[發明專利]基于數據挖掘技術優選聲學參數評估兒童構音障礙的方法

在審

• 申請號: 201911087285.6
• 申請日: 2019-11-08
• 公開（公告）號: CN110808072A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 牟志偉;陳亮;溫曉宇;江晨銀
• 申請（專利權）人: 廣州科慧健遠醫療科技有限公司
• 主分類號: G10L25/66
• 分類號: G10L25/66;G10L25/51;G10L25/03;A61B5/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于數據挖掘技術優選聲學參數評估兒童構音障礙的方法，采取收集、提取、分析被試兒童的客觀聲學特征，采用LASSO回歸函數，擬合廣義線性模型，進行變量篩選，提取綜合權重因變量，從而篩選出對普通話兒童構音障礙具有重要參考意義的聲學特征參數，以及各類聲學特征參數的權重，可為兒童構音障礙的客觀評估夯實基礎。本發明首次采用LASSO方法，分析40種聲學特征參數中與各類型兒童構音障礙的相關性，發現各型兒童構音障礙的權重聲學特征，探索對普通話兒童構音障礙評估最有貢獻的聲學參數。

技術領域

本發明屬于構音障礙評估的技術領域，具體涉及一種基于數據挖掘技術優 選聲學參數評估兒童構音障礙的方法。

背景技術

目前國內兒童語言障礙人數逐年增加，其中構音障礙導致的溝通交流障礙 嚴重影響患兒重返社會。雖然我國構音障礙患者數量重多，但是2016年林強和 盧建亮的調查研究發現目前的評估方法并不能滿足治療師對精準言語康復的需 求。國內康復科和言語康復機構應用較多的仍然是以主觀聽覺評價和(或)需 要主觀判斷的量表為主要評估手段，缺乏客觀性和效率。

近年來，基于人工智能技術的快速發展，如人工神經網絡(Artificial NeuralNetwork，ANN)和數據挖掘(Data Mining，DM)在正常語音分析與識別、 語言教育、智能語音導醫等方面的應用研究取得了一些成果。研究聲學參數在 兒童構音障礙的特征性與規律性，并基于數據挖掘和人工神經網絡分析權重參 數與兒童構音障礙類型間的內在機制，可以利用權重聲學特征檢測提高兒童病 理語音評估的客觀性和效率。

國外對正常兒童元音、輔音、聲調的聲學特征研究已經比較成熟，對兒童 構音障礙病理語音的研究主要集中在腦癱、功能性構音障礙、人工耳蝸植入、 口吃等幾種疾病。對母語為普通話的兒童構音障礙的聲學特征分析研究較少， 尤其是復合元音、聲調的聲學分析罕見報道。目前國內在人工智能語音分析方 面，對正常語音識別研究較多，接近國際水平。但是對病理語音的數據挖掘和 神經網絡識別處于起步階段，兒童構音障礙提取的病理聲學特征及其變化規律， 可以客觀量化反映患兒構音運動障礙，是數據挖掘和ANN擬合識別的前提條件， 但是具體機制仍不完全清楚。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于數據挖 掘技術優選聲學參數評估兒童構音障礙的方法，通過數據挖掘的方法選擇與優 化用于評估兒童構音障礙的特征聲學參數，篩選可能用于所有兒童構音障礙評 估的綜合權重因變量。

為了達到上述目的，本發明采用以下技術方案：

基于數據挖掘技術優選聲學參數評估兒童構音障礙的方法，包括下述步驟：

收集構音障礙的兒童及正常兒童的語音樣本；

將語音樣本使用軟件剪切存檔，82個語音采集點按三個程度進行隨機化聽 懂度判斷；

提取共振峰、基頻、時長、VOT相關的聲學特征參數，以此計算出6個單 元音F1和F2、F2斜率、基頻中點、元音F0均值、中點值、時長、VOT、VSA、 VAI、FCR；3個角元音的基頻微擾、振幅微擾、NNE；聽懂度，分別用V1， V2，...，V40表示；

將每種類型的兒童構音障礙的結局設置為二分類變量，結果1表示為該種 構音障礙，0表示不是，影響某種構音障礙結局的因素包括因變量(V1， V2，...，V40)，設定為篩選變量，在MATLAB工具箱調用LASSO回歸函數， 首先擬合廣義線性模型，然后進行變量篩選，通過LASSO分析可以得到，影響 某種構音障礙結局的因素包括因篩選變量中的哪幾個，并探討這些影響因素所 占權重，在篩選過程中要防止過度擬合，最后綜合分析可以用于不同兒童構音 障礙評估的綜合權重因變量也就是對普通話兒童構音障礙評估具有重要意義的權重聲學特征參數；

根據得到的權重聲學特征參數對兒童構音障礙進行評估。