病的な声認識のための聴覚特徴抽出アプローチ | JoVE Visualize

科学分野:

生物医学工学
信号処理
音声科学

背景:

二項音声分類は、特定の病理学的タイプの区別において臨床的有用性が限定的です。
効果的な病的な声認識（PVR）には、正確な多クラス分類が不可欠です。
既存の特徴抽出方法は、病的な声のニュアンスを捉えるのにしばしば不十分です。

研究の目的:

堅牢な多クラスPVRのための新しい聴覚特徴抽出（AFE）アプローチを導入すること。
人間の聴覚知覚をシミュレートするために、Gammachirp FilterBank（GCFB）を使用して、音声特徴抽出を強化すること。
AFEアプローチのパフォーマンスを、ベンチマークデータセットで最先端の方法と比較して評価すること。

主な方法:

蝸牛スペクトル挙動をシミュレートする128個のフィルターを備えたGammachirp FilterBank（GCFB）を採用したAFEアプローチを開発しました。
GCFB出力にデシメーション、立方根振幅圧縮、離散コサイン変換を適用して、AFE係数を生成しました。
Saarbruecken Voice Database（SVD）およびMEEIデータセットでAFEパフォーマンスを評価するためにHidden Markov Model Toolkitを使用しました。

主要な成果:

AFEアプローチは、SVDデータセットで二項分類で99.75％、多クラス分類で94.38％のバランス精度を達成しました。
AFEは、SVDでの二項分類において、HFCC（95.6％）、FDLP（94.8％）、MFCC（93.85％）を大幅に上回りました。
AFEは、SVDでの多クラス分類において、HFCC（72.93％）、FDLP（69.66％）、MFCC（60.03％）と比較して、優れた多クラス分類精度（94.38％）を示しました。
病的な声分類において、MEEIデータベースで100％のバランス精度を達成しました。

結論:

提案されたAFEアプローチは、音声病理分類のための高度に識別性の高い特徴セットを提供します。
AFEのパフォーマンスは、音声障害の臨床スクリーニングと診断の改善の可能性を示唆しています。
Gammachirp FilterBankベースの特徴抽出は、高度なPVRシステムのための有望な方向性を提供します。