA de saúde mental reproducible.

    Ramírez Sánchez J.M. et al. · Zenodo · 2026

    Dataset Ler resumo DOI
    Cita completa

    Ramírez Sánchez J.M., Manso-Vázquez M., Gómez Gómez B., et al. VisIA-Q: A cross-sectional psychometric and demographic dataset of adolescents at high-risk for suicide. Zenodo, 2026.

  2. [6]

    Un axente conversacional deseñado para detectar factores de risco de suicidio durante unha conversa en directo e responder de forma segura cando os atopa.

    Ramírez Sánchez J.M. et al. · IWSDS · 2025

    Conference Link
    Cita completa

    Ramírez Sánchez J.M., Manso Vázquez M., García-Mateo C., Docío-Fernández L., Fernández-Iglesias M.J., Gómez-Gómez B., Pinal B., Brañas A., García-Caballero A. Design of a conversational agent to support people on suicide risk. IWSDS 2025 (International Workshop on Spoken Dialogue Systems Technology), 2025.

  3. [8]

    O plan de VisIA: un sistema multimodal que detecta malestar emocional e un axente conversacional por voz baseado en guías clínicas, para avaliar o risco de suicidio en mozos de forma non invasiva.

    Ramírez Sánchez J.M. et al. · IberSPEECH · 2024

    Conference Ler resumo DOI
    Cita completa

    Ramírez Sánchez J.M., Manso M., García-Mateo C., Gómez-Gómez B., Pinal B., Brañas A., García Caballero A., Docío-Fernández L., Fernández-Iglesias M.J. VisIA Project: design of an automated AI-based emotional distress and suicide risk detection system. IberSPEECH 2024, 2024.

§3 Recoñecemento de voz robusto e busca na fala

  1. [3]

    Un sistema que identifica quen fala e cando en longas entrevistas rurais, fusionando dous diarizadores complementarios: segundo posto no track de diarización de ALBAYZIN 2026.

    Ramírez-Sánchez J.M. et al. · IberSPEECH · 2026

    Conference Ler resumo
    Cita completa

    Ramírez-Sánchez J.M., Piñeiro-Martín A., Docío-Fernández L., García-Mateo C. Robust Speaker Diarization under Spontaneous Rural Interviews via Cross-Architecture Fusion: The IberSPEECH 2026 COSER Challenge. IberSPEECH 2026, ALBAYZIN Speech-COSER Challenge, 2026.

  2. [4]

    Un recoñecedor de voz para o español rural dialectal, adaptando Whisper cun novo método de baixo rango: segundo posto no track de ASR de ALBAYZIN 2026.

    Ramírez-Sánchez J.M. et al. · IberSPEECH · 2026

    Conference Ler resumo
    Cita completa

    Ramírez-Sánchez J.M., Esperon-Couceiro A., Piñeiro-Martín A., Docío-Fernández L., García-Mateo C. Robust Speech Recognition under Spontaneous Rural Interviews via Radial Low Rank Adaptation: The IberSPEECH 2026 Speech-COSER Challenge. IberSPEECH 2026, ALBAYZIN Speech-COSER Challenge, 2026.

  3. [12]

    Resultados dunha avaliación internacional sobre a busca de palabras e frases faladas en audio de varios dominios.

    Tejedor J. et al. · Applied Sciences · 2021

    Journal Ler resumo DOI
    Cita completa

    Tejedor J., Toledano D.T., Ramírez J.M., Montalvo A.R., Álvarez-Trejos J.I. The Multi-Domain International Search on Speech 2020 ALBAYZIN Evaluation: Overview, Systems, Results, Discussion and Post-Evaluation Analyses. Applied Sciences, 2021.

  4. [13]

    Unha ferramenta que localiza termos falados en gravacións de audio.

    Ramírez Sánchez J.M. et al. · V Conferencia Internacional en Ciencias Computacionales e Informáticas · 2020

    Conference
    Cita completa

    Ramírez Sánchez J.M., Montalvo Bereau A.R., Calvo de Lara J.R. GELABERT: herramienta para la detección automática de términos hablados. V Conferencia Internacional en Ciencias Computacionales e Informáticas (CICCI 2020), 2020.

  5. [14]

    Que técnicas de aumento de datos axudan de verdade aos recoñecedores de voz. O meu artigo máis citado.

    Ramírez J.M. et al. · CIARP · 2019

    Conference DOI
    Cita completa

    Ramírez J.M., Montalvo A., Calvo J.R. A Survey of the Effects of Data Augmentation for Automatic Speech Recognition Systems. CIARP 2019, Lecture Notes in Computer Science, 2019.

  6. [15]

    Resultados da avaliación internacional ALBAYZIN 2018 sobre detección de termos falados en audio en español.

    Tejedor J. et al. · EURASIP Journal on Audio · 2019

    Journal Ler resumo DOI
    Cita completa

    Tejedor J., Toledano D.T., Lopez-Otero P., Docío-Fernández L., Montalvo A.R., Ramírez J.M., Peñagarikano M., Rodríguez-Fuentes L.J. ALBAYZIN 2018 spoken term detection evaluation: a multi-domain international evaluation in Spanish. EURASIP Journal on Audio, Speech, and Music Processing, 2019.

  7. [16]

    MFCC ou PLP? En silencio apenas importa; con ruído, os MFCC manteñen mellor o recoñecemento de voz, mentres que os PLP decodifican máis rápido. O meu primeiro artigo.

    Ramírez Sánchez J.M. et al. · Revista Ingeniería Electrónica · 2019

    Journal Ler resumo Link
    Cita completa

    Ramírez Sánchez J.M., Montalvo Bereau A.R., Calvo de Lara J.R. Evaluación de Rasgos Acústicos para el Reconocimiento Automático del Habla en Escenarios Ruidosos usando Kaldi. Revista Ingeniería Electrónica, Automática y Comunicaciones (RIELAC) 40(3), 2019.

  8. [17]

    O sistema do CENATAV para a avaliación Albayzin 2018 de busca na fala.

    Montalvo A.R. et al. · IberSPEECH · 2018

    Conference Ler resumo DOI
    Cita completa

    Montalvo A.R., Ramírez J.M., Roble A., Calvo J.R. Cenatav Voice Group System for Albayzin 2018 Search on Speech Evaluation. IberSPEECH 2018, 2018.

§4 Tecnoloxía lingüística para linguas con poucos recursos

  1. [10]

    O estado das tecnoloxías da fala e da linguaxe para o galego, escrito como representante do galego no proxecto europeo European Language Equality.

    Ramírez Sánchez J.M. et al. · European Language Equality · 2023

    Chapter Ler resumo DOI
    Cita completa

    Ramírez Sánchez J.M., Docío-Fernández L., García-Mateo C. Language Report Galician. European Language Equality (Springer, Cognitive Technologies), 2023.

  2. [11]

    Onde está o galego en tecnoloxías da fala e da linguaxe, e que recursos faltan aínda.

    Ramírez Sánchez J.M. et al. · IberSPEECH · 2022

    Conference Ler resumo DOI
    Cita completa

    Ramírez Sánchez J.M., Docío-Fernández L., García-Mateo C. Galician's Language Technologies in the Digital Age. IberSPEECH 2022, 2022.