شناسايي گفتار پرخيشومي در كودكان داراي شكاف كام

Detection of Hypernasal Speech for Children with Cleft Palate

پرخيشومي از رايج ترين اختلالات در كودكان داراي شكاف كام است. عموماً براي كاهش اين نقيصه نياز به جراحي است و بنابراين ارزيابي خيشومي بودن براي بررسي تاثير جراحي و همچنين طراحي جلسات گفتار درماني- كه بعد از عمل هاي جراحي نياز است- حياتي است. استفاده از مدل هاي تمام قطب مانند AR براي مدل‌سازي سيستم لوله صوتي افراد سالم رايج و معتبر هستند؛ اما وجود كانال ارتباطي بين حفره دماغي و دهاني افراد داراي شكاف كام، منجر به اضافه شدن صفر به تابع تبديل فيلتر لوله صوتي شده و درنتيجه مدل مذكور براي فيلتر لوله صوتي اين افراد دقيق نيست. بر اين اساس در اين تحقيق روش كمّي جديدي براي تخمين ميزان پرخيشومي بودن ارايه شده است. در روش ارايه شده ميزان پرخيشومي بودن با كمِيتي كه از محاسبه فاصله بين بردار ضرايب كپستروم استخراج شده از ضرايب مدل AR و مدل ARMA بدست آمده، ارزيابي شد. روش k-means و روش بيز براي يافتن حد آستانه مناسب بمنظور طبقه بندي دادگان به كار رفت. با اجراي الگوريتم پيشنهادي براي مجموعه دادگان شامل واكه هاي /a/ استخراج شده از كلمه آزمون /pamap/ كه 13 فرد داراي شكاف كام و 22 فرد سالم آنرا بيان كردند، صحت تراز شده 18/82 درصد براي طبقه بندي گويش ها و صحت تراز شده 72/97 درصد براي طبقه بندي افراد بدست آمد. از آنجايي كه روش ارايه شده تنها به پردازش كامپيوتري دادگان نياز دارد، در مقايسه با روش هاي باليني ديگر، ساده و غير تهاجمي است.

Hypernasality is a frequently occurring resonance disorder in children with cleft palate. Generally an operation is necessary to reduce the hypernasality and therefore an assessment of hypernasality is imperative to quantify the effect of the surgery and design the speech therapy sessions which are crucial after surgery. In this study, a new quantitative method is proposed to estimate hypernasality. The proposed method used the fact that an Autoregressive (AR) model for vocal tract system of a patient with hypernasal speech is not accurate; because of the zeros appear in the frequency response of vocal tract system due to existence of extra channel between oral and nasal cavity of these patients. Therefore in our method hypernasality was estimated by a quantity calculated from comparing the distance between the sequences of cepstrum coefficients extracted from AR model and Autoregressive Moving Average (ARMA) model. K-means and Bayes theorem were utilized for finding a threshold value for proposed index to classify the utterances of subjects. We achieved the balanced accuracy up to 82.18% on utterances and 97.72% on subjects. Since the proposed method needs only computer processing of speech data, compare to other clinical methods it is provides a simple evaluation of hypernasality.