CN109360645B - 一种构音障碍发音运动异常分布的统计分类方法 - Google Patents
一种构音障碍发音运动异常分布的统计分类方法 Download PDFInfo
- Publication number
- CN109360645B CN109360645B CN201810868030.2A CN201810868030A CN109360645B CN 109360645 B CN109360645 B CN 109360645B CN 201810868030 A CN201810868030 A CN 201810868030A CN 109360645 B CN109360645 B CN 109360645B
- Authority
- CN
- China
- Prior art keywords
- pronunciation
- tongue
- movement
- distribution
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于信息处理技术领域,具体是一种构音障碍发音运动异常分布的统计分类方法。解决了构音器官发音运动统计的问题,包括以下步骤,S100~绘制舌尖、舌中、舌根在前后、左右、上下三方向发音运动区间的分布图;S200~以25mm为阈值,计算大于该值的发音运动区间所占的比例;S300~通过对数正态分布对发音运动区间分布进行拟合;S400~通过正态分布进行拟合,以正态分布的2.58个标准差为阈值,分别计算构音障碍患者和正常人发音异常数据所占比例。本发明从舌部空间运动的前后、左右、上下三方向入手,通过对发音者三方向上发音运动区间分布进行研究,进而根据发音异常运动区间所占比例来进一步统计构音障碍患者和正常人。
Description
技术领域
本发明属于信息处理技术领域,具体是一种构音障碍发音运动异常分布的统计分类方法。
背景技术
随着信号处理技术的发展,特别是机器学习方法的跨学科应用,使得医学领域的科学问题可以和信号处理的技术交叉。病理语音学是要深入具体分析不同病症对应语音的声学特征和发音特征,不仅从理论上概括总结规律,同时提出不同针对性的策略和措施,以求在实际应用中帮助病患做好康复治疗。目前使用最广泛的病理语音数据库是麻省眼耳医院MEEI病理嗓音数据库和阿姆斯特丹大学的NKI-CCRT数据库,它们均记录了语音音频数据,而不含有与音频数据相对应的发音动作数据。多伦多大学计算机科学与语音语言病理学系联合医院开发的TORGO数据库记录了由三维电磁发音仪(3D Electro-magnetic-articulography,EMA)AG500录制的脑瘫或肌萎缩性脊髓侧索硬化症患者的音频和发音动作数据,且该数据库公开可用。EMA是专门用于采集微小动作数据的设备。它提供了解决语音学研究的运动学问题的科学方式,能够同步手机语音数据和运动轨迹数据,实时观测数据的测量和保存。目前病理语音的研究大多数从音频的声学特征入手,关于发音动作信息的研究也是从运动位移、运动速度、运动加速度等方面,关于统计分布的鲜有研究。
发明内容
本发明为了解决构音器官发音运动统计的问题,提供一种构音障碍发音异常运动区间分布的统计分类方法。
本发明采取以下技术方案:一种构音障碍发音异常运动区间分布统计方法,包括以下步骤。
S100~绘制舌尖、舌中、舌根在前后、左右、上下三方向发音运动区间的分布图。
S101~计算每条发音动作数据的最大值和最小值:
Xmaxj=max(Xj),j=1,...,n (1)
Xminj=min(Xj),j=1,...,n (2)
式(1)、(2)中,(Xmax1,Xmax2,…Xmaxn)T构成向量Xmax,表示每条数据的舌尖左右方向最大值的集合;(Xmin1,Xmin2,…Xmin)T构成向量Xmin,表示每条数据的舌尖左右方向最小值的集合。
S102~发音者每条数据发音时的舌尖前后方向的运动区间I即:
Ij=Xmaxj-Xminj,j=1,...,n (3)。
S103~将发音运动区间分成若干小组,并计算组距,计算公式为:
式中,b为计算所得的组距;g为确定的小组数。
S104~统计发音运动区间落在相应小组内的频数,绘制成发音运动区间分布图。
S200~以25mm为阈值,计算大于该值的发音运动区间所占的比例。
S201~以25毫米为阈值,认为大于25毫米的发音运动区间为发音异常运动区间,计算发音异常运动区间的数量占总数的比例,
式中,r为发音异常运动区间所占的比例;fn为发音异常运动区间的数量,n为发音运动区间的总数量。
S202~统计构音障碍患者和正常人舌部发音异常运动区间所占百分比ra、rc。
S300~通过对数正态分布对发音运动区间分布进行拟合,具体步骤如下。
S301~分别计算舌尖、舌中、舌根发音运动区间对数的均值和方差:
式中Ij为第j条发音数据的舌尖左右方向的发音运动区间,n为发音数据量。
S302~将均值μ和标准差σ带入式(8),计算其概率密度函数f(Ij),绘制概率密度曲线;
式中μ和σ为变量对数的均值和标准差。
S303~根据式(9)、式(10),分别计算舌尖、舌中、舌根发音运动区间的均值和标准差,
式中Ij为第j条发音数据的舌尖左右方向的发音运动区间,n为发音数据量。
统计舌部前后、左右、上下三方向相对应的均值与方差,进行对比分析。
S400~取直方图中频数达到最大时的发音运动区间对数为平均值,以直方图的左半部分为标准,通过计算在左侧-2.58标准差的置信区间,发音数据正常的可信度达到99%,对称到右半部分的+2.58个标准差。最后以+2.58个标准差为阈值,分别计算构音障碍患者和正常人发音异常数据所占比例。
S401~计算平均值μ1,由下式得:
μ1=min(lnIj)+(p+1)*b (11)
式中,p为直方图中频数最大的小组;b为频数直方图的组距。
S402~计算平均值μ1左侧的标准差:
S403~由正态分布的特性可得,数据落在置信区间(μ1-2.58σ1,μ1+2.58σ1)内的可信度达到99%,以平均值为对称轴,将左侧的标准差μ1-2.58*σ1,对称到右侧的μ1+2.58*σ1,计算大于μ1+2.58*σ1的数量占总量n的比例:
统计舌尖、舌中、舌根的左右方向上构音障碍患者和正常人异常发音数据所占比例。
与现有技术相比,本发明解决了传统的构音障碍患者诊断中缺少客观评估辅助的现状,从舌部空间运动的前后、左右、上下三方向入手,通过对发音者三方向上发音运动区间分布进行研究,进而根据发音异常运动区间所占比例来进一步统计构音障碍患者和正常人,为构音障碍的评估提供了客观有效的方法,帮助言语治疗师更深刻地了解患者的构音语音障碍,指导其制定出更科学更有效的康复方案。
附图说明
图1为构音障碍患者与正常人发音时舌尖前后方向的运动区间分布图;
图2为构音障碍患者与正常人发音时舌尖左右方向的运动区间分布图;
图3为构音障碍患者与正常人发音时舌尖上下方向的运动区间分布图;
图4为舌尖前后方向发音运动区间的对数分布拟合图;
图5为舌尖左右方向发音运动区间的对数分布拟合图;
图6为舌尖上下方向发音运动区间的对数分布拟合图;
图7为构音障碍患者舌尖左右方向发音运动区间对数的正态分布拟合图;
图8为正常人舌尖左右方向发音运动区间对数的正态分布拟合图。
具体实施方式
结合以下具体实施例和附图,对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明所针对的数据是由三维电磁发音仪录制的发音动作数据。电磁发音动作数据能够显示每个传感器距离发射器的欧氏距离,然后可以计算出XYZ坐标和两个角度以及测量、存储和显示传感器的位置,其中X表示前后方向,Y表示左右方向,Z表示上下方向。
此处列出舌尖左右方向发音运动区间分布图的绘制步骤,其他计算过程相同。
舌尖左右方向的第j条发音动作信息通过一个i维列向量Xj表示,i维表示录制第j条发音动作数据时根据采样率记录有i个位置节点,i∈N;1≤j≤n。
本发明首先绘制发音运动区间的分布图,具体步骤如下:
S100~绘制舌尖、舌中、舌根在前后、左右、上下三方向发音运动区间的分布图。
S101~计算每条发音动作数据的最大值和最小值:
Xmaxj=max(Xj),j=1,...,n (1)
Xminj=min(Xj),j=1,...,n (2)
式(1)、(2)中,(Xmax1,Xmax2,…Xmaxn)T构成向量Xmax,表示每条数据的舌尖左右方向最大值的集合;(Xmin1,Xmin2,…Xmin)T构成向量Xmin,表示每条数据的舌尖左右方向最小值的集合。
S102~发音者每条数据发音时的舌尖前后方向的运动区间I即:
Ij=Xmaxj-Xminj,j=1,...,n (3)。
S103~将发音运动区间分成若干小组,并计算组距,计算公式为:
式中,b为计算所得的组距;g为确定的小组数。
S104~统计发音运动区间落在相应小组内的频数,绘制成发音运动区间分布图。基于TORGO数据库的同一文本构音障碍患者和正常人的发音运动区间分布图如图1所示。
S200~以25mm为阈值,计算大于该值的发音运动区间所占的比例。
S201~以25毫米为阈值,认为大于25毫米的发音运动区间为发音异常运动区间,计算大于发音异常运动区间的频数占总数的比例,
式中,r为发音异常运动区间占总数的比例;fn为发音异常运动区间的数量;n为发音运动区间的总数量。
S202~统计构音障碍患者和正常人舌部发音异常运动区间所占百分比ra、rc。如表1所示。
表1发音异常运动区间所占百分比
S300~通过分析频数直方图,发现构音障碍患者和正常人的发音运动区间分布较好地服从对数正态分布。通过对数正态分布对发音运动区间分布进行拟合,具体步骤如下。
S301~分别计算舌尖、舌中、舌根发音运动区间对数的均值和方差:
式中Ij为第j条发音数据的舌尖左右方向的发音运动区间,n为发音数据量。
S302~将均值μ和标准差σ带入式(8),计算其概率密度函数f(Ij),绘制概率密度曲线;
式中μ和σ为变量对数的均值和标准差。
以构音障碍患者的舌尖左右方向发音运动区间的分布拟合为例,图3为基于TORGO数据库的构音障碍患者与正常人舌尖发音运动区间的对数正态分布概率密度曲线。
S303~根据式(9)、式(10),分别计算舌尖、舌中、舌根发音运动区间的均值和标准差,
统计舌部前后、左右、上下三方向相对应的均值与方差,进行对比分析。构音障碍患者与正常人舌部发音运动区间均值及方差如表2所示。
表2舌部运动区间的均值及方差
发现相比x、z方向,构音障碍患者和正常人在舌部左右y方向的发音运动异常区间差异明显,本发明选择继续研究y方向的发音运动区间的分布。
S400~在对数分布的基础上,研究舌尖、舌中、舌根在前后、左右、上下三方向发音运动区间对数的分布。
本发明根据对数正态分布的性质:若随机变量ξ服从对数正态分布,则lnξ服从正态分布,绘制发音运动区间取对数后的频数直方图,并通过正态分布进行拟合。如图3所示。
通过图3可以直观地看出构音障碍患者发音运动区间分布图的右侧收敛较慢。根据正态分布的性质可知正态分布密度函数关于均值对称,且在均值处达到最大值。
本发明取直方图中频数达到最大时的发音运动区间对数为平均值,以直方图的左半部分为标准,通过计算在左侧-2.58标准差的置信区间,发音数据正常的可信度达到99%,对称到右半部分的+2.58个标准差。最后以+2.58个标准差为阈值,分别计算构音障碍患者和正常人发音异常数据所占比例。
S401~通过正态分布进行拟合,以正态分布的2.58个标准差为阈值,计算大于该值的发音运动区间所占的比例。
S402~计算平均值μ1,由下式得:
μ1=min(lnIj)+(p+1)*b (11)
式中,p为直方图中频数最大的小组;b为频数直方图的组距。
S403~计算平均值μ1左侧的标准差:
S404~由正态分布的特性可得,数据落在置信区间(μ1-2.58σ1,μ1+2.58σ1)内的可信度达到99%,以平均值为对称轴,将左侧的标准差μ1-2.58*σ1,对称到右侧的μ1+2.58*σ1,计算大于μ1+2.58*σ1的数量占总量n的比例:
统计舌尖、舌中、舌根的左右方向上构音障碍患者和正常人异常发音数据所占比例。r1、rc1如表3所示。
表3
Claims (2)
1.一种构音障碍发音运动异常分布的统计分类方法,其特征在于:包括以下步骤,
S100~绘制舌尖、舌中、舌根在前后、左右、上下三方向发音运动区间的分布图;
S101~计算每条发音动作数据的最大值和最小值:
Xmaxj=max(Xj),j=1,...,n (1)
Xminj=min(Xj),j=1,...,n (2)
式(1)、(2)中,(Xmax1,Xmax2,…Xmaxn)T构成向量Xmax,表示每条数据的舌尖左右方向最大值的集合;(Xmin1,Xmin2,…Xmin)T构成向量Xmin,表示每条数据的舌尖左右方向最小值的集合;
S102~发音者每条数据发音时的舌尖前后方向的运动区间I即:
Ij=Xmaxj-Xminj,j=1,...,n (3);
S103~将发音运动区间分成若干小组,并计算组距,计算公式为:
式中,b为计算所得的组距;g为确定的小组数;
S104~统计发音运动区间落在相应小组内的频数,绘制成发音运动区间分布图;
S200~以25mm为阈值,计算大于该值的发音运动区间所占的比例;
S300~通过对数正态分布对发音运动区间分布进行拟合;
S301~分别计算舌尖、舌中、舌根发音运动区间对数的均值和方差:
式中Ij为第j条发音数据的舌尖左右方向的发音运动区间,n为发音数据量;
S302~将均值μ和标准差σ带入式(8),计算其概率密度函数f(Ij),绘制概率密度曲线;
式中μ和σ为变量对数的均值和标准差;
S303~根据式(9)、式(10),分别计算舌尖、舌中、舌根发音运动区间的均值和标准差,
式中Ij为第j条发音数据的舌尖左右方向的发音运动区间,n为发音数据量;
统计舌部前后、左右、上下三方向相对应的均值与方差,进行对比分析;
S400~通过正态分布进行拟合,以正态分布的2.58个标准差为阈值,分别计算构音障碍患者和正常人发音异常数据所占比例;
S401~计算平均值μ1,由下式得:
μ1=min(lnIj)+(p+1)*b (11)
式中,p为直方图中频数最大的小组;b为频数直方图的组距;
S402~计算平均值μ1左侧的标准差:
S403~由正态分布的特性可得,数据落在置信区间(μ1-2.58σ1,μ1+2.58σ1)内的可信度达到99%,以平均值为对称轴,将左侧的标准差μ1-2.58*σ1,对称到右侧的μ1+2.58*σ1,计算大于μ1+2.58*σ1的数量占总量n的比例:
统计舌尖、舌中、舌根的左右方向上构音障碍患者和正常人异常发音数据所占比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810868030.2A CN109360645B (zh) | 2018-08-01 | 2018-08-01 | 一种构音障碍发音运动异常分布的统计分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810868030.2A CN109360645B (zh) | 2018-08-01 | 2018-08-01 | 一种构音障碍发音运动异常分布的统计分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109360645A CN109360645A (zh) | 2019-02-19 |
CN109360645B true CN109360645B (zh) | 2021-06-11 |
Family
ID=65349790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810868030.2A Active CN109360645B (zh) | 2018-08-01 | 2018-08-01 | 一种构音障碍发音运动异常分布的统计分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360645B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110277147A (zh) * | 2019-04-25 | 2019-09-24 | 胡盛寿 | 一种实现病案诊断智能化编目的***及方法 |
CN110875057B (zh) * | 2019-08-26 | 2022-03-15 | 上海慧敏医疗器械有限公司 | 一种基于icf框架的构音语音功能损伤等级转换器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013182893A3 (en) * | 2012-06-07 | 2014-03-06 | Fueglister Fabian Hermann Urban | Tongue deformation implant |
CN103705218A (zh) * | 2013-12-20 | 2014-04-09 | 中国科学院深圳先进技术研究院 | 构音障碍识别的方法、***和装置 |
CN105719662A (zh) * | 2016-04-25 | 2016-06-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 构音障碍检测方法和*** |
CN105982641A (zh) * | 2015-01-30 | 2016-10-05 | 上海泰亿格康复医疗科技股份有限公司 | 一种言语语言听觉障碍多参数诊疗康复设备及云康复*** |
CN106157212A (zh) * | 2016-07-05 | 2016-11-23 | 太原理工大学 | 一种基于ema的发音障碍中文评估方法 |
CN107452370A (zh) * | 2017-07-18 | 2017-12-08 | 太原理工大学 | 一种中文鼻韵母发音障碍患者的判断装置的使用方法 |
CN107456208A (zh) * | 2016-06-02 | 2017-12-12 | 深圳先进技术研究院 | 多模式交互的言语语言功能障碍评估***与方法 |
CN107578772A (zh) * | 2017-08-17 | 2018-01-12 | 天津快商通信息技术有限责任公司 | 融合声学特征和发音运动特征的发音评估方法和*** |
-
2018
- 2018-08-01 CN CN201810868030.2A patent/CN109360645B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013182893A3 (en) * | 2012-06-07 | 2014-03-06 | Fueglister Fabian Hermann Urban | Tongue deformation implant |
CN103705218A (zh) * | 2013-12-20 | 2014-04-09 | 中国科学院深圳先进技术研究院 | 构音障碍识别的方法、***和装置 |
CN105982641A (zh) * | 2015-01-30 | 2016-10-05 | 上海泰亿格康复医疗科技股份有限公司 | 一种言语语言听觉障碍多参数诊疗康复设备及云康复*** |
CN105719662A (zh) * | 2016-04-25 | 2016-06-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 构音障碍检测方法和*** |
CN107456208A (zh) * | 2016-06-02 | 2017-12-12 | 深圳先进技术研究院 | 多模式交互的言语语言功能障碍评估***与方法 |
CN106157212A (zh) * | 2016-07-05 | 2016-11-23 | 太原理工大学 | 一种基于ema的发音障碍中文评估方法 |
CN107452370A (zh) * | 2017-07-18 | 2017-12-08 | 太原理工大学 | 一种中文鼻韵母发音障碍患者的判断装置的使用方法 |
CN107578772A (zh) * | 2017-08-17 | 2018-01-12 | 天津快商通信息技术有限责任公司 | 融合声学特征和发音运动特征的发音评估方法和*** |
Non-Patent Citations (2)
Title |
---|
Constructing a three-dimension physiological vowel space of the Mandarin language using electromagnetic articulography;Jian Sun;《2013 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference》;20140106;全文 * |
基于隐马尔科夫模型的中文发音动作参数预测方法;蔡明琦;《数据采集与处理》;20140331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109360645A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11786171B2 (en) | Method and system for articulation evaluation by fusing acoustic features and articulatory movement features | |
Bi et al. | AutoDietary: A wearable acoustic sensor system for food intake recognition in daily life | |
US10475530B2 (en) | System and method for activation and deactivation of cued health assessment | |
Wang et al. | Articulatory distinctiveness of vowels and consonants: A data-driven approach | |
WO2020119355A1 (zh) | 自闭症谱系障碍患者的多模态情感认知能力的评估方法 | |
CN109360645B (zh) | 一种构音障碍发音运动异常分布的统计分类方法 | |
CN1762299A (zh) | 处理生物信息的方法和装置 | |
JP2006071936A (ja) | 対話エージェント | |
CN107402635B (zh) | 结合脑电波与虚拟现实的心理健康调节方法及*** | |
Qian et al. | Computer audition for fighting the SARS-CoV-2 corona crisis—Introducing the multitask speech corpus for COVID-19 | |
JP2015118185A5 (zh) | ||
CN109745011A (zh) | 用户睡眠呼吸风险监控方法、终端及计算机可读介质 | |
CN110464367A (zh) | 基于多通道协同的心理异常检测方法和*** | |
Romero et al. | Deep learning features for robust detection of acoustic events in sleep-disordered breathing | |
Ribeiro et al. | Speaker-independent classification of phonetic segments from raw ultrasound in child speech | |
CN112085392A (zh) | 一种学习参与度确定方法、装置及计算机设备 | |
Kamaruddin et al. | Human behavior state profile mapping based on recalibrated speech affective space model | |
CN107452370A (zh) | 一种中文鼻韵母发音障碍患者的判断装置的使用方法 | |
Luo et al. | Design of embedded real-time system for snoring and OSA detection based on machine learning | |
Ozdemir et al. | A time-series approach to predict obstructive sleep apnea (OSA) Episodes | |
CN117275525A (zh) | 一种咳嗽音的检测提取方法 | |
Hu et al. | Auditory receptive field net based automatic snore detection for wearable devices | |
Faustino | Crackle and wheeze detection in lung sound signals using convolutional neural networks | |
JP4110247B2 (ja) | 生体信号を利用した人工発声装置 | |
US20230095350A1 (en) | Focus group apparatus and system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |