MétaCan
Menu
Retour à la cohorte
Enregistrement W1972164092 · doi:10.1044/1092-4388(2011/09-0193)

Classifications of Vocalic Segments From Articulatory Kinematics: Healthy Controls and Speakers With Dysarthria

2011· article· en· W1972164092 sur OpenAlexafffund
Yana Yunusova, Gary Weismer, Mary J. Lindstrom

Notice bibliographique

RevueJournal of Speech Language and Hearing Research · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueVoice and Speech Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersConnaught FundUniversity of Wisconsin-Madison
Mots-clésDysarthriaVowelPsychologyPhonationAudiologyMovement (music)Speech disorderGestureFluencySpeech recognitionComputer scienceArtificial intelligenceMedicineAcoustics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: In this study, the authors classified vocalic segments produced by control speakers (C) and speakers with dysarthria due to amyotrophic lateral sclerosis (ALS) or Parkinson's disease (PD); classification was based on movement measures. The researchers asked the following questions: (a) Can vowels be classified on the basis of selected measures of articulatory motions? and (b) Can classification models that are constructed from control productions classify vowels produced by speakers with dysarthria that is related to ALS and PD? METHOD: Nineteen C, 7 PD, and 8 ALS speakers participated in this study. The severity of dysarthria varied across individuals and between the 2 disorder groups. The stimuli were 6 vowels produced in 10 words embedded into sentences read at a comfortable reading rate. Movement data were collected using the x-ray microbeam. Movement measures included distances traveled, durations, and average speeds of vowel-related movement strokes. Vowels and words were classified by linear discriminant analysis with measures of articulatory motion as input variables. RESULTS: The study showed that vocalic segments could be classified using articulatory movement characteristics with up to 80% accuracy. The classification accuracy of the movement-based models depended largely on the number of articulators involved and, to a lesser extent, on the movement measure (e.g., distance, duration, speed). Classification of PD vowels was similar to that of the C group, suggesting a simple scaling of gestures as an explanation of the movement deficit in this disease. Classification performance for ALS vowels appeared to be different from that of C and PD productions. CONCLUSION: Classification of vowels was possible on the basis of their articulatory motions. ALS vowels appeared categorically different from those of C and PD speakers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,111
Tête enseignante GPT0,374
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Speech Language and Hearing ResearchMême sujetVoice and Speech DisordersTravaux en français237 207