自动测量失语症患者的言语流畅度：基于朗读语音数据的初步成果

背景：言语语言病理学家（SLP）通常依赖对言语流畅度的判断来诊断或监测失语症患者。然而，此类主观方法因缺乏可靠性及在临床时间成本上的问题而受到批评。目的：本研究旨在评估一种最初在语言习得领域开发的信号处理算法，用于自动测量失语症患者（PWA）言语流畅度的适用性。方法与步骤：通过非营利组织和 SLP 网络招募了 29 名 PWA 和 5 名对照参与者。所有参与者在朗读取自法语版波士顿诊断性失语症检查的一组句子时进行了录音。三名受过训练的 SLP 以五点定性量表评估每句话的流畅度。采用前向-后向散度分割和聚类算法，为每句话计算四个言语流畅度的自动预测因子：伪音节率、语音比、静默停顿率和伪音节长度的标准差。最终将四个预测因子组合进多元回归模型（多元线性回归——MLR，以及两个非线性模型），采用留一说话人交叉验证方案预测 SLP 对言语流畅度的平均评分。结果与成效：所有模型均实现了对流畅度评分的准确预测，平均均方根误差低至 0.5。MLR 在句子层面与参考评分的相关系数为 0.87，在汇总每位参与者数据时达 0.93。加入一个对重复敏感的额外预测因子进一步改善了预测，句子层面相关系数为 0.91，参与者层面为 0.96。结论：本研究所用算法可构成一种经济高效且可靠的工具，用于评估失语症患者在朗读任务中的言语流畅度。文中讨论了其在自发语音评估方面的前景。