ALS 段落阅读中自动语音与停顿测量的同时效度

对肌萎缩侧索硬化症（ALS）个体的语音测量分析可为早期诊断和疾病进展追踪提供必要信息。然而，当前提取语音与停顿特征的方法为手动或半自动，耗时且费力。语音-文本对齐算法的出现为 ALS 个体语音测量的廉价、自动化和准确分析提供了机会。有必要将这些算法计算的语音与停顿特征与当前金标准方法进行验证。在本研究中，我们从 ALS 个体与健康对照进行段落阅读的 646 个音频文件中提取了 8 个语音/停顿特征。使用了两个预训练强制对齐模型——一个基于 transformer，另一个采用高斯混合/隐马尔可夫架构——进行自动特征提取。随后将结果与半自动语音/停顿分析软件进行验证，并基于音频质量与疾病严重程度进行进一步亚组分析。基于 transformer 的强制对齐提取的特征与金标准一致性最高，包括在音频质量与疾病严重程度方面。本研究为未来面向临床医生的智能诊断支持系统以及远程居家追踪疾病进展的新方法奠定了基础。