多功能融合方法与元启发性优化用于自动语音病理检测
Erdal Özbay1, Feyza Altunbey Özbay2, Nima Khodadadi3
1Department of Computer Engineering, Firat University, Elazig, Turkey.
Journal of voice : official journal of the Voice Foundation
|September 7, 2024
概括
这项研究引入了一种自动化方法,用于使用声学特征和元启发算法来检测语音病理. 增强方法实现了99.50%的准确性,改善了早期诊断和患者护理.
科学领域:
- 医疗声学 医学声学
- 计算语言学计算语言学
- 人工智能在医学中的应用
背景情况:
- 语音病理显著影响言语,需要准确,及时诊断.
- 目前的诊断方法往往耗时,昂贵,对患者不友好.
- 需要自动检测系统来有效查和管理声障碍.
研究的目的:
- 开发和评估一个基于metaheuristic的自动化系统来检测语音病理.
- 通过机器学习提高声障碍诊断的准确性和效率.
- 减少对手动声学分析的依赖,以识别语音病理.
主要方法:
- 从1000个语音信号中提取了声学特征 (零交叉速率,根平均平方能量,Mel频 Cepstral 系数).
- 使用混合方法结合功能,并使用灰狼优化器 (MELGWO) 来优化功能地图.
- 应用监督机器学习分类器,包括支持矢量机 (SVM) 和K-近邻,用于病理学分类.
主要成果:
- 梅尔格沃算法有效地优化了特征图,减少了计算负载并提高了模型性能.
- 混合功能集和优化的参数导致了高诊断准确度.
- 使用MELGWO优化的功能,SVM分类器实现了99.50%的峰值精度.
结论:
- 超听觉优化显著提高了自动语音病理学检测准确度.
- 拟议的自动化系统为传统诊断方法提供了一个有希望的,高效和准确的替代方案.
- 这项技术可以促进早期诊断,改善患者的治疗结果,并简化声部健康监测.
