通过计算机听力检测肌缩侧面硬化症:不同语音任务的影响分析

科学领域:

• 语音分析 语音分析
• 生物医学工程 生物医学工程
• 神经学 神经学

背景情况:

• 自动检测肌缩侧面硬化症 (ALS) 对于及时干预至关重要.
• 语音障碍是ALS患者的一个常见症状.
• 语音中的平行语言信息为疾病检测提供了潜力.

研究的目的:

• 为了比较通用与基于任务的系统的性能,用于从语音中检测ALS.
• 在基于任务的系统中评估个别任务专用模型.
• 为了确定最佳的语音任务和声学特征用于ALS检测.

主要方法:

• 在德语语言AIMnd数据集上进行了实验.
• 训练了两种系统类型:一个单一的通用模型和五个专门用于任务的模型.
• 语音任务包括持续的母音 /a:/ 生产,音节重复,文字阅读和图片描述.
• 使用扩展的日内瓦极简主义声学参数集 (eGeMAPS) 提取声学特征.
• 使用未加权平均回忆 (UAR) 评估性能.

主要成果:

• 基于任务的系统在四个评估的场景中,在两个场景中表现优于通用系统.
• 在一个场景中,通用系统的表现优于基于任务的系统.
• 使用eGeMAPS从持续的母音 /a:/ 产生的SVClinear分类器在测试组中获得了最高的92%的UAR.

结论:

• 基于任务的系统在特定场景中从语音中检测ALS表现出卓越的性能.
• 用eGeMAPS和SVClinear分析的持续元音 /a:/ 生产任务,对于ALS检测非常有效.
• 专门的语音分析模型对改善肌缩侧面硬化症的早期检测具有显著的希望.