文献

J-GLOBAL ID：202002292177684752   整理番号：20A0861545

声門フロー記述子を用いた音声機能障害の効果的検出【JST・京大機械翻訳】

Effective Detection of Voice Dysfunction Using Glottic Flow Descriptors

著者 (4件)： Gidaye Girish (Vidyalankar Institute of Technology,Mumbai,India) ,  Nirmal Jagannath (K.J. Somaiya College of Engineering,Mumbai,India) ,  Ezzine Kadria (ATISP, ENET’COM, Sfax University,Tunisia) ,  Frikha Mondher (ATISP, ENET’COM, Sfax University,Tunisia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICISC  ページ： 307-312  発行年： 2019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： 様々な音声病理の存在は音声の品質に大きく影響する。これらの病理は,それらが一次段階で診断されるならば,より良く治療できる。本研究では,早期検出のために,非侵入自動声帯病理認識システムを考案した。健常人と病理学的被験者の両方に対する正常なイントネーションを伴う持続的な母音/aha:/は,PdAコーパスから抽出される。声門逆フィルタリング(GIF)を用いて,有声音声信号のフレームから声門パルスを推定した。種々の時間と周波数領域記述子を声門パルセフォームから抽出し,音声障害の検出に用いた。逆フィルタリングに対して,声道に対する離散全極(DAP)モデルを用いた反復適応逆フィルタリング(IAIF)アルゴリズムを用いた。抽出された記述子は,健常者と病理学的被験者を分離するために分類器に供給される。人工ニューラルネットワーク(ANN),サポートベクトルマシン(SVM)およびk-最近傍(kNN)を分類のために使用した。抽出した声門記述子の識別能力を調べるために,ボックスと密度プロットを用いた。記述子の識別能力を定量的に観察するために,分散分析(ANOVA)と情報利得特徴採点法を用いた。時間領域記述子は周波数領域と比較して識別が非常に豊富であることが分かった。達成された最良の分類率は,kNN,SVM,およびANNで,それぞれ99.85%,99.90%,および99.95%であった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コーパス ,  周波数領域 ,  パルス ,  病理 ,  声道 ,  サポートベクトルマシン ,  有声音 ,  分散分析 ,  *声門 ,  機能障害 ,  母音 ,  ニューラルネットワーク ,  アルゴリズム ,  声帯
準シソーラス用語： 逆フィルタリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 声門 ,  フロー ,  記述子 ,  音声 ,  機能障害