利用现有的检测和分析技术，本文提出了一个评估综合框架，用于评估不同水平言语清晰度的发音障碍语音合成。该框架可评估语音质量和可懂性方面，且经实验证明具有互补性。使用我们提出的评估框架，我们发展和测试了一种发音障碍语音转换系统，并展示其表现良好。

Jul, 2021

语音产生是一个复杂的现象，通过思维加工、运动规划和发音运动的执行，大脑协调一系列过程。然而，这些多种过程的复杂执行容易受到各种神经退行性病理性言语障碍的影响和干扰，如帕金森病，导致话语障碍、运动障碍等情况。这些障碍导致异常的言语模式和不清晰的表达。为了解决这些挑战，已提出了几种自动病理性言语检测方法，主要侧重于输入表示和分类器的应用。由于数据有限，检测的性能仍然不甚理想。自我监督学习嵌入，如 wav2vec2 及其多语言版本，被认为是提高性能的有希望途径。这些嵌入利用自我监督学习技术从音频数据中提取丰富的表征，从而为解决标签数据稀缺性所带来的限制提供了潜在的解决方案。

May, 2024

使用网络的解耦语音表示方法，从大量不同发言者收集到的语音数据中，实现对小量特定发言者语音智力的客观量化计算。

Apr, 2022

自动测量语言流畅度的信号处理算法对阅读病人的言语流畅度进行评估，有效且经济的工具。

Aug, 2023

自动病理性言语检测方法在识别不同病理情况方面表现出有希望的结果。本文研究了言语模式对于自动病理性言语检测方法的影响，并对传统机器学习和深度学习两类方法进行了分析。结果表明，传统方法在捕获自发言语中的病理鉴别线索方面存在困难，相比之下，深度学习方法表现出更高的性能，能够提取在非自发言语中无法获得的额外线索。

Jun, 2024

自动检测声音病理学能够客观评估和较早干预诊断。本研究对声门源特征进行系统分析，考察其在声音病理学检测中的有效性。实验结果显示，声门源特征与传统的 MFCC 和 PLP 特征相比，具有可比或更好的声音病理学检测性能，并且当与传统的 MFCC 和 PLP 特征结合时，性能表现最佳。

Sep, 2023

本研究介绍了一种用于病理声音分析、自动疾病识别和严重程度预测的慢性肾脏病（CKD）患者语音语料库的创建步骤，比较分析了 289 名慢性肾脏病患者的音色、发音、韵律、声带来源和空气动力学参数等与对照组的声音特征差异。

Nov, 2022

这项研究提出了一种基于自我监督的 Wav2Vec2 模型，用于头颈癌患者的语音分类，以提高准确性和语音特征辨别能力，并通过评估多样化语料库的方式验证了该模型的有效性，为医生提供了可解释的方法来理解病理性语音。

Jun, 2024

本研究提出一种新方法，使用连续的普通话语音而不是单个元音，来区分四种常见的声音障碍，并使用离散余弦变换和双向 LSTM 网络，通过大型数据库的实验表明，该方法相对于使用单个元音的系统有显著的准确度和召回率提高以及提高了系统学习声音障碍的能力。

Feb, 2022

自动化失语症评估可以开发低成本而有效的工具来解决手动和主观评估的当前局限，但目前的方法是否依赖于与失语症相关的说话模式或外部因素尚不清楚。本文研究噪音对记录的失语症的影响，设计并实现了一种新的方法来可视化和比较特征提取器和模型，使用 UA-Speech 数据集，旨在提高研究社区对建立可靠的自动失语症评估系统要求的认识。

Jun, 2023