机构名称：
¥ 1.0
中风后言语和语言障碍（失语症）严重影响患者的生活质量。许多症状轻微的患者仍未得到诊断，而且由于医疗费用和/或服务不足，大多数人没有接受建议的强化治疗。自动语音识别 (ASR) 可以通过提高诊断率和在定制治疗期间提供反馈来帮助克服这些困难。然而，由于言语错误的高度可变性和训练数据集的稀缺，其性能通常不令人满意。本研究评估了最近发布的端到端模型 Whisper 在中风后失语症 (PWA) 患者中的表现。我们调整了它的超参数以实现失语症语音的最低字错误率 (WER)。与年龄匹配的对照组相比，PWA 中的 WER 显着更高（10.3% vs 38.5%，p < 0.001）。我们证明，通过表达性（外显命名和自发性言语生成）和接受性（书面和口头理解）语言评估，更严重的失语症与更严重的 WER 相关。中风病变大小不会影响 Whisper 的性能。考虑人口统计学因素、治疗持续时间和中风后时间的线性混合模型证实，左半球额叶病变患者的 Whisper 性能更差。我们讨论了这些发现对于如何在 PWA 中改进未来 ASR 的意义。
发掘弱监督端到端的潜力......
主要关键词
相关文件推荐
