स्वचालित डिसआर्थ्रिया गंभीरता वर्गीकरण: ध्वन्यात्मक विशेषताओं और गहन सीखने की तकनीकों पर एक अध्ययन

डिसआर्थ्रिया की गंभीरता स्तर का आकलन रोगी की प्रगति की अंतर्दृष्टि प्रदान कर सकता है, पैथोलॉजISTS को उपचार की योजना बनाने में सहायता कर सकता है, और स्वचालित डिसआर्थ्रिक भाषण मान्यता प्रणालियों को मदद कर सकता है। इस लेख में, हम विभिन्न गहन सीखने की तकनीकों और ध्वन्यात्मक विशेषताओं का उपयोग करके डिसआर्थ्रिया गंभीरता स्तरों की वर्गीकरण पर एक तुलनात्मक अध्ययन प्रस्तुत करते हैं। सबसे पहले, हम गहन न्यूरल नेटवर्क (DNN), संकुचन तंत्रिका नेटवर्क, गेटेड पुनरावृत्त एकक और दीर्घकालिक छोटे-अवधि मेमोरी नेटवर्क जैसे बुनियादी आर्किटेक्चर विकल्पों का मूल्यांकन करते हैं, जो बुनियादी भाषण विशेषताओं, अर्थात्, मेल-फ्रीक्वेंसी सेप्स्ट्रल गुणांक (MFCCs) और स्थिर-क्यू सेप्स्ट्रल गुणांक का उपयोग करते हैं। अगला, भाषण-व्याधि विशेष विशेषताओं का मूल्यांकन DNN मॉडल पर किया जाता है जो प्रोसोडी, आर्टिक्यूलेशन, फोनेशन और ग्लॉटल कार्यप्रणाली से निकाली जाती हैं। अंततः, हम उप-स्थान मॉडलिंग का उपयोग करके निम्न-आयामी विशेषता प्रतिनिधित्व की उपयोगिता की खोज करते हैं ताकि i-वेक्तर्स दिए जा सकें, जिन्हें DNN मॉडल का उपयोग करके वर्गीकृत किया जाता है। मूल्यांकन मानक UA-Speech और TORGO डेटाबेस का उपयोग करके किया जाता है। UA-Speech डेटाबेस के लिए वक्ता-निर्भर परिदृश्य में 93.97% की सटीकता देने और वक्ता-स्वतंत्र परिदृश्य में 49.22% की सटीकता देने के साथ, MFCC-आधारित i-वेक्तर्स का उपयोग करने वाला DNN वर्गीकर्ता अन्य प्रणालियों से बेहतर प्रदर्शन करता है।