探索机器学习在诊断和治疗语言障碍中的作用:一个系统的文献综述
Zaki Brahmi1, Mohammad Mahyoob2, Mohammed Al-Sarem1
1Department of Computer Science, Taibah University, Madina, Kingdom of Saudi Arabia.
Psychology research and behavior management
|June 5, 2024
概括
本系统性审查分析了2014-2023年间用于语言障碍的机器学习辅助技术. 神经网络和支持向量机器是常见的,缺骨症是最受研究的疾病.
科学领域:
- 辅助技术 辅助技术 辅助技术
- 机器学习 机器学习
- 语言病理学 语音病理学
背景情况:
- 语音障碍严重损害了沟通和生活质量.
- 在针对语音障碍的机器学习 (ML) 辅助技术的系统审查中存在差距.
- 这项研究提供了当前景观的全面概述.
研究的目的:
- 系统地审查基于ML的辅助技术,用于言语障碍患者.
- 提供对ML解决方案和相关研究的见解.
- 探索ML技术,数据集,语言和特征提取方面的趋势.
主要方法:
- 采用了系统文献审查 (SLR) 方法.
- 该审查涵盖了2014年至2023年期间发表的研究.
- 分析重点是ML技术,数据集特征,语言和特征提取.
主要成果:
- 分析了65篇论文,确定了2014-2023年的主要趋势.
- 支持矢量机 (20%) 和神经网络 (CNN,DNN) (16.92%) 是最常用的ML技术.
- 失联症是研究最多的疾病 (54%),神经网络使用在2018年后急剧增加.
结论:
- 该研究强调了ML在语音障碍辅助技术中的日益重要.
- 神经网络,特别是CNN和DNN,显示出越来越多的流行.
- 进一步的研究可以利用这些发现来开发更有效的辅助解决方案.
