確率的なベイジアンニューラルネットワークを用いた首表面加速信号による生理学的声の特徴の推定

科学分野:

• バイオアコースティックと言語科学
• 計算神経科学
• 生物医学工学

背景:

• 声の機能のパラメータの正確な推定は,声の障害の診断に不可欠です.
• 非侵襲的外来音声モニタリングには リアルなデータの変動に対応する 堅固な方法が必要です
• 既存の方法は,生理学的パラメータの推定における不確実性を定量化するためにしばしば苦労します.

研究 の 目的:

• 主要な声機能変数を推定するための確率ベイズ神経ネットワーク (PBNN) の開発と検証.
• 非侵襲的外来音声モニタリングを強化し,アレアトリックとエピステミックの不確実性に対処する.
• リアルな音声データを使って 推定を精査する

主な方法:

• エロダイナミックと音響の特徴を生理学的パラメータに逆マッピングするために,確率的なベイジアンニューラルネットワーク (PBNN) が開発されました.
• PBNNは,合成データによる声帯の三角形ボディカバーモデル (TBCM) を使用して訓練されました.
• 移転学習は実際の音声データを統合し,小球底圧の推定値を精製するために使用されました.

主要な成果:

• PBNNは,小球底圧,声帯の接触圧,および筋肉の活性化を評価しました.
• PBNNからの信頼区間は予測エラーと相関し,効果的な不確実性の定量化を示しています.
• 非線形声帯のダイナミクスを捉える際の限界を示唆する.

結論:

• PBNNは,音声機能のパラメータの非侵襲的,不確実性の認識のための有望なアプローチを提供します.
• この方法は,推定のための信頼できる信頼区間を提供することで,外来での音声モニタリングを強化します.
• 将来の研究では,非線形声帯の行動をよりよく捉えるための追加的な特徴を探る必要があります.