在实时磁共振成像中,声道关节器的自动细分
Vinicius Ribeiro1, Karyna Isaieva2, Justine Leclere3
1Universite de Lorraine, CNRS, Inria, LORIA, Nancy, F-54000, France.
Computer methods and programs in biomedicine
|November 17, 2023
概括
一种新的方法使用Mask R-CNN从实时MRI中对九个声道发音器进行细分,从而实现了详细的语音生产分析. 这个工具为演讲,歌唱和临床研究提供了个性化的轮.
科学领域:
- 医学成像和生物力学
- 语音科学和声学 语言科学和声学
- 计算建模和机器学习
背景情况:
- 声道几何特征对语音产生,运动控制和治疗至关重要.
- 实时MRI (RT-MRI) 为声道成像提供了一种非侵入性方法.
- 现有的细分技术往往缺乏个性化和全面覆盖所有关节器.
研究的目的:
- 从RT-MRI数据开发和验证一种方法来细分九个声道口器.
- 为多扬声器配置提供个性化的软组织关节器轮.
- 为语音研究社区创建一个可访问的软件工具.
主要方法:
- 一个面具R-CNN深度学习网络在RT-MRI语音数据集上接受了培训.
- 后处理算法将网络输出转换为九个关节器的几何曲线.
- 使用点到最近点距离和贾卡德指数进行交叉验证,评估了使用点到最近点距离和贾卡德指数进行交叉验证.
主要成果:
- 该方法在所有关节器上实现了 <2.2mm 的平均点到最近点距离.
- 特定的发音器显示出高精度:0.91mm (上唇) 到2.18mm (舌头).
- 该模型表现出适应性,只需要10个样本用于新受试者.
结论:
- 一种新的开源方法使RT-MRI中9个声道关节器的个别细分成为可能.
- 该工具支持语音,歌唱和临床研究中的多种应用.
- 这有助于我们更好地理解声道的几何结构及其在语音中的作用.
