使用自动声学分析区分上下运动神经元疾病
Justin Truong1, Leif Simmatis1,2,3, Timothy Pommée1,2
1Department of Speech-Language Pathology, Temerty Faculty of Medicine, University of Toronto, Toronto, Ontario, Canada.
概括
声学分析有效地确定了上部运动神经元 (UMN) 和下部运动神经元 (LMN) 疾病的独特语音模式,有助于诊断和个性化管理运动神经元疾病 (MND).
科学领域:
- 神经学 神经学
- 语音科学 语言科学
- 生物标志物发现发现
背景情况:
- 运动神经元疾病 (MNDs) 导致运动障碍,通过失节症显著影响言语.
- 语音指标正在成为MND诊断和表型化的关键生物标志物.
研究的目的:
- 描述MND中上部运动神经元 (UMN) 和下部运动神经元 (LMN) 脱节的声学特征.
- 为个性化管理探索圆柱状疾病严重程度和声学语音特征之间的关系.
主要方法:
- 语音任务的声学分析 (阅读段落,音节重复,元音发音) 从患有初级侧面硬化症 (PLS - UMN),脊柱和腹筋肌缩 (SBMA - LMN) 和健康对照的个体.
- 提取了52个声学特征,涵盖了发音,发音,旋律,共振和语音时间.
- 他们比较了两组之间的声学特征,并将它们与临床泡疾病严重程度得分相关联.
主要成果:
- 关节性和表达式语音特征显著差异化PLS,SBMA和对照组.
- 在PLS中,临床分数和关节特征之间发现了相关性,特别是与舌头和下巴运动相关的特征.
结论:
- 声学评估可以识别PLS和SBMA发动性关节障碍的特征性语音"指纹".
- 远程语音分析有潜力表征多种类型的脱节性关节症,并为个性化的临床护理和试验策略提供信息.
更多相关视频
08:16Utility of Dissociated Intrinsic Hand Muscle Atrophy in the Diagnosis of Amyotrophic Lateral Sclerosis
Published on: March 4, 2014
32.3K
06:35In Vivo Electrophysiological Measurement of Compound Muscle Action Potential from the Forelimbs in Mouse Models of Motor Neuron Degeneration
Published on: June 15, 2018
19.7K
