一种基于声学指标的构音障碍分级评估方法技术

本发明专利技术公开了一种基于声学指标的构音障碍分级评估方法，其包括下述步骤：采集脑卒中后构音障碍患者的语音数据；提取所述语音数据的客观声学特征听懂度，收集、提取、分析被试者的声学指标，所述客观声学特征听懂度，是在国内外认可度高、灵敏度好的病理语音分析指标；将所得的声学特征听懂度基于人工智能的自动聚类法算法K‑means确定语音轻度异常、中度异常、重度异常的临界值；使用该听懂度临界值，用于临床评定被试者构音障碍的严重等级。本发明专利技术减少了由于技术人员的技术水平、主观判断、地域差异等主观因素导致的评估误差，同时操作简单，耗时少。

A grading evaluation method of dysarthria based on acoustic index

【技术实现步骤摘要】
一种基于声学指标的构音障碍分级评估方法
本专利技术属于声音处理的
，具体涉及一种基于声学指标的构音障碍分级评估方法。
技术介绍
中华医学会神经病学分会2004--2005年完成的全国第3次死因回顾性抽样调查报告发现，脑血管病已至我国疾病死因的首位。从1990至2013年，我国因脑卒中死亡导致生命年损失居首位的省从16个上升至27个。其中城市卒中的死亡率为125.56/10万人，农村脑卒中的死亡率为150.17/10万人。根据研究报道，在2013年，全球中风幸存者约有2570万，约有650万人死于中风。并且我国脑卒中患者年轻化趋势明显，40～64岁的劳动力人群占近50％。根据文献报道，脑卒中患者中构音障碍的发生率为30％～40％。帕金森病患者中有69.6％的患者的言语清晰度低于正常组，构音障碍发病率在多发性硬化患者中高达51％。脑血管病的发生率极高，且年轻化趋势明显，脑卒中后构音障碍的发生率也很高，因此对于脑血管病的后遗症的诊断、评估、治疗的研究也尤为重要，以改善及提高脑卒中人群的生活质量，为脑卒中后人群的诊断及预后提供更完善的研究。目前国内构音障碍的评估主要采用主观方式进行，客观评估的研究并不多见，这是由于构音障碍客观评估的研究缺乏真正实现客观的评价方法和评价体系。与其他类型的言语障碍客观评估一样，客观评估构音能力需要具备客观评价参数和软硬件设备。基于语音特性系统的客观评估符合构音障碍评估与康复应用的实际需求，本专利技术基于人工智能应用于痉挛型构音障碍脑卒中被试者，评定被试者是否存在构音障碍并对构音障碍进行分级，制定客观构音障碍分级新方法，为脑卒中后构音障碍被试者诊断、评估、治疗计划及评定疗效提供帮助。与本专利技术最接近的可以用于构音障碍分级的工具是一种问卷结合体检的评估量表，即Frenchay构音障碍评定表，该构音障碍严重程度分级方法，主要从解剖、运动等临床角度分类，没有采用声学指标分类，因此仍然缺乏客观性。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于声学指标的构音障碍分级评估方法，为脑卒中后构音障碍患者提供客观的评估方法，解放人力以及减少由于人力以及技术水平的不同造成的误差，为构音障碍的诊断、治疗、评估以及预后提供更加客观的理论依据。为了达到上述目的，本专利技术采用以下技术方案：一种基于声学指标的构音障碍分级评估方法，包括下述步骤：采集脑卒中后构音障碍患者的语音数据；提取所述语音数据的客观声学特征听懂度，通过采访级录音笔收集A例临床确诊为构音障碍患者的每人B个音节，所述音节包括单元音、复合元音、辅音和声调，通过软件剪辑成B独立音频文件，通过Matlab软件编程随机提取独立音频文件，听辩者根据随机听到的声音进行记录，完成与目标音的差异度分析，并计算声学特征听懂度，所述声学特征听懂度，是在国内外认可度高、灵敏度好的病理语音分析指标；将所得的声学特征听懂度基于人工智能的自动聚类法算法K-means确定语音轻度异常、中度异常、重度异常的临界值；使用该听懂度临界值，用于临床评定被试者构音障碍的严重等级。作为优选的技术方案，采集脑卒中后构音障碍患者的语音数据采用的是《中国构音障碍语音评估系统词表》，所述《中国构音障碍语音评估系统词表》由82个目标音组成；所述A取值为100，B取值为82.作为优选的技术方案，采集脑卒中后构音障碍患者的语音数据时，采取的SonyZoomH4nPro便携式数码录音机进行录音，采样率为44100Hz，采用精度为16bit，双声道，对所有被试者进行录音，被试者取端坐位，笔者手拿录音机，被试者口唇距录音机约10cm，语速自然平稳、音量适中，将词表重复录2次。作为优选的技术方案，将所述语音数据使用音频剪辑软件剪辑后存档，随后将被试者使用CoolEditPro2.1软件进行单个元音的剪切，并使用WAV格式保存存档。作为优选的技术方案，评判客观声学特征听懂度，采用两女一男分别进行客观声学特征听懂度的评判，随后将3人的听懂度结果进行一致性检验后取其平均值，最终得出被试者的客观声学特征听懂度；对两女一男共3人听懂度的结果进行一致性检验，客观评判该声学特征听懂度结果的准确性。作为优选的技术方案，还包括对客观声学特征听懂度进行预处理，通过录音获得连续的音频文件，预处理是通过语音软件观察被剪辑的音节是否符合强度适中，机振动波幅平均在采集框高度的1/3-2/3、无明显噪音或干扰，通过Praat3.0软件观察并确定F1的起始为起点，F2的结束为终点，采用CoolEditPro2.1剪辑出每个患者的82个音节样本，每个音节在观察和剪辑前有两个录音样本备选，仅当第一个样本不能使用时方启用第二个样本。作为优选的技术方案，所述提取所述语音数据的客观声学特征听懂度，具体通过下述方式实现：将A例构音患者每人的B个语音发声采用随机抽取的方式让听辩者判断，并记录，每个听辩者听理解后记录到的声音与目标音的完全一致则记录为2分；每个听辩者听理解后记录到的声音与目标音的有部分不一致(元音、辅音、声调)则记录为1分；每个听辩者听理解后记录到的声音与目标音的完全不一致或为刻板无意义发音则记录为0分，如果82个音节完全准确，听懂度量化值164(82*2)，完全不正确，听懂度量化值为0(82*0)。作为优选的技术方案，将所得的声学特征听懂度基于人工智能的自动聚类法算法K-means确定语音轻度异常、中度异常、重度异常的临界值，具体为：8.1、每个患者N个独立语音音频，其量化听懂度值在0-164之间；8.2、名患者有各自A个量化值，构成数据集，X＝{X1,X2,X3,...,Xm}8.3、通过误差平方和sumofthesquarederrors确定最优的分类数，即通过K-means法最终希望将构音障碍分为几级严重程度；其中，Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心，Ci中所有样本的均值，SSE是所有样本的聚类误差，计算中，如果随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度越来越高，误差平方和会逐渐变小，因此计算过程中由小到大调试k值，当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故SSE的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，此时SSE的下降幅度会骤减，然后随着k值的继续增大而趋于平缓，这个趋于平缓的转折点就是最终确定的k值，也就是分类数；8.4、在Matlab2013b中输入数据集，设定k值，最大迭代次数N由自动收敛决定输出是簇划分C＝{C1,C2,...Ck}1)从数据集X中随机选择k个样本作为初始的k个质心向量：2)对于n＝1,2,...,Na)将簇划分C初始化为b)对于i＝1,2...m，计算样本Xi和各个质心向量μj(j＝1,2,...)的距离：将xi标记最小的为dij最小所对应的类别λi，此时更新c)对于j＝1,2,...,k,对Cj中所有的样本文档来自技高网...

【技术保护点】
1.一种基于声学指标的构音障碍分级评估方法，其特征在于，包括下述步骤：/n采集脑卒中后构音障碍患者的语音数据；/n提取所述语音数据的客观声学特征听懂度，通过采访级录音笔收集A例临床确诊为构音障碍患者的每人B个音节，所述音节包括单元音、复合元音、辅音和声调，通过软件剪辑成B独立音频文件，通过Matlab软件编程随机提取独立音频文件，听辩者根据随机听到的声音进行记录，完成与目标音的差异度分析，并计算声学特征听懂度，所述声学特征听懂度，是在国内外认可度高、灵敏度好的病理语音分析指标；/n将所得的声学特征听懂度基于人工智能的自动聚类法算法K-means确定语音轻度异常、中度异常、重度异常的临界值；/n使用该听懂度临界值，用于临床评定被试者构音障碍的严重等级。/n

【技术特征摘要】
1.一种基于声学指标的构音障碍分级评估方法，其特征在于，包括下述步骤：
采集脑卒中后构音障碍患者的语音数据；
提取所述语音数据的客观声学特征听懂度，通过采访级录音笔收集A例临床确诊为构音障碍患者的每人B个音节，所述音节包括单元音、复合元音、辅音和声调，通过软件剪辑成B独立音频文件，通过Matlab软件编程随机提取独立音频文件，听辩者根据随机听到的声音进行记录，完成与目标音的差异度分析，并计算声学特征听懂度，所述声学特征听懂度，是在国内外认可度高、灵敏度好的病理语音分析指标；
将所得的声学特征听懂度基于人工智能的自动聚类法算法K-means确定语音轻度异常、中度异常、重度异常的临界值；
使用该听懂度临界值，用于临床评定被试者构音障碍的严重等级。


2.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，采集脑卒中后构音障碍患者的语音数据采用的是《中国构音障碍语音评估系统词表》，所述《中国构音障碍语音评估系统词表》由82个目标音组成；所述A取值为100，B取值为82。


3.根据权利要求1所述基于声学指标的够音障碍等级评估方法，其特征在于，采集脑卒中后构音障碍患者的语音数据时，采取的SonyZoomH4nPro便携式数码录音机进行录音，采样率为44100Hz，采用精度为16bit，双声道，对所有被试者进行录音，被试者取端坐位，笔者手拿录音机，被试者口唇距录音机约10cm，语速自然平稳、音量适中，将词表重复录2次。


4.根据权利要求3所述基于声学指标的够音障碍等级评估方法，其特征在于，将所述语音数据使用音频剪辑软件剪辑后存档，随后将被试者使用CoolEditPro2.1软件进行单个元音的剪切，并使用WAV格式保存存档。


5.根据权利要求1所述基于声学指标的够音障碍等级评估方法，其特征在于，评判客观声学特征听懂度，采用两女一男分别进行客观声学特征听懂度的评判，随后将3人的听懂度结果进行一致性检验后取其平均值，最终得出被试者的客观声学特征听懂度；对两女一男共3人听懂度的结果进行一致性检验，客观评判该声学特征听懂度结果的准确性。


6.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，还包括对客观声学特征听懂度进行预处理，通过录音获得连续的音频文件，预处理是通过语音软件观察被剪辑的音节是否符合强度适中，机振动波幅平均在采集框高度的1/3-2/3、无明显噪音或干扰，通过Praat3.0软件观察并确定F1的起始为起点，F2的结束为终点，采用CoolEditPro2.1剪辑出每个患者的82个音节样本，每个音节在观察和剪辑前有两个录音样本备选，仅当第一个样本不能使用时方启用第二个样本。


7.根据权利要求1所述基于声学指标的构音障碍分级评估方法，其特征在于，所述提取所述...

【专利技术属性】
技术研发人员：牟志伟，陈亮，温晓宇，江晨银，
申请(专利权)人：广州科慧健远医疗科技有限公司，
类型：发明
国别省市：广东;44