.png){kind=icon}
返回
Interaction-guided speech tensor representation for dysphagia screening
.png){kind=icon}
PRE
AI
DOI：10.1016/j.bspc.2025.109164.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
吞咽困难是许多神经疾病的突出症状，尤其影响老年人并导致严重并发症。吞咽困难的自动诊断对于提升治疗效果和降低医疗费用至关重要。近期研究表明，语音信号，特别是元音音素（如/a/、/o/、/e/），在检测吞咽困难方面效果显著。然而，现有方法多从单个元音中分别提取特征，或仅在特征或决策层面进行整合，忽略了它们之间的潜在关联。为解决这一问题，我们开发了一种多元音表征系统，在频域的数据层面融合元音。计算同一说话者的元音频谱并进行分割，构建具有不同维度（如时间、频率和元音）的高阶语音张量。此外，我们提出交互引导张量网络（IGTNs）以从这些语音张量中提取特征。IGTNs将N阶语音张量分解为N个环因子和一个核心张量，其中N个环因子包含不同维度的信息，而核心张量捕捉它们的交互作用，提供一种压缩且信息丰富的原始张量表示。此外，IGTNs分别强化不同环因子之间的关系，以分析其对语音张量表示的影响，特别关注元音维度及其与其他维度的交互作用。大量实验验证了本系统的有效性。我们的方法始终优于现有方法，在吞咽困难检测中准确率至少高出10个百分点。代码可在以下地址获取：https://github.com/FeiHe-source/code-for-IGTNs。
