基于声学声音生物标记的人工智能驱动的良性喉音障碍持续元音的分层分类

于红博

摘要: 良性喉声音障碍影响近五分之一的个体，通常表现为发声困难，同时也作为更广泛生理功能障碍的无创指标。我们引入了一个临床启发的分层机器学习框架，用于自动分类八种良性声音障碍以及健康对照组，使用从短暂、持续元音发声中提取的声学特征。实验利用了来自Saarbruecken Voice Database的1,261位发言者的15,132个录音，涵盖了中性、高、低和滑动音高的元音/a/、/i/和/u/。与临床分类工作流程相呼应，该框架在三个连续阶段运作：第一阶段通过将卷积神经网络衍生的mel频谱图特征与21个可解释的声学生物标志结合进行病理与非病理声音的二元筛选；第二阶段利用立方支持向量机将声音分层为健康、功能性或心因性、结构性或炎症性组；第三阶段通过整合前几阶段的概率输出实现细粒度分类，相对于功能性情况，提高了结构性和炎症性疾病的区分度。所提出的系统始终优于平面多类分类器和预训练的自监督模型，包括META HuBERT和Google HeAR，这些模型的通用目标并非为持续的临床发声进行优化。通过将深度频谱表示与可解释的声学特征相结合，该框架增强了透明度和临床对齐性。这些结果突显了定量声音生物标志作为可扩展、无创工具，用于早期筛查、诊断分流和声音健康的纵向监测的潜力。

更新时间: 2025-12-31 05:04:54

领域: cs.SD,cs.AI,cs.LG

下载: http://arxiv.org/abs/2512.24628v1