文献

J-GLOBAL ID：201702251633694801   整理番号：17A1724829

自己連想神経回路網を用いた音声病理識別【Powered by NICT】

Voice pathology distinction using autoassociative neural networks

著者 (1件)： Hemmerling Daria (AGH University of Science and Technology, Department of Measurement and Electronics, Al. Mickiewicza 30, 30-059 Krakow, Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 1844-1847  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 音響解析は音声疾患スクリーニング,特に選択音声病理と健常対照群の区別の検出と診断を支援する非侵襲的技術である。本研究では,自動検出のための効率的で正確なシステムと正常および三種の異なる音声病理の分化の創造に関するen努力をした。本システムは,ニューラルネットワークに基づく音声特性と意思決定システムの非侵襲的で完全に自動化された分析を確実にする。声道を記述する特徴ベクトルは三十五のパラメータから構築した。機能性発声障害,反回神経麻ひ,喉頭炎と健常対照群患者の記録を実験で検討した。実験結果から,自己連想ニューラルネットワークの有効性は病的音声識別の応用に有望であると思われることが観察された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  *神経回路網 ,  喉頭炎 ,  音響分析 ,  反回神経麻痺 ,  自動化 ,  患者 ,  スクリーニング ,  *病理 ,  声道
準シソーラス用語： 特徴ベクトル ,  意思決定システム ,  自動検出 ,  非侵襲 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 自己 ,  連想 ,  神経回路網 ,  音声 ,  病理 ,  識別