Automatic Speech Signal Analysis for Clinical Diagnosis and Assessment of Speech Disorders

تجزیه و تحلیل خودکار سیگنال گفتار برای تشخیص بالینی و ارزیابی اختلالات گفتاری بررسی روشهای طراحی شده برای کمک به پزشکان در تشخیص و نظارت بر اختلالات گفتاری مانند دیس آرتری و دیسپراکسی را ارائه می دهد. تاکید بر تکنیک های پردازش سیگنال، اعتبار آماری نتایج ارائه شده در ادبیات، و مناسب بودن روش هایی که نیازی به تجهیزات تخصصی، روش های ضبط دقیق کنترل شده یا پرسنل بسیار ماهر برای تفسیر نتایج ندارند.

چنین تکنیک هایی نوید یک ارزیابی ساده و مقرون به صرفه و در عین حال عینی از طیف وسیعی از شرایط پزشکی را ارائه می دهند که برای پزشکان ارزش زیادی دارد. سناریوی ایده‌آل با جمع‌آوری نمونه‌هایی از گفتار مراجعان، چه از طریق تلفن یا با استفاده از دستگاه‌های ضبط قابل حمل که توسط کارکنان پرستاری غیرمتخصص اداره می‌شوند، آغاز می‌شود.

سپس می‌توان ضبط‌ها را در ابتدا برای کمک به تشخیص شرایط، و سپس برای نظارت بر پیشرفت و پاسخ مراجعان به درمان، تجزیه و تحلیل کرد. اتوماسیون این فرآیند امکان انجام ارزیابی های مکرر و منظم و همچنین ارائه عینیت بیشتر را فراهم می کند.

Automatic Speech Signal Analysis for Clinical Diagnosis and Assessment of Speech Disorders provides a survey of methods designed to aid clinicians in the diagnosis and monitoring of speech disorders such as dysarthria and dyspraxia, with an emphasis on the signal processing techniques, statistical validity of the results presented in the literature, and the appropriateness of methods that do not require specialized equipment, rigorously controlled recording procedures or highly skilled personnel to interpret results.

Such techniques offer the promise of a simple and cost-effective, yet objective, assessment of a range of medical conditions, which would be of great value to clinicians. The ideal scenario would begin with the collection of examples of the clients’ speech, either over the phone or using portable recording devices operated by non-specialist nursing staff.

The recordings could then be analyzed initially to aid diagnosis of conditions, and subsequently to monitor the clients’ progress and response to treatment. The automation of this process would allow more frequent and regular assessments to be performed, as well as providing greater objectivity.