Autoencoder를 이용한 음성 신호 기반의 연하장애 검출 기법

Abstract

본 논문에서는 autoencoder를 이용하여 음성 기반의 연하장애 검출 방법을 제시한다. 기존의 음성을 이용한 물 삼킴 검사(water swallowing test)는 손쉽게 연하장애를 검할 수 있는 방법이지만 낮은 정확도로 인한 문제점을 가지고 있다. 높은 성능의 음성 기반의 연하장애 판단을 위해 기계 학습 기반의 음성 분석 방법을 제안한다. 구체적으로, 연하장애를 검진하는 대표적인 방법인 VFSS(Video Fluoroscopic Swallowing Study) 검사 전, 후의 /a/ 음성 데이터를 기반으로 비정상 탐지에 강인한 성능을 보이는 autoencoder를 이용하여 연하장애를 판단한다. 학습을 위해 33명의 정상인 데이터를 사용하였고 정상인 16명, 연하장애 환자39명을 대상으로 기존의 Praat을 이용한 방법보다 23%p 검출 성능을 향상을 보였다.

In this paper, a novel approach is proposed to improve speech-based dysphagia detection using an autoencoder. The water swallow test using voice is a convenient test method but has a problem due to low accuracy. Based on the /a/ voice data before and after the VFSS(Video Fluoroscopic Swallowing Study) test, which is a representative method for examining dysphagia, an autoencoder with a strong performance in detecting abnormalities is used to determine dysphagia. Data from 33 normal subjects were used for training. In 16 normal subjects and 39 patients with dysphagia, the proposed algorithm yields 23%p higher performance compared with the conventional Praat based scheme.