基于语音识别的特征提取用于增强弯低语音的自动严重程度分类

由于当前临床评估的主观性，针对弯低语音的自动严重程度评估需求日益增长。深度神经网络模型在机器学习模型中表现更好，但缺乏用户友好的可解释性。机器学习模型在特征层面提供可解释结果，但性能相对较低。当前的机器学习模型从原始波形中提取各种特征来预测严重程度。然而，现有方法未涵盖临床评估中使用的全部弯低特征。为弥合这一差距，我们提出一种最小化信息损失的特征提取方法。我们引入ASR转录作为一种新型特征提取来源。我们针对弯低语音微调ASR模型，然后使用该模型对弯低语音进行转录并提取词语段边界信息。这使我们能够捕获更细致的发音和更广泛的韵律特征。这些特征显示出比现有特征更好的严重程�预测性能：平衡准确率为83.72%。