机构名称：
¥ 2.0
目的：言语障碍通过阻碍社会运营并阻碍有效的沟通来深刻影响整体生活质量。本研究解决了有关言语障碍患者的基于机器学习的辅助技术的系统评价的差距。总体目的是通过系统的文献综述（SLR）对该领域进行全面概述，并为基于ML的解决方案和相关研究的景观提供宝贵的见解。方法：利用系统文献综述（SLR）方法，该研究采用系统方法。该研究广泛研究了有关言语障碍的基于机器学习的辅助技术的现有文献。特别注意ML技术，在训练阶段被剥削的数据集的特征，扬声器语言，特征提取技术以及ML算法所采用的功能。独创性：本研究通过系统地探索辅助技术的言语障碍技术来为现有文献做出了贡献。原创性在于对ML语音识别对言语障碍使用者的识别的重点调查（2014- 2023年）。强调与ML技术，数据集特征，语言，特征提取技术和功能集有关的系统研究问题，为当前的话语增加了独特而全面的观点。发现：系统文献评论确定了2014年至2023年之间发表的重要趋势和批判性研究。在2021年至2022年之间发表了几乎一半的纳入研究）。在对著名期刊的65篇论文，支持载体机和神经网络（CNN，DNN）的分析中，是最受使用的ML技术（20％，16.92％），研究最多的疾病是构造障碍（35/65，54％的研究）。此外，在2018年之后观察到了使用基于神经网络的建筑（主要是CNN和DNN）的兴起。关键字：语音障碍，语音识别，构想障碍，机器学习，辅助技术
系统文献评论
主要关键词
相关文件推荐
