关于腭裂语音障碍和功能性语音障碍儿童社会能力的横断面研究

目的了解腭裂语音障碍和功能性语音障碍的学龄期儿童社会能力水平。方法选取2023年在儿童语言障碍诊疗特色专科就诊的34名学龄期腭裂术后语音障碍儿童和37名学龄期功能性语音障碍儿童,同时随机选取本地某小学32名年龄、性别与之相匹配的正常儿童作为正常组。采用Achenbach儿童行为量表评估三组儿童的社会能力并进行横断面研究。结果腭裂语音障碍和功能性语音障碍儿童的活动能力、社交能力及学校情况得分均较低,不同性别群体中具体表现不同,但两组组间得分无显著差异。而功能性语音障碍儿童的活动能力、社交能力得分显著低于正常组得分(P<0.05)。结论学龄期腭裂语音障碍和功能性语音障碍儿童社会功能出现困难的风险较高,具体表现在活动能力、社交能力和学校情况上,而语音障碍可能是造成这种困难的重要影响因素之一,且腭裂并不会对儿童的社会能力水平造成额外的影响。

腭裂语音高鼻音等级自动识别算法研究

为了对腭裂语音的高鼻音进行等级区分,提出基于声学特征参数分析的腭裂语音高鼻音等级自动识别算法,提取基于香农能量和Mel倒谱系数(Mel frequency cepstrum coefficient,MFCC)的S-MFCC作为声学特征参数,结合高斯混合模型(Gaussian mixture model,GMM)分类器实现对腭裂语音4类高鼻音等级(正常、轻度、中度和重度)的自动识别。实验结果表明,提出的自动识别算法取得了较高的高鼻音类别正确识别率,对4类高鼻音的平均识别率达到79%以上,其中,提出的S-MFCC参数取得了85%的平均正确识别率,优于传统的香农能量算法、MFCC算法,具有较高的临床应用价值。

基于声道特性的腭裂语音高鼻音等级自动识别

腭裂语音高鼻音等级的自动识别对于腭咽功能的评估具有重要临床价值。对腭裂语音高鼻音等级自动识别算法进行了研究,提出基于声道特性的腭裂语音高鼻音等级自动识别算法。利用高低阶线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)与倒谱系数结合成为LPCC-Cep特征组作为声学特征参数,采用稀疏表示分类器(Sparse Representation based Classification,SRC)实现腭裂语音四类高鼻音等级(正常、轻度、中度和重度)的自动识别。实验结果表明,提出的自动识别算法取得了较高的高鼻音类别正确识别率。其中,LPCC-Cep特征组参数对高鼻音等级的正确识别率为83.38%。

腭裂语音中不送气辅音的声学特征

目的 :初步掌握健康儿童和腭裂术前患者汉语普通话语音中不送气辅音的声学特征。方法 :应用VS- 970 0语音工作站 (1.0版 )分别对 2 2名正常儿童和 19名腭裂患者的汉语普通话中的擦音 ([f]、 [s]、 [s]、[c]、 [x])和不送气塞擦音 ([ts]、 [ts]、 [tc])进行声学分析 ,观察不送气辅音的语图模式特征 ,分析各自的特点。结果 :腭裂患者的不送气塞擦音语图模式上无塞音特征 ,只有擦音特征 ,其强频区位置下移。腭裂患者和正常儿童的擦音语图模式区别不明显 ,仅表现为强频区位置的下移。结论 :腭裂患者的不送气塞擦音语图模式上只有擦音特征 ,擦音语图模式除能量下降外 ,和正常儿童比较无明显变化。

非腭咽闭合不全型腭裂语音的音声特点

目的 研究非腭咽闭合不全型腭裂语音的音声特点。方法 采集68例非腭咽闭合不全型腭裂语音、30例腭咽闭合不全型腭裂语音和30例正常语音样本,测量其共振峰频率、带宽、音高、音强等声学特性值以及其语音清晰度。并进行对比分析。结果 非腭咽闭合不全型腭裂语音的8项声学特性值和正常组均有显著差异(P<0.01),其语音清晰度为75.48％,明显高于腭咽闭合不全型腭裂语音(35.00％)。结论 非腭咽闭合不全型腭裂语音和正常语音有着不同的声学本质,其语音清晰度较腭咽闭合不全型腭裂语音为高。

腭裂语音的研究进展

本文从腭裂语音的产生机制、腭裂患者的语音特点、腭裂语音的分类及影响因素四个方面对当前我国的腭裂语音研究现状进行了分析,并指出当前我国腭裂治疗中的主要任务是在全国范围内推广和开展语音治疗,这对于我国唇腭裂治疗水平的提升具有十分重要的意义。

基于MFCC和HMM的腭裂语音辅音省略识别算法

为了弥补国内外在腭裂语音辅音发音错误识别方面的漏缺,以及为临床腭裂语音类型的诊断提供一种非主观的辅助措施,提出了一种基于语音识别系统的腭裂语音辅音省略识别算法。对腭裂语音辅音发音错误特点进行了语谱图上的能量研究,建立了改进参数的基于美尔频率倒谱系数和隐马尔科夫模型的腭裂语音识别系统。实验结果表明,该语音辅音省略识别算法取得了较高的正确率,实现了对腭裂语音清晰度的自动量化评估,可以用于临床辅助诊断。

汉语普通话腭裂语音数据库的搭建与应用

目的收集腭裂患者语音样本,统一进行归类标注、分级、整理后建立汉语普通话腭裂语音数据库,对于高鼻音乃至腭裂语音的诊断、临床教学、腭裂专业语音师的规范培训以及腭裂语音相关的科研工作建立基础。方法收集2016年5月—2018年3月四川大学华西口腔医院语音治疗中心的患者与志愿者共768人,按照汉语普通话标准评估材料,收集语音样本,对所有的语音样本进行切分和按照高鼻音等级分类,整理后放入四川大学华西口腔医院唇腭裂生物信息数据库平台。结果数据库纳入被采集者共768人,其中儿童456人(男227,女229),成人312人(其中男178,女134),正常共鸣369人,轻度高鼻音155人,中度高鼻音102人,重度高鼻音142人。包括64512个词语、24576个音素、7680个数字,完成汉语普通话语音高鼻音数据库的搭建。结论本研究首次建立了针对汉语普通话腭裂高鼻音数据库,已经为多项语音信号研究提供了源数据,并投入临床教学,未来对于汉语普通话腭裂患者的诊断教学以及相关科研活动有着重要的帮助和指导作用。

结合PECGTFs和SSMC的腭裂语音咽擦音自动检测算法

咽擦音是腭裂语音中一种常见的代偿性构音异常,咽擦音的自动检测对腭咽功能的评估具有重要的临床意义。对腭裂语音咽擦音的自动检测算法进行了研究,提出分段指数压缩Gamatone滤波器组(Piecewise Exponent Compression Gammatone Filters,PECGTFs)和基于Softsign的多通道(Softsign-based Multi-Channel,SSMC)模型相结合提取语音信号的谱特征参数,采用KNN分类器,实现腭裂语音咽擦音的自动检测。实验共测试306个语音样本,并对比了使用不同的Gammatone滤波器、使用高斯差分(Difference of Gaussian,DoG)增强和SSMC模型增强对咽擦音自动检测结果的影响。实验结果表明,使用PECGTFs与SSMC相结合的算法对腭裂语音咽擦音的自动检测正确率达94.95%,对临床诊断具有一定的参考价值。

基于发声模型的腭裂语音高鼻音自动检测算法

通过对腭裂语音发声模型进行研究,提出基于激励、声道、辐射模型特征参数的腭裂语音高鼻音等级自动识别算法。通过对基于激励模型的基音频率、基于声道模型的共振峰参数、基于综合发声模型的短时能量和Mel倒频谱系数等表征高鼻音特性的参数进行分析和改进,以K-最近邻算法为模式识别分类器,得出应用4种特征参数的高鼻音等级自动识别结果。实验结果表明,Mel倒频谱系数与腭裂语音临床生理特征相关性最大,对不同等级高鼻音识别率最高。

基于声学特征的腭裂语音声韵母切分

设计了一种腭裂语音的声韵母切分算法。通过主观的波形测试和客观的F检验及t检验,证明了腭裂语音与正常语音具有显著性差异。定义声母具有清音音素特性的音节为Ⅰ类音节,声母具有浊音音素特性的音节为Ⅱ类音节。首先基于层次聚类模型自动判别Ⅰ类、Ⅱ类音节,然后定义类浊音权重函数和类清音概率函数,实现Ⅰ类音节的声韵母一级切分,再通过短时自相关函数峰值个数的一阶微分实现Ⅰ类音节声韵母的二级切分。基于声韵母波形差异性,检测短时自相关函数的能量跳变点,实现Ⅱ类音节的声韵母切分。通过大样本实验,结果表明提出的腭裂语音声韵母自动判别算法具有较高的正确率,Ⅰ类音节的正确率达到90.72%,Ⅱ类音节的正确率为92.90%。

腭裂语音中齿龈塞音的声门代偿现象声学分析与判定

对齿龈塞音在腭裂语音中的声门塞音代偿现象进行了声学分析,计算频谱分布的多阶统计量—谱矩,并将代偿塞音和正常塞音进行对比。结果显示声门塞音爆破段的第一阶谱矩即频谱质心的频率位置比正常塞音低,因为声门塞音的阻塞部位在声门,导致声道腔体偏长从而共振频率偏低。还观察到声门塞音的第二阶谱矩即标准偏差偏高,说明其谱能量分布比正常塞音更加分散。声门塞音的第三阶谱矩即偏度大多为正值,反映了声门塞音功率谱的非对称性且大头朝向低频区而长尾朝向高频区。采用逻辑回归模型进行样本分类,通过交叉验证选出最优的四阶谱矩作为模型自变量,分类正确率为89.7%。结合塞音爆破时刻自动检测,实现了音节/di/的声门塞音客观判定。

计算机科学应用于唇腭裂语音诊疗的研究进展

唇腭裂术后针对性的语音治疗是唇腭裂综合序列治疗的重要组成部分,主观语音评价是目前应用最广泛的评价体系,由于无法避免主观倾向的局限性,精准的腭裂语音诊疗仍有进一步完善的空间。随着医工交叉的广泛推进,计算机科学已成为前沿医疗的基石,人工智能在言语障碍领域已开展初步的临床应用。对于腭裂语音的计算机辅助识别和评价技术已有较多研究成果,辅音省略、咽擦音等代偿性发音错误是关键的识别分析特征,结合软硬件技术的系统能达到较高的识别准确度;但目前研究大多仅局限于独立的声学特征辨别,有待进一步开发多参数的分析函数来避免普遍评价的系统偏差;且计算机科学在腭裂语音评价及治疗方面仍缺乏治疗方案的尝试,在线诊疗平台未得到充分使用,因此运用人工智能媒介与主观评价体系的结合应是唇腭裂综合序列治疗的前景模式之一。

国内腭裂语音治疗及评价方法研究现状

先天性腭裂会造成患者语音功能异常,对患者的一生造成很大影响,腭裂患者治疗方法及语音评价的总结有助于为腭裂治疗现状提供经验。本文结合近期我院就诊的腭裂患者治疗及语音评价的方法查阅相关文献进行综述。

结合听觉模型的腭裂语音高鼻音等级自动识别

腭裂语音高鼻音等级的自动识别能为临床腭咽功能评估提供有效、客观、无创的辅助依据。对腭裂语音高鼻音等级自动分类系统进行了研究,利用听觉模型提取语音信号的听觉内部表达,并结合同步检测器提取软限制比(Soft Limited Ratio,SLR)谱特征作为特征参数,利用一对一支持向量机(1-v-1 Support Vector Machine,1-v-1SVM)实现腭裂语音高鼻音四类等级(正常、轻度、中度和重度)的自动划分。实验采用56名儿童的共3 086个语音样本,并对比了使用不同基底膜滤波器种类和个数,使用同步检测器和侧抑制网络对识别效果的影响。实验结果表明,使用基于等效矩阵带宽(Equivalent Rectangular Bandwidth,ERB)尺度的Gammatone滤波器的识别效果优于基于Bark尺度的小波包滤波器;54个通道的滤波器能有效权衡算法时间成本和识别正确率;使用同步检测器提取SLR谱特征的识别效果优于侧抑制网络提取的LIN(Lateral Inhibition Network)谱特征。腭裂语音高鼻音四类等级自动识别系统最高分类正确率达91.50%。

腭裂语音主观评估要素之间的相关性分析

目的分析腭裂语音主观评估各要素之间的相关性,观察语音训练对要素间关系变化的影响。方法对本院语音治疗室接受语音训练的180例腭裂术后患者,在语训前及语训后均进行主观评估,评估要素为高鼻音、鼻漏气、辅音正确率、语言理解度,应用SPSS 19. 0统计软件对四个要素的评估结果采用偏相关分析,观察语训前、语训后各要素之间的相关性变化。结果语训前、语训后高鼻音和鼻漏气两个因素均呈显著的正相关。语训前高鼻音与辅音正确率相关不显著,语训后高鼻音与辅音正确率呈现显著的负相关(r=-0. 743,P <0. 01)。语训前鼻漏气与辅音正确率相关不显著,语训后呈显著的负相关(r=-0. 707,P <0. 01)。辅音正确率与语言理解度呈显著的正相关。结论高鼻音和鼻漏气是腭咽闭合不全最具特征性的主观症状,辅音正确率随构音方法而改变,语言理解度与辅音正确率密切相关。语音训练主要目的是改善构音、提高辅音正确率、促进语言理解。

基于递归图分析的腭裂语音鼻漏气自动识别算法

鼻漏气是腭咽闭合不全患者的典型症状,针对腭裂语音鼻漏气的特征进行研究,利用基于非线性动力学方法的递归图对特征进行发掘,并结合递归趋势分析法和基于递归图的区域进行分布处理,提取递归图分析的量化参数和最小区域矩阵作为特征参数。结合分类器,实现对腭裂语音鼻漏气的自动识别。实验针对降采样点、延迟时间、临界距离、语音单元、分类器种类等因素,进行了识别效果的分析,并综合权衡各因素对识别正确率的影响,选取了最优取值。实验结果表明,采用KNN分类器并当降采样点为30000点、延迟时间为3 ms、临界距离5个单位、语音单元为4帧时,腭裂语音鼻漏气自动识别的正确率达84.63%。腭裂语音鼻漏气自动识别算法能为临床腭咽功能评估提供高效、客观的辅助诊断依据。

《腭裂语音治疗学》出版发行

由青岛大学医学院口腔医学系首席医学专家及终身医学专家李宁毅教授主编的《腭裂语音治疗学》一书，已由人民卫生出版社出版发行。

腭裂语音的鼻化度在临床诊断中的作用

本文概述了唇腭裂序列治疗的历史和腭裂语音的评估方法,归纳了研究中存在的问题。汉语语音的鼻化度研究得出的鼻音与非鼻音临界值,可以作为腭裂语音研究的语言学基础。鼻化度可以作为量化评估腭裂元音鼻音异常等级的标准,元音/i/是一个可以用于腭裂患者临床诊断的敏感音素,其鼻化度可以作为判定腭裂儿童共鸣异常等级及腭咽功能的一个敏感指标,藉此可以提高语音评估的效率和言语治疗水平,改善唇腭患者的生活。语音学方法在障碍语音及临床语音学研究中具有重要意义。

先天性腭裂语音评价与康复技术思考

先天性腭裂语音评价与康复技术思考王振岸滕伯刚魏奉才赵华强腭裂患者由于先天发育所形成的发音（或语音）器官的结构与功能异常，导致语音的不清晰，在讲话时所形成的语音（又称腭裂语）与正常人的语音之间有着明显的偏离，不能或不易被迅速识别和理解。在评价腭裂语音时...