WikiEdge:ArXiv-2409.02800v1
本文的基本信息如下:
- 標題:Effects of Recording Condition and Number of Monitored Days on Discriminative Power of the Daily Phonotrauma Index
- 中文標題:錄音條件和監測天數對每日聲創傷指數區分能力的影響
- 發布日期:2024-09-04T15:16:53+00:00
- 作者:Hamzeh Ghasemzadeh, Robert E. Hillman, Jarrad H. Van Stan, Daryush D. Mehta
- 分類:cs.SD, eess.AS
- 原文鏈接:http://arxiv.org/abs/2409.02800v1
摘要:目標:每日聲帶創傷指數(DPI)可以量化與聲帶創傷性聲功能亢進(PVH)個體日常語音使用相關的病理生理機制。由於DPI是基於為期一周的外部語音監測開發的,本研究調查了DPI在以下情況下是否能達到可比的性能:(1)短時間實驗室語音任務和(2)少於七天的外部數據。方法:一個外部語音監測系統記錄了134名PVH女性和匹配的健康對照者在兩種不同條件下的聲功能/行為。在實驗室中,參與者朗讀《彩虹段落》的第一段並進行自發性言語(實驗室數據)。隨後,他們被監測了七天(外部數據)。分別從實驗室和外部數據中訓練了獨立的DPI模型,使用前兩個諧波幅度差的標準差(H1-H2)和頸部表面加速度幅度的偏度。首先,使用10折交叉驗證評估實驗室和外部DPI的分類性能。其次,量化了外部監測天數對外部DPI分類準確性的影響。結果:從《彩虹段落》和自發性言語計算的實驗室DPI平均準確率分別為57.9%和48.9%,接近隨機表現。外部DPI的平均分類準確率顯著更高,效果量非常大(73.4%,Cohen's D = 1.8)。其次,外部DPI的平均準確率從一天的66.5%提高到七天的75.0%,在四天後,增加一天對準確率的提升降至1個百分點以下。
章節摘要
這篇論文探討了日常聲音創傷指數(Daily Phonotrauma Index,DPI)在評估聲音過度使用個體(phonotraumatic vocal hyperfunction,PVH)的病理生理機制方面的效果,以及錄音條件和監測天數對DPI判別能力的影響。研究的主要發現如下:
- 研究背景與目的:DPI旨在量化與日常聲音使用相關的病理生理機制,本研究旨在探究DPI在短時實驗室語音任務和少於七天的監測數據中的性能。
- 方法論:
- 研究使用了便攜式聲音監測系統,記錄了134名PVH女性和匹配的聲音健康對照組的聲音功能/行為。
- 分別在實驗室(朗讀彩虹段落和自發言語)和實地(連續七天)收集數據,並基於H1-H2的幅度差異的標準差和頸部表面加速度的偏斜度訓練了不同的DPI模型。
- 使用10折交叉驗證評估了實驗室和實地DPI的分類性能,並量化了監測天數對實地DPI分類準確性的影響。
- 實驗結果:
- 實驗室DPI的平均準確率接近隨機水平,而實地DPI的平均分類準確率顯著更高。
- 隨着監測天數的增加,實地DPI的平均準確率從66.5%增加到75.0%,但增加額外一天對準確率的提升在超過4天後低於1個百分點。
- 結論:DPI需要實地監測數據以保持其判別能力,且應採樣多天以達到穩健的性能。研究結果有助於在分類準確性和數據收集成本之間做出明智的決策。
- 討論:研究討論了DPI在臨床管理PVH中的作用,包括預防、診斷和評估治療效果,並強調了實地監測相較於實驗室錄音在獲取聲音使用變異性信息方面的重要性。
研究背景
這篇文獻的背景主要集中在以下幾個方面:
- 聲創傷性嗓音過強(Phonotraumatic Vocal Hyperfunction,PVH)的臨床意義:
- PVH是與聲帶(尤其是聲帶結節、息肉和反應性病變)上的聲創傷性損傷相關的過度功能性嗓音障礙的一個子集。
- 這類嗓音障礙被認為由聲帶組織的累積性創傷和機械應力引起,因此,追蹤個體在日常生活中的嗓音功能和行為可以提供與這種常見疾病的發展和表現相關的臨床相關見解。
- 日常嗓音使用與嗓音損傷的關係:
- 每日嗓音損傷指數(Daily Phonotrauma Index,DPI)的開發與應用:
- DPI是一種綜合度量,結合了H1-H2和SPL的分布特徵,用於量化與PVH相關的嗓音使用模式。
- 研究表明,PVH患者在治療後DPI顯著降低,表明DPI能夠為PVH相關的病理生理機制提供新的定量見解,並可能在預防、診斷和評估治療效果方面發揮作用。
- 便攜式嗓音監測的挑戰與限制:
- 儘管DPI的開發基於一周的便攜式嗓音監測,但這種監測方式可能在實際應用中面臨挑戰,包括設備和軟件的可用性、成本、以及數據收集和處理的工作量。
- 因此,本研究旨在探討DPI在基於短時實驗室語音任務和少於七天的便攜式數據監測下的性能,以期找到在分類準確性和數據收集成本之間做出明智的權衡。
問題與動機
作者面對的是聲音使用與聲音創傷性過度功能(phonotraumatic vocal hyperfunction,PVH)之間的關係,以及如何通過日常聲音監測來量化與PVH相關的病理生理機制。具體問題包括:
- 聲音監測的持續時間與條件對聲音創傷指數(Daily Phonotrauma Index,DPI)判別能力的影響:研究旨在確定是否可以通過短時實驗室語音任務或少於7天的監測數據來實現與長期監測相當的DPI性能。
- 聲音監測數據收集的成本與分類準確性之間的權衡:考慮到長期監測可能帶來的財務成本和參與者的遵從性問題,研究試圖找出最少的監測天數,以保持DPI的判別能力,同時減少數據收集的成本和負擔。
研究方法
這篇文獻的工作部分詳細介紹了如何開發和評估每日聲音創傷指數(DPI)作為聲音使用過度(PVH)的量化工具。以下是這部分的主要內容:
- 聲音監測與數據收集:
- 研究使用了便攜式聲音監測系統,包括一個加速度計和一個安卓智能手機,用於記錄參與者的聲音功能和行為。參與者在實驗室內朗讀「彩虹段落」並進行自發言語(實驗室數據),隨後在七天內進行戶外監測(現場數據)。
- 數據處理與特徵提取:
- 原始加速度計記錄通過MATLAB腳本處理,將信號分割成50毫秒的非重疊幀,並使用聲音活動檢測器確定幀的有聲/無聲狀態。從有聲幀中計算DPI的兩個組成部分:第一二諧波差異的標準差(H1-H2 std)和頸部表面加速度的偏度(NSAM skewness)。
- 機器學習模型訓練與評估:
- 實驗設計:
- 實驗1旨在比較實驗室內和現場收集的數據的DPI性能。實驗2探討了監測天數對DPI分類性能的影響。通過增加監測天數,研究了DPI性能的提升情況,並使用冪函數擬合數據以估計性能提升與數據收集成本之間的權衡。
- 統計分析:
- 使用t檢驗來測試實驗室內和現場DPI性能之間的顯著差異,並使用Cohen's D來量化顯著差異的效應大小。此外,還使用Spearman相關分析來量化監測持續時間與DPI的判別能力之間的關係。
研究結論
根據提供的文獻內容,這篇論文的主要結論可以概括如下:
- DPI的監測條件和天數對判別能力的影響:研究表明,使用短時實驗室語音任務和少於7天的監測數據計算得到的Daily Phonotrauma Index (DPI) 的判別能力顯著下降,說明DPI需要基於長時間的野外監測數據來保持其判別能力。
- 野外監測天數對DPI判別能力的影響:野外監測天數的增加與DPI分類準確性的提高有非線性關係。監測天數從1天增加到7天,DPI的平均分類準確性從66.5%提高到75.0%,但增加的額外天數對準確性的提升效果在4天後開始下降。
- DPI在臨床應用中的成本與準確性權衡:研究結果可以用於在分類準確性和數據收集成本之間做出明智的決策。野外監測應該採樣多天以達到穩健的性能,但增加監測天數的成本效益需要進一步考慮。
術語表
- 聲帶損傷性過強功能(Phonotraumatic Vocal Hyperfunction, PVH):與聲帶損傷(如聲帶結節、息肉和反應性病變)相關的過度功能性聲音障礙亞類。
- 日嗓音損傷指數(Daily Phonotrauma Index, DPI):用於量化與日常聲音使用相關的個體病理生理機制的指標。
- 聲音監測(Voice Monitoring):通過特定設備跟蹤個體在日常生活中的聲音功能和行為。
- 聲音活動檢測器(Voice Activity Detector, VAD):用於確定聲音記錄中哪些幀包含聲音活動的設備或算法。
- 基頻諧波差的標準差(Standard Deviation of the Difference between the First Two Harmonics, H1-H2 std):聲音信號中第一和第二諧波幅度差值的標準差。
- 頸部表面加速度幅度的偏度(Skewness of Neck-Surface Acceleration Magnitude, NSAM skewness):頸部表面加速度信號分布的偏度。
- 聲音壓力級(Sound Pressure Level, SPL):聲音強度的度量,通常與聲音信號的能量相關。
- 機器學習(Machine Learning):一種計算機科學,專注於算法和統計模型,使計算機系統能夠利用數據學習並做出決策。
- 邏輯回歸(Logistic Regression):一種用於二分類問題的統計模型,用於估計某個事件發生的概率。
- 接收者操作特徵曲線(Receiver Operating Characteristic Curve, ROC Curve):一種用於評估二分類系統性能的工具,通過繪製在不同閾值下真正例率(敏感性)和假正例率(1-特異性)的關係。
- 生態效度(Ecological Validity):研究結果在現實世界環境中的適用性和廣泛性。