Análisis computarizado para la detección y evaluación de la gravedad de la tartamudez

La tartamudez es un trastorno del habla en el que el flujo normal del habla se ve interrumpido por falta de fluidez, como repeticiones, prolongaciones y bloqueos (1). Las características que difieren entre los que tartamudean y los que no tartamudean son la velocidad del habla y la frecuencia de las expresiones disfluidas (2).

Se utiliza una versión árabe del instrumento de gravedad de la tartamudez (A-SSI) para evaluar la gravedad de la tartamudez. En él, la puntuación de gravedad general de la tartamudez se mide combinando las puntuaciones de los porcentajes de sílabas tartamudeadas (%SS), la duración media de las tres más largas Eventos de tartamudeo (MDTLSE) y Concomitantes físicos (PC) (3).

Los métodos de evaluación subjetiva de la tartamudez son; lento, propenso a errores, subjetivo (4), por lo que es mejor automatizar la medición de disfluencias utilizando tecnologías de reconocimiento de voz e inteligencia computacional (5).

El reconocimiento de voz ejecuta una tarea similar a la que realiza el cerebro humano (6). El sistema de detección de tartamudeo tiene tres pasos principales que son el procesamiento acústico, la extracción de características y la clasificación/reconocimiento (7). las señales de voz se procesan previamente (8), y ciertas características se extraen de ellas mediante técnicas de procesamiento de señales, p. Coeficientes cepstrales de frecuencia de Mell (MFCC) (9). (MFCC) se considera la técnica de extracción de características utilizada más popular (10).

El proceso de clasificación contiene dos pasos; entrenamiento y pruebas (11). En el proceso de entrenamiento, los datos se etiquetan según las clases y se aprende un modelo. En la fase de prueba: el modelo se prueba y calcula la precisión, sensibilidad y especificidad de los modelos de clasificación (11). Finalmente, se reconocerá y separará el tartamudeo del habla sin tartamudeo (5) también para evaluar la gravedad del tartamudeo.