构音障碍语音识别算法研究综述

构音障碍作为一种医学难症,目前主流的语音识别技术并不能很好地适应这一领域的需求。同时针对构音障碍的语音识别技术利用预训练及个性化训练相结合的方式,通过数据驱动进一步提升了算法性能,识别字错误率进一步降低,但是目前针对构音障碍的语音识别技术离实际商用还存在一定的距离,该技术的发展受数据规模和技术的限制。到目前为止,尚未出现针对构音障碍语音识别方面的综述文章,亟需将该领域中各种数据集的构建方法和先进技术进行对比分析,以方便进入该领域的研究人员快速获取这方面的知识。对现有数据集、主流算法、评估方式进行了调研,总结了国内外主流构音障碍数据集的规模、形式和特点。分析了构音障碍语音识别的主流算法,并给出了不同算法的性能和特点。最后,研究了基于构音障碍患者的严重等级的算法模型性能评价指标,并讨论了未来的研究方向,以期能够为从事构音障碍语音识别的研究人员提供帮助,助力该领域的快速发展。

脑卒中后构音障碍患者构音器官运动功能与言语清晰度的相关性

目的 探讨脑卒中后构音障碍患者构音器官运动功能与言语清晰度(SI)之间的关系。方法 选择2020年11月至2023年10月北京博爱医院收治的住院脑卒中后构音障碍患者67例,采用SI测试和Frenchay构音障碍评价(FDA)进行评定,SI≤65%为低SI组,SI> 65%为高SI组。结果 除颌位置外,高SI组FDA各项评分均低于低SI组(Z> 1.543, P <0.05)。FDA各项评分均与SI呈负相关(r <-0.343, P <0.001),其中与唇运动、舌运动和喉控制3项评分的相关性最大(r <-0.6)。结论 脑卒中后构音障碍患者构音器官运动功能与SI相关,特别是唇、舌、喉的功能。

综合呼吸训练对老年帕金森病病人运动减少型构音障碍的影响

目的观察综合呼吸训练改善老年帕金森病病人运动减少型构音障碍的效果。方法将严格按照纳入、排除标准筛选的48例老年帕金森病病人随机分为对照组和治疗组,每组各24例。对照组实施基础构音训练,治疗组在对照组的基础上联合综合呼吸训练,2组均治疗4周,观察2组病人治疗前后Frenchay构音障碍评定量表(FDA)评分、最长发音时间(MPT)、不同音节轮替运动速率(DR)和最大吸气压力(MIP)的改变。结果治疗前,2组病人的FDA评分、MPT、不同音节DR和MIP差异均无统计学意义(P>0.05)。治疗后,2组病人的FDA评分、MPT和不同音节DR均较治疗前显著提高(P<0.01),且治疗组FDA评分、MPT、不同音节DR和MIP水平较对照组改善更明显,差异有统计学意义(P<0.05或P<0.01)。结论综合呼吸训练可以促进呼吸与发声的协调性,改善老年帕金森病病人运动减少型构音障碍。

计算机辅助训练对脑卒中后构音障碍患者的效果

目的比较常规言语训练与计算机辅助训练方式对脑卒中后构音障碍患者的康复疗效。方法选取2021年3月至2023年4月北京博爱医院脑卒中后构音障碍患者72例,随机分为对照组(n=36)和试验组(n=36)。两组均接受常规康复治疗,对照组接受常规言语训练,试验组进行计算机辅助言语训练,共4周。干预前后采用改良Frenchay构音障碍评定法(m-FDA)和语音清晰度(SI)测试进行评定。结果对照组脱落8例,试验组脱落1例。治疗后,两组m-FDA和SI评分均较治疗前显著改善(|Z|>4.183,P<0.001),两组m-FDA和SI评分改善程度无显著性差异(|Z|<1.598,P>0.05)。试验组m-FDA评分不劣于对照组(|t|>3.656,P<0.001)。结论计算机辅助训练可以改善脑卒中后构音障碍患者的言语功能,疗效与常规言语训练相似。

学龄前功能性构音障碍患者侧化构音的语音训练方法及训练效果

目的探究语音训练对学龄前功能性构音障碍(functional articulation disorders,FAD)侧化构音的语音训练效果。方法选取2022年6月至2022年12月45例FAD患者为对照组,2023年1月至2023年3月45例FAD患者为观察组。对观察组患者实施基本功能训练、舌体发力点训练、引导正确送气训练、视觉反馈训练、家属同步训练、家庭延续训练等语音训练措施,训练10~50课时;对照组患者未接受语音训练,实施常规指导,分别在观察组语音训练结束时和对照组复诊时进行语音评估,比较两组间侧化构音字数。结果组内比较,针对性语音训练后,观察组侧化构音字数由训练前的95.16±7.82个减少至训练后的17.60±3.45个,差异有统计学意义(t=70.871,P<0.01);复诊时对照组侧化构音字数由就诊时的94.29±8.50个减少至82.96±8.43个,差异有统计学意义(t=9.849,P<0.01)。组间比较,语音训练前两组患者侧化构音字数比较无统计学差异(t=0.504,P=0.616),观察组训练后侧化构音字数明显少于对照组复诊时,差异有统计学意义(t=48.131,P<0.01)。结论学龄前FAD患者侧化构音有一定自愈倾向,基于侧化构音的发生机制,对学龄前FAD患者进行针对性的语音训练是纠正FAD侧化构音的有效措施。

114例功能性构音障碍儿童舌根音异常的自愈情况分析

目的研究4~12岁不同年龄未经构音训练的舌根音异常患儿的自愈情况,以期为患者制定合适的康复方案。方法回顾性分析昆明市儿童医院2019~2020年114例功能性构音障碍(FAD)且含有舌根音异常的儿童,拒绝行康复训练仅长期门诊回访,1年后对患儿舌根音再次评估,分析患儿舌根音自愈情况与年龄和错误形式之间的关系。结果114例舌根音异常儿童首次就诊时共错误287频次,其中有35例(30.70%)自愈。按年龄分:各年龄组自愈率由高到低依次为4~5岁组19例(45.24%)、5~6岁组13例(27.08%)、6~7岁组2例(14.29%)、7~12岁组1例(10.00%),各年龄组自愈率差异有统计学意义(χ^(2)=8.254,P=0.041)。按辅音错误形式,辅音脱落自愈率最高(41.46%),辅音替代次之(40.76%),辅音歪曲最低(16.67%),三种错误形式自愈率差异有统计学意义(χ^(2)=10.003,P=0.007)。按照不同舌根音分:/h/音自愈率最高(31/60.78%),/k/音次之(40,32.26%),/g/音最低(35,31.25%),三个舌根音自愈率差异有统计学意义(χ^(2)=15.172,P<0.001)。男性患儿与女性患儿自愈率差异无统计学意义(χ^(2)=1.311,P=0.252)。结论FAD患儿舌根音自愈率与年龄、错误形式及错误的舌根音有关,与性别无关。

俞募配穴结合六字诀训练治疗脑卒中后构音障碍的临床观察

目的:拟采用俞募配穴结合六字诀训练治疗脑卒中后构音障碍,观察其疗效。方法:将脑卒中伴有构音障碍患者60例,将患者随机分为六字诀组、俞募配穴组、结合组,每组各20例,六字诀组患者接受常规治疗与六字诀训练,俞募配穴组患者接受常规治疗与揿针针刺心俞、巨阙穴治疗,结合组患者接受常规治疗、六字诀训练与揿针针刺心俞、巨阙穴,训练前及训练2周后,测定言语清晰指标、改良版Frenchay构音障碍评定法、发声功能评测。结果:训练2周后,3组言语清晰指标、改良版Frenchay构音障碍评定法、发声功能评测评分均高于治疗前(P<0.05),结合组言语清晰指标、改良版Frenchay构音障碍评定法、发声功能评测数据高于六字诀组与俞募配穴组(P<0.05),六字诀组与俞募配穴组各项评分比较差异无统计学意义。结论:俞募配穴结合六字诀训练可以改善脑卒中患者构音障碍。

构音障碍说话人自适应研究进展及展望

自动化语音识别工具让构音障碍者和正常人的沟通变得顺畅,因此,近年来构音障碍语音识别成为了一项热门研究。构音障碍语音识别的研究包括:收集构音障碍者和正常人的发音数据,对构音障碍者和正常人的语音进行声学特征表示,利用机器学习模型比较和识别发音的内容并定位出差异性,以帮助构音障碍者改善发音。然而,由于收集构音障碍者的大量语音数据非常困难,且构音障碍者存在发音的强变异性,导致通用语音识别模型的效果往往不佳。为了解决这一问题,许多研究提出将说话人自适应方法引入构音障碍语音识别。对大量相关文献进行调研发现,当前此类研究主要围绕特征域和模型域对构音障碍语音进行分析。文中重点分析特征变换和辅助特征如何解决语音特征的差异性表示,以及声学模型的线性变换、微调声学模型参数和基于数据选择的域自适应方法如何提高模型识别的准确率。最后总结出构音障碍说话人自适应研究当前遇到的问题,并指出未来的研究可以从语音变异性的分析、多特征多模态数据的融合以及基于小数量的自适应方法的角度,提升构音障碍语音识别模型的有效性。

基于VMD的双通道构音障碍语音特征图谱提取算法

针对在提取构音障碍患者语音有效特征信息不足,导致语音识别率低的问题,提出一种基于变分模态分解(VMD)的多尺度双通道滤波器组(MBCFbank)特征图谱提取算法.首先,为了更好地提取符合人耳听觉结构特性的声学特征,提出一种双通道滤波器组(BCFbank)特征提取算法,该算法采用Mel滤波后做对数变换,同时采用Gammatone滤波后作非线性响度变换;其次,采用VMD来优化BCFbank特征,对分解后的多个语音信号分量筛选出相关系数较高的3个,分别提取其BCFbank特征及其差分特征,同时对未分解的语音信号提取BCFbank特征,从而构成MBCFbank特征图谱;最后,在双路语音识别模型上进行训练和识别.实验结果表明,基于BCFbank特征、MBCFbank特征图谱的语音识别模型准确率最高分别达到了87.82%,94.34%,优于Fbank特征的识别效果.

帕金森病构音障碍

构音障碍是帕金森病的常见运动症状,发病率较高,临床表现多样。帕金森病患者常忽视自身构音障碍,直至进展为失代偿阶段,仅少数患者接受相应治疗。本文综述帕金森病构音障碍发病机制、评估及治疗方法,以为帕金森病构音障碍的早期诊断和及时治疗提供理论依据。

基于AHP-CRITIC的功能性构音障碍儿童辅助玩具设计研究

目的为提升儿童功能性构音障碍(FAD)治疗效果,满足用户内在需求,对构音障碍儿童康复辅助玩具创新开发进行探讨,结合层次分析法(AHP)与客观赋权法(CRITIC)得出组合权重数据指导产品设计研究。方法首先通过田野调查法、观察法和调查问卷等方法筛选总结出用户对此类医疗辅助玩具的需求点,提出用户评价指标,运用层次分析法计算出各影响因子所占主观权重,再利用客观赋权法计算客观权重,进一步用模型公式将主客观权重进行创新组合,计算出各指标的组合权重。结果以计算出的组合权重为依据,针对结构材料安全性、情感安全关怀、交互功能这三个影响最大的需求点对构音障碍儿童辅助治疗玩具进行产品创新设计。结论建立一套基于AHP-CRITIC方法的主客观分析相结合的创新产品设计方法,运用在医疗辅助产品设计实践中。

4~6岁功能性构音障碍儿童的影响因素调查

目的:调查4~6岁功能性构音障碍(FAD)儿童发病的影响因素。方法:本研究选用4~6岁功能性构音障碍儿童及正常组儿童各51例,对两组儿童的基本情况进行问卷调查,内容包括儿童性别、年龄、居住地语言、主要抚养人语言、家庭方言种类、患儿饮食习惯等,同时进行过敏指数问卷的填写,行logistic分析影响因素的相关性,对构音清晰度与过敏指数行斯皮尔曼检验,以分析其相关性,以便对构音障碍的预防提供参考意义。结果:本研究共发放问卷102份,收回102份,有效率100%,其中功能性构音障碍儿童及正常儿童各占51份。两组间过敏指数差异有统计学意义(P 0.05)。经过logistics回归分析得出过敏是功能性构音障碍的影响因素(OR < 1, P < 0.05),经过斯皮尔曼分析得出过敏与构音清晰度负性相关(r = −0.41, P < 0.05)。结论:过敏是功能性构音障碍发病的影响因素,且过敏程度与功能性构音障碍儿童发音清晰度负性相关。

三维可视化言语康复训练在脑卒中后构音障碍患者中的应用效果分析

目的探讨三维可视化言语康复训练在脑卒中后构音障碍患者中的应用效果。方法选取2022年7月至2023年10月首都医科大学附属北京天坛医院收治的80例脑卒中后构音障碍患者为研究对象,在组间基线特征可比的原则上,采用随机数字表法分为对照组(41例)和观察组(39例)。对照组患者给予常规康复训练,观察组患者给予常规康复训练联合三维可视化言语康复训练,两组患者均连续治疗2周。比较分析两组患者治疗前后的构音障碍严重程度[Frenchay构音障碍评估量表(FDA)评分]、语音清晰度以及声学参数[共振峰F1、共振峰F2、音高、音强、元音空间面积(VSA)、元音清晰度指数(VAI)、共振峰集中率(FCR)、下颌距]。结果治疗前,两组患者的FDA评分、语音清晰度、共振峰F1、共振峰F2、音高、音强、VSA、VAI、FCR、下颌距比较差异均无统计学意义(P>0.05);治疗2周后,两组患者的FDA评分、语音清晰度、共振峰F2、音高、音强、VAI与治疗前比较均显著升高,且观察组优于对照组,差异均有统计学意义(P<0.05);两组患者的FCR与治疗前比较均降低,且观察组低于对照组,差异均有统计学意义(P<0.05)。结论三维可视化言语康复训练可显著减轻患者的构音障碍严重程度,提高语音清晰度,改善声学参数,从而促进患者的康复。

儿童构音障碍干预方法及效果研究

构音障碍是指构音器官运动异常或未理解目标音位的发音特征等原因造成的声韵调异常。国内以构音障碍命名大部分和言语发音有关的问题。多数听力、语言及精神残疾儿童都会存在构音障碍,导致其言语可懂度降低,进而影响沟通交流,降低儿童的生活质量。构音障碍干预可提高儿童言语清晰度和流畅度,增强其语言沟通能力,对于其接受教育,融入社会有很大帮助。因此,构音障碍干预十分重要。本文总结了国内外常用的构音障碍干预方法,包括传统治疗方法、音系疗法、运动动觉训练法、核心词汇法及辅助与替代沟通系统,分析各方法适用的目标儿童、效果及日常干预注意事项,以期为儿童构音障碍干预提供思路。

基于祛风化痰针刺法探讨卒中后遗症期构音障碍治疗思路

目前临床治疗卒中后构音障碍,多以针灸结合言语康复为主。依据中医学理论,此病病机总属风痰扰窍,故治疗以祛风化痰、通络利咽为原则。吴清明确立“祛风化痰”针刺法,选取风池、完骨、廉泉及丰隆为主穴,配合针法刺激,以改善病灶部位的微循环障碍,促进受损构音组织的功能恢复,临床治疗脑卒中急性期构音障碍取得较好疗效,但对肌肉组织僵硬挛缩、纤维化的后遗症期患者的治疗作用欠佳,而针刀疗法治疗痉挛硬化的软组织病变具有肯定优势。基于临床治疗现状,结合此病的病因病机,笔者提出运用“祛风化痰”针刺法以“调神”,并结合解剖学,选取构音肌群起止点以“调形”,形与神共调,以期为临床治疗卒中后构音障碍带来一种新的思路与策略。

家长构音矫正指导联合听觉识别功能训练对功能性构音障碍患儿听觉识别功能的影响

目的 探讨家长构音矫正指导联合听觉识别功能训练对功能性构音障碍患儿的影响。方法 选取2019年1月~2023年1月福建省福州儿童医院收治的功能性构音障碍患儿80例,采用数字奇偶法分为对照组(40例)和观察组(40例)。对照组接受常规指导和听觉识别功能训练,观察组接受家长构音矫正指导和听觉识别功能训练,连续治疗12周观察效果。对比两组患儿治疗前后口部运动功能情况、构音清晰度状况、言语识别阈和言语识别率。评估及对比两组患儿临床疗效。结果 治疗后观察组舌、唇、下颌及整体运动功能评分均高于对照组(P<0.05),构音清晰度大于对照组(P<0.05),言语识别阈低于对照组(P<0.05),言语识别率高于对照组(P<0.05)。观察组总有效率高于对照组(P<0.05)。结论 在常规指导的基础上,采用家长构音矫正指导联合听觉识别功能训练治疗功能性构音障碍患儿,可改善患儿口部运动功能,提升构音清晰度,改善言语识别阈和言语识别率,提高临床疗效,提升患者生活质量。

头针结合言语训练治疗脑卒中后运动性构音障碍临床观察

目的:观察头针结合言语训练治疗脑卒中后运动性构音障碍的临床疗效。方法:将2022年1月至2023年6月诊治的60例脑卒中后运动性构音障碍患者按照随机数字表法分为对照组和观察组,每组各30例。对照组给予言语训练,观察组给予头针结合言语训练。观察两组患者治疗前后言语清晰度、Frenchay构音障碍评估量表(French articulation disorder assessment scale,FDA)评分、嗓音障碍指数(voice handicap index,VHI)、最大数数能力(maximum counting ability,MCA)和最长声时(maximum phonation time,MPT)测定、美国国立卫生研究院卒中量表(national institute of health stroke scale,NIHSS)和改良Barthel指数(modified barthel index,MBI)变化情况。结果:观察组治疗后言语清晰度、MBI评分高于对照组,FDA评分、VHI评分、NIHSS评分低于对照组,MCA和MPT长于对照组,差异有统计学意义(P<0.05)。结论:头针结合言语训练可改善脑卒中后运动性构音障碍患者构音障碍、嗓音障碍,提高言语清晰度。

脑卒中病人构音障碍的风险预测模型构建与验证

目的:探究脑卒中病人构音障碍的危险因素,构建风险预测模型并验证其效能。方法:采用便利抽样法,于2022年7月—11月选取河北省4所三级医院的脑卒中病人作为研究对象,病例组173例,对照组316例,采用一般资料调查表、口腔特征调查表、汉化版简明口腔健康检查表、美国国立卫生研究院脑卒中量表、中文版蒙特利尔认知评估量表对病人进行调查,并采用Lovett肌力分级、洼田饮水试验对病人进行评估。结果:年龄≥60岁、有脑干卒中、有脑卒中病史、舌体运动不利、中重度神经功能障碍、口腔健康状况较差、有认知及吞咽功能障碍是脑卒中病人发生构音障碍的危险因素(P<0.05),基于危险因素构建的预测模型受试者工作特征曲线下面积为0.837[95%CI(0.798,0.876)],灵敏度为0.905,特异度为0.642,Bootstrap内部验证法Brier得分为0.148,经H-L检验P=0.177,决策曲线显示高风险概率为0.08~0.10,列线图C-index为0.837,P=0.743。结论:医护人员应重点关注脑卒中病人的年龄、脑卒中病史、脑卒中部位、神经功能障碍程度、舌与口腔健康情况、认知及吞咽功能,可采用本研究构建的预测模型对病人进行评估,及早制定针对性措施。

不同频率重复经颅磁刺激对帕金森病患者构音障碍的疗效

目的:观察不同频率重复经颅磁刺激(rTMS)联合构音训练对帕金森病(PD)患者构音障碍的疗效。方法:将64例PD构音障碍患者随机分为常规组、高频组、低频组、假刺激组,每组16例。常规组接受常规治疗,包括药物治疗和常规构音训练;高频组、低频组、假刺激组在常规组治疗的基础上,采用不同频率rTMS联合构音训练,高频组采用5Hz rTMS刺激双侧口面部初级感觉运动区(OF-SM1),低频组采用1Hz rTMS刺激双侧OF-SM1,假刺激组采用无磁场输出rTMS刺激双侧OF-SM1,治疗30d。分别于治疗前后、随访时,采用Frenchay构音障碍评分量表、声嘶听感知评定量表(GRBAS)、嗓音障碍指数(VHI)问卷、交流有效性指数(CETI)量表、幅度标准差、连续语音能力言语速率、言语基频标准差(F0SD)、最长声时(MPT)、最大数数能力(MCA)、接触率微扰(CQP)、声门噪音(NNE)、/i/的第2共振峰(F2/i/)、平均强度评估,比较4组患者在构音器官运动功能、嗓音嘶哑程度和自我主观感受、语言交流能力、言语节律、语速、语调、呼吸支持、呼吸与发声协调性、声门闭合的规律性、气息声、口腔共鸣、音量的疗效差异。结果:与治疗前比较,4组患者治疗后Frenchay评分、幅度标准差、F0SD、连续语音能力言语速率MPT、MCA、平均强度、F2/i/、CETI评分均明显提高(P<0.05),CQP、NNE、GRBAS、VHI评分均明显降低(P<0.05)。与治疗前比较,4组患者随访时幅度标准差、F0SD、连续语音能力言语速率、MPT、MCA、平均强度、F2/i/、CETI评分均明显提高(P<0.05),NNE、GRBAS评分、VHI评分均明显降低(P<0.05),高频组随访时的CQP明显降低(P<0.05),高频组、低频组随访时的Frenchay评分均明显提高(P<0.05)。高频组治疗后和随访时的Frenchay评分、幅度标准差、F0SD、连续语音能力言语速率、MPT、MCA、平均强度、F2/i/、CETI评分均显著高于其他组(P<0.05),CQP、NNE、GRBAS、VHI评分均显著低于其他组(P<0.05)。结论:高频rTMS联合常规构音训练能提高PD患者的构音运动、呼吸支持、呼吸与发声的协调性、声门闭合的规律性、音量、口腔共鸣、日常语言交流能力;减轻气息声、嗓音嘶哑和自我主观感受;改善语调单一、响度单一、发音拖延及停顿,其疗效优于常规构音训练和低频rTMS,且具有一定的远期疗效,值得临床推广。

肌内效贴结合重复经颅磁刺激对脑卒中后构音障碍的疗效研究

目的:探讨肌内效贴结合高频重复经颅磁刺激对脑卒中后构音障碍的干预效果。方法:选取75例脑卒中后构音障碍的患者,随机分为对照组、肌内效贴组、联合治疗组3组,每组25例。对照组患者给予常规训练,包括呼吸训练、唇舌操训练、发声发音训练,每天30min,每周5d,共4周。肌内效贴组在对照组的基础上给予肌内效贴治疗,联合治疗组在对照组的基础上给予肌内效贴联合经颅磁刺激治疗。在治疗前、治疗4周后分别对3组患者进行言语响度、言语清晰度、最长发声时(MPT)检测及Frenchay构音障碍评定,比较3组在言语响度、清晰度、呼吸控制能力及构音器官的运动功能方面的差异。结果:治疗前,3组患者的言语响度、言语清晰度、MPT值及Frenchay构音障碍评分比较差异无统计学意义;治疗4周后,3组言语响度、言语清晰度、MPT值、Frenchay构音障碍评分均高于治疗前(均P<0.05)。联合治疗组言语响度、言语清晰度、MPT值、Frenchay构音障碍评分高于对照组和肌内效贴组(均P<0.05)。结论:肌内效贴与经颅磁刺激联合治疗可以改善脑卒中后构音障碍患者的言语响度、清晰度、呼吸控制能力及构音器官的运动功能。