Wav2DDK:在远程收集的语音上对自动化二动力学速度估计算法的分析和临床验证

科学领域:

• 语音语言病理学 语言病理学
• 神经学 神经学
• 生物医学工程 生物医学工程

背景情况:

• 口腔二甲基运动 (DDK) 评估语音运动功能,这对于神经疾病至关重要.
• 远程语音收集提供了方便,但手动评分是耗时的.
• 需要自动化分析来提高效率和可访问性.

研究的目的:

• 开发和验证Wav2DDK,用于估计DDK速率的自动化算法.
• 用远程收集的语音数据来评估算法的准确性和可靠性.
• 评估Wav2DDK对跟踪ALS语音衰退的临床实用性.

主要方法:

• Wav2DDK接受了来自健康和ALS发言人的970个DDK评估的培训.
• 一个深度神经网络变压器声学模型被用于转录解析.
• 从26个健康对照组和82名ALS患者的7919项评估中测试了临床效用.

主要成果:

• Wav2DDK与手动DDK速率注释实现了0.98的相关性.
• 该算法表现出高准确度,准确匹配率为83%,95%在0.5音节/秒内.
• 观察到卓越的测试重复测试可靠性 (r = .95) 和与ALS功能评级尺度 (r = .67) 的相关性.

结论:

• Wav2DDK提供了一种高效,准确的自动化方法来估计DDK速率.
• 该算法在临床上与监测ALS的纵向语音下降有关.
• 这项技术可以通过促进参与和多样性来增强临床研究.