机构名称：
¥ 1.0
本研究探讨了使用机器学习来对语音的声学特征进行分类以检测学龄前儿童的听力损失的可行性。承认早期听力损失识别的批评发展影响以及与该年龄段的传统测试方法相关的挑战，我们提出了一种新颖的，可扩展的方法杠杆自动语音分析。使用有或没有听力损失的儿童的语音记录，我们使用WAV2VEC 2.0并比较功能集来捕获语音特征并比较LSTM，DNN和XGBoost分类器。我们的发现表明，这些模型可以准确区分听力损失的儿童的语音和正常听力的儿童的语音，最多可获得96.4％的精度。这项概念验证研究表明，使用语音进行早期听力损失检测的潜力，以及通往非侵入性，可扩展的筛查工具的途径，这些工具可能会显着有益于早期发展结果。索引术语：听力损失，语音分析，语音分类，WAV2VEC 2.0，计算听力学
使用WAV2VEC 2.0功能
主要关键词
相关文件推荐
