同样位于:德国爱尔兰根Martensstraβe 3,Erlangen 91058,Erlangen-Nürnberg,Friedrich-Alexander-Universität,模式识别实验室。电子邮件:rafael.orozco@i5.informatik.uni-erlangen.de
同时就职于:沙特阿拉伯吉达22254阿卜杜拉齐兹国王大学电气与计算机工程系。
J.R.Orozco-Arroyave先生,F.Hönig先生,J.D.阿里亚斯·隆多尼奥,J.F.Vargas Bonilla公司,K.Daqrouq公司,S.Skodda公司,J.鲁兹,E.Nöth;在三种不同语言的连续语音中自动检测帕金森病。J.声学。美国南部。2016年1月1日;139 (1): 481–500.https://doi.org/10.1121/1.4939739
下载引文文件:
本研究的目的是分析帕金森氏病(PD)患者的连续语音信号,并考虑不同语言(西班牙语、德语和捷克语)的记录。本文提出了一种基于语音自动分割为浊音和清音帧的语音信号特征化方法。清浊声音的能量含量采用12个Mel-frequency倒谱系数和25个根据Bark尺度缩放的频带进行建模。评估了四项言语任务,包括孤立单词、音节/pa/-/ta/-/ka/的快速重复、句子和阅读文本。在帕金森病患者和健康对照者的语音自动分类方面,该方法被证明比经典方法更准确。准确率从85%到99%不等,具体取决于语言和语音任务。还进行了跨语言实验,验证了该方法的鲁棒性和泛化能力,准确率在60%到99%之间。这项工作为开发计算机辅助工具以自动评估多种语言中的构音障碍语音信号迈出了一步。
登录或创建帐户