MétaCan
Menu
Retour à la cohorte
Enregistrement W4415748034 · doi:10.1109/tnsre.2025.3627875

JawLink: An In-Ear Optical Interface for Orofacial Movement Monitoring and Speech Detection

2025· article· en· W4415748034 sur OpenAlexaff
Nevena Musikic, Douglas B. Chepeha, Miloš R. Popović

Notice bibliographique

RevueIEEE Transactions on Neural Systems and Rehabilitation Engineering · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueVoice and Speech Disorders
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)Voice activity detectionLaryngectomyVoice analysisWearable computerSet (abstract data type)Speech processingWavelet

Résumé

récupéré en direct d'OpenAlex

Voice prostheses such as the tracheoesophageal prosthesis (TEP) and electrolarynx (EL) restore speech after total laryngectomy but rely on manual activation, limiting autonomy and usability. This study investigates an in-ear proximity sensing approach for hands-free detection of speech intent, leveraging soft tissue deformation within the external auditory canal during mandibular motion. Ten healthy participants were fitted with bilateral, custom-fitted ear devices incorporating infrared sensors to record deformation patterns during structured speech and non-speech tasks. Signals were preprocessed using low-pass filtering, wavelet transforms, and temporal smoothing. A feature set combining time- and frequency-domain descriptors was extracted and ranked using minimum redundancy-maximum relevance selection criteria. Classifiers, including boosted trees and wide neural networks, were trained to distinguish speech from confounding orofacial behaviors. Results revealed consistent pre-phonatory and post-phonatory activation phases in the proximity signal, indicating detection of articulatory intent beyond acoustic onset. The best model for detecting speech with respect to baseline achieved an average F1 score of 84.04% $\pm ~$ 4.48% in a leave-one-subject-out cross-validation. An additional validation demonstrated a high F1 score of 94.49% $\pm ~$ 2.49% for distinguishing speech from clustered non-speech activities (e.g. chewing, yawning, smiling). These results support the robustness of the proposed system against false triggers. This work provides the first evidence that in-ear deformation signals can be used for robust speech detection in healthy controls, setting the stage for real-time, hands-free control of voice prostheses. The system offers a discreet, wearable platform for assistive communication technologies in patients with profound voice impairments.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,274
Écart entre enseignants0,265 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Neural Systems and Rehabilitation EngineeringMême sujetVoice and Speech DisordersTravaux en français237 207