BriefGPT - AI 论文速递
·
通过声门源特征分析和检测病理性声音
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了两组新颖特征用于帕金森病严重度分类，分别是基于单频滤波方法的SFF倒谱系数和基于SFF的MFCC。实验结果表明，这些特征在三个语音任务中均优于传统的MFCC特征，相对提高了5.8%至7.0%。
🎯
关键要点
- 研究提出了两组新颖特征用于帕金森病严重度分类：SFF倒谱系数和MFCC。
- 实验使用PC-GITA数据库进行，结果显示新特征在三个语音任务中优于传统MFCC特征。
- 在元音任务中，SFFCC和MFCC-SFF特征相对提高了5.8%和2.3%。
- 在句子任务中，SFFCC和MFCC-SFF特征相对提高了7.0%和1.8%。
- 在朗读文本任务中，SFFCC和MFCC-SFF特征相对提高了2.4%和1.1%。
➡️
