病理語(yǔ)音的特征及其提取與優(yōu)化課件

1、1病理語(yǔ)音的特征及其提取與優(yōu)化2匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法3結(jié)論53匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法3結(jié)論54引言通過(guò)病理語(yǔ)音來(lái)診斷發(fā)音器官的病變，不僅是醫(yī)學(xué)工作者積極探索的診治方法，也是語(yǔ)音研究工作者的努力方向。但由于發(fā)聲系統(tǒng)的復(fù)雜性，基于聲學(xué)參數(shù)的病理語(yǔ)音檢測(cè)仍然沒(méi)有取得良好的效果，現(xiàn)在仍然不能僅憑一個(gè)或幾個(gè)特征參數(shù)經(jīng)過(guò)識(shí)別給出診斷結(jié)果。5匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法

2、3結(jié)論52.1 基礎(chǔ)聲學(xué)特征集BAFS提取基頻聲音質(zhì)量特征當(dāng)發(fā)聲器官發(fā)生病變時(shí)，將會(huì)引起語(yǔ)音的聲學(xué)性質(zhì)變化，空氣動(dòng)力學(xué)特性異常，影響聲音質(zhì)量頻譜相關(guān)特征聲道形狀變化及發(fā)聲運(yùn)動(dòng)之間相關(guān)性的2.1 基礎(chǔ)聲學(xué)特征集BAFS提取分類(lèi)特征維數(shù)韻律特征基頻15聲音質(zhì)量特征基頻微擾15振幅微擾15諧噪比15基于頻譜的相關(guān)特征頻帶能量260譜質(zhì)心10頻譜熵10譜通量10譜偏態(tài)10譜峰態(tài)10頻譜斜率10頻譜衰減點(diǎn)402.2 MSCC特征提取離散S變換一幀語(yǔ)音信號(hào)S變換能量譜帶通濾波DCTMSCC2.3 基于非線性的病理語(yǔ)音特征提取本文提取病理語(yǔ)音的非線性特征，作為基于線性分析的聲學(xué)特征的補(bǔ)充。本文提取的是最大李

3、雅普諾夫指數(shù)、近似熵、Lempel-Ziv復(fù)雜度三種非線性特征。為了更好的反映病理語(yǔ)音的非線性特性，需要足夠長(zhǎng)的數(shù)據(jù)，故本文采用幀長(zhǎng)為50ms，幀移為幀長(zhǎng)的一半，提取三種特征，并得到其統(tǒng)計(jì)值（平均值、方差、偏態(tài)和峰態(tài)），共得到12維特征。10匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法3結(jié)論53.1 基于雷達(dá)圖的特征融合雷達(dá)圖雷達(dá)圖的三角形重心雷達(dá)圖的相鄰m 變量重心3.2 F-Score 特征排序3.3 特征優(yōu)化過(guò)程14匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法3結(jié)論54

4、.1 語(yǔ)料NCSC語(yǔ)料：INTERSPEECH 2012 speaker trait，荷蘭頭頸腫瘤手術(shù)癌癥研究所NCSC訓(xùn)練集開(kāi)發(fā)集清晰384341不清晰5174054.2 評(píng)價(jià)指標(biāo)NCSC預(yù)測(cè)正樣本預(yù)測(cè)負(fù)樣本實(shí)際正樣本True Positive (TP)False Negative(FN)實(shí)際負(fù)樣本False Positive(FP)True Negative(TN)4.3 實(shí)驗(yàn)NCSC上的實(shí)驗(yàn)結(jié)果表特征sensitivityspecificityUAAccuracyNLNF（12維）55.3%61.0%58.1%57.9%MSCC（84維）67.1%62.1%64.6%63.6%BAFS（430維）63.7%57.7%60.7%60.9%NCSC上NF和VIS-Features的實(shí)驗(yàn)結(jié)果表特征sensitivityspecificityUAAccuracyNLNF+MSCC+BAFS(526維)82.7%65.1%73.9%74.6%VIS-Features（96維）84.4%65.6%75.1%75.9%18匯報(bào)內(nèi)容病理語(yǔ)音特征效果分析研究4引言1病理語(yǔ)音特征極其提取方法2基于分層遞階可視化的特征選擇與融合方法3結(jié)論5195 結(jié)論本文從特征提取入手，針對(duì)病理語(yǔ)音信號(hào)的突變特征，從三個(gè)方面構(gòu)建了一個(gè)新的特征集，并提出可視化的降維技術(shù)。在NCSC