スライド 1

3-P-1
音響特徴量を用いた自閉症児と定型発達児の識別
☆石井良,高島遼一,滝口哲也,有木康雄(神戸大),
中井靖(川崎医療短期大),高田哲(神戸大)
研究背景・目的
自閉症
自閉症患者は全国に約３６万人以上
福祉分野における情報技術の発展の重要性
早期発見、早期治療が重要
自閉症児の早期鑑別が実現
自閉症とは
先天性の脳機能障害
社会性や他者とのコミュニケーション能力に困難が生じる発達
障害の一種
主な症状や特徴
対人相互反応の質的障害
意思伝達の著しい異常またはその発達の障害
活動と興味の範囲の著しい限局性
早期治療により自閉症患者の
社会的自立へつながる
提案手法
openEAR
Forward selection method
従来は感情音声認識に用いられていたToolkit
音声データから989次元の特徴量を抽出できる
⇨ 次元数が多すぎる
提案手法の流れ
①特徴量の次元ごとに個別にスコアを算出
②最大のスコアの次元Aを取り込む
③ StepNのスコアがStepN-1のスコアより良ければ①に戻る
④スコアの増加が停止すると終了
Fig. 1 System overview
実験条件
実験結果
73.5
提案手法
実験データ
日常会話単語
被験者(学習)
自閉症児15名(1089単語),定型発達児16名(1046単語)
被験者(テスト)
自閉症児5名(471単語),定型発達児5名(480単語)
特徴量
openEARによって抽出し Forward selection したもの
61.3
比較対象
実験データ
日常会話単語
被験者(学習)
自閉症児15名(1089単語),定型発達児16名(1046単語)
被験者(テスト)
自閉症児5名(471単語),定型発達児5名(480単語)
特徴量
MFCC+Δ+ΔΔ(36次元)
Fig. 2 Classification results
⇨ MFCC+Δ+ΔΔ(36次元)に比べ大きく改善(12.2%)
特徴量
mfcc_sma[1]_iqr2-3
mfcc_sma_de[1]_linregc2
mfcc_sma[3]_max
mfcc_sma_de[6]_linregc2
mfcc_sma[8]_max
mfcc_sma[8]_skewness
mfcc_sma[11]_skewness
pcm_zcr_sma_kurtosis
pcm_loudness_sma_linregc2
voiceProb_sma_de_minPos
まとめと今後の課題
比較対象であるMFCC+Δ+ΔΔに比べ結果が大きく改善された
openEARで抽出された特徴量の有効な次元に関する考察

Download Report