نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• احسان عکافی ¹
• منصور ولی‌ ²
• نگین مرادی ³

¹ دانش‌آموختة کارشناسی ارشد، گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه شاهد

² استادیار، گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه خواجه نصیرالدین طوسی

³ استادیار، گروه گفتاردرمانی، دانشکده توانبخشی، دانشگاه علوم پزشکی جندی شاپور اهواز

چکیده

پرخیشومی از رایج‌ترین اختلالات در کودکان دارای شکاف کام است. عموماً برای کاهش این نقیصه نیاز به جراحی است و بنابراین ارزیابی خیشومی بودن برای بررسی تأثیر جراحی و همچنین طراحی جلسات گفتار درمانی- که بعد از عمل‌های جراحی نیاز است- حیاتی است. استفاده از مدل‌های تمام قطب مانند ARبرای مدل‌سازی سیستم لوله صوتی افراد سالم رایج و معتبر هستند؛ اما وجود کانال ارتباطی بین حفره دماغی و دهانی افراد دارای شکاف کام، منجر به اضافه شدن صفر به تابع تبدیل فیلتر لوله صوتی شده و  درنتیجه مدل مذکور برای فیلتر لوله صوتی این افراد دقیق نیست. بر این اساس در این تحقیق روش کمّی جدیدی برای تخمین میزان پرخیشومی بودن ارائه شده است. در روش ارائه شده میزان پرخیشومی بودن با کمِیتی که از محاسبه فاصله بین بردار ضرایب کپستروم استخراج شده از ضرایب مدل ARو مدل ARMA  بدست آمده، ارزیابی شد. روش k-meansو روش بیز برای یافتن حد آستانه مناسب بمنظور طبقه‌بندی دادگان به کار رفت. با اجرای الگوریتم پیشنهادی برای مجموعه دادگان شامل واکه‌های /a/ استخراج شده از کلمه آزمون /pamap/ که 13 فرد دارای شکاف کام و 22 فرد سالم آنرا بیان کردند، صحت تراز شده 18/82 درصد برای طبقه‌بندی گویش‌ها و صحت تراز شده 72/97 درصد برای طبقه‌بندی افراد بدست آمد. از آنجایی که روش ارائه شده تنها به پردازش کامپیوتری دادگان نیاز دارد، در مقایسه با روش‌های بالینی دیگر، ساده‌ و غیر تهاجمی‌ است.

کلیدواژه‌ها

• شکاف کام
• پرخیشومی
• پردازش گفتار
• گفتار درمانی
• کپستروم

موضوعات

• پردازش گفتار

عنوان مقاله [English]

Detection of Hypernasal Speech for Children with Cleft Palate

نویسندگان [English]

• Ehsan Akafi ¹
• Mansour Vali ²
• Negin Moradi ³

¹ M.S.C, Department of Engineering, Shahed University,

² Assistant professor, Department of Electrical & computer Engineering, K. N. Toosi University of Technology

³ Assistant professor, Speech Therapy Department, Jondishapour University of Medical sciences

چکیده [English]

Hypernasality is a frequently occurring resonance disorder in children with cleft palate. Generally an operation is necessary to reduce the hypernasality and therefore an assessment of hypernasality is imperative to quantify the effect of the surgery and design the speech therapy sessions which are crucial after surgery. In this study, a new quantitative method is proposed to estimate hypernasality. The proposed method used the fact that an Autoregressive (AR) model for vocal tract system of a patient with hypernasal speech is not accurate; because of the zeros appear in the frequency response of vocal tract system due to existence of extra channel between oral and nasal cavity of these patients. Therefore in our method hypernasality was estimated by a quantity calculated from comparing the distance between the sequences of cepstrum coefficients extracted from AR model and Autoregressive Moving Average (ARMA) model. K-means and Bayes theorem were utilized for finding a threshold value for proposed index to classify the utterances of subjects. We achieved the balanced accuracy up to 82.18% on utterances and 97.72% on subjects. Since the proposed method needs only computer processing of speech data, compare to other clinical methods it is provides a simple evaluation of hypernasality.

کلیدواژه‌ها [English]

• Cleft palate
• Hypernasality
• Speech processing
• Speech therapy
• Cepstrum