.png){kind=icon}
返回
Automated Stuttering Detection Using Deep Learning Techniques
.png){kind=icon}
OA
AI
DOI：10.3390/jcm14103552.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景/目标：声音、音节或单词中的不流畅现象，如重复、延长、插话和阻塞，有时会阻碍沟通。目前，不流畅现象的测量是手动进行的，这存在固有局限性，例如耗时和主观性，可能导致测量结果不一致。方法：为解决这些挑战，本研究提出了一种创新的自动检测不流畅现象的系统，利用先进的人工智能技术；具体包括卷积神经网络（CNN）和卷积长短时记忆网络（ConvLSTM）等深度学习模型。该系统使用两个基准数据集进行评估：FluencyBank和SEP-28K。结果：我们提出的系统表现出卓越的性能，CNN和ConvLSTM模型的检测准确率分别达到0.97和0.96。这些结果不仅超过了先前的研究，还突显了我们方法在提升口吃评估有效性方面的优势。结论：通过为治疗环境中的专业人士提供可靠高效的工具，我们的系统在该领域取得了重大进展，为受口吃影响的个体提供了更优的成果。
Keyword:
stuttering detection
deep learning
speech pathology
machine learning
期刊
IF:
2.9
论文数:
5.1W
被引数:
9.8W
机构
引用论文
An effective up-sampling approach for breast cancer prediction with imbalanced data: A machine learning model-based comparative analysis.png)
PLOS ONEOAAI
PLOS ONEIF0
OAAI分享收藏TranStutter: A Convolution-Free Transformer-Based Deep Learning Method to Classify Stuttered Speech Using 2D Mel-Spectrogram Visualization and Attention-Based Feature RepresentationSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏FluentNet: End-to-End Detection of Stuttered Speech Disfluencies With Deep LearningFluentNet: 使用深度学习端到端检测口吃语音不流畅
PREAI
分享收藏Detecting Multiple Speech Disfluencies Using a Deep Residual Network with Bidirectional Long Short-Term MemoryICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容