儿童言语康复训练效果的智能评估方法与流程
本技术涉及言语康复的领域,尤其是涉及一种儿童言语康复训练效果的智能评估方法。
背景技术:
1、儿童语音障碍的康复训练以疗程方式推进,治疗师在每个训练周期结束时需要判断当前目标音素是否已被掌握、能否推进到下一个音素、训练词表是否需要更换。训练资源与儿童的注意力都有限,一次会话中能够呈现的任务项数量不多,排程决策的每一次前移或者停留都决定后续若干周期的训练收益。
2、训练效果的判断目前主要依靠三类手段。其一是治疗师按标准化量表定期施测并人工评分,评分结果用于填写训练记录与调整方案。其二是借助强制对齐等自动语音处理手段,对儿童产出的语音与目标文本的吻合程度打分,以替代部分人工听辨工作。其三是依据分年龄段的发育常模数据对成绩作年龄归一化,用于确定儿童当前水平与同龄群体的相对位置。上述手段在获得单次施测的成绩上是可行的。
3、训练效果不可被直接观测,可被观测的只有成绩随时间的变化,而这一变化是多个来源叠加的结果,现有手段无法将其中真正由训练带来的部分分离出来。因为用于测评的词条与用于训练的词条同源,所以测评项上的成绩上升既可能来自音素能力的提高,也可能仅来自对该批词条的反复练习与记忆;因为自动评分所依赖的声学模型为适应儿童发音会随其语音持续更新,所以评分尺度自身随训练进程移动,模型越熟悉该儿童,同样的产出得分越高;因为发育常模取自外部群体样本,所以按年龄插值扣除的自然发育量与该儿童自身的发育速度并不吻合,慢发育者的训练收益被低估而快发育者被高估;因为单次会话的成绩还受当日配合程度与鼻塞、睡眠不足等生理状态影响,所以一次成绩下滑既可能是能力退步,也可能只是当日状态波动。这些来源与训练效果同向且同形,使据以推进排程的增益估计不可靠,测量误差被当作进步或者退步,训练在错误的音素上停留或者提前前移。
技术实现思路
1、为了将训练效果从练习效应、评分尺度移动、自然发育与当日状态等同向变化中分离,使训练排程的推进判据建立在可靠的增益估计上,本技术提供一种儿童言语康复训练效果的智能评估方法。
2、本技术提供的一种儿童言语康复训练效果的智能评估方法,采用如下的技术方案:
3、一种儿童言语康复训练效果的智能评估方法,包括:
4、s1.确定包括训练项和泛化探测项的任务项集合,所述泛化探测项为包含目标音素且未被用于训练的词条,任一所述泛化探测项至多被呈现一次;
5、s2.将所述训练项与所述泛化探测项以相同的呈现形式混排呈现,采集受训者针对所述任务项集合中的各任务项产出的语音信号,对未正确产出的所述训练项沿提示层级序列逐级施加提示,所述提示层级序列包括表征不施加提示的最低提示层级,并记录所述训练项首次正确产出时所处的提示层级;
6、s3.基于各所述任务项的目标文本对所述语音信号执行强制对齐,得到产出评分;
7、s4.确定各所述产出评分的有效性权重,将所述训练项与所述泛化探测项各自加权后的产出评分统计量相对前一训练周期的变化量,分别确定为第一增益和第二增益;
8、s5.根据所述第一增益和所述第二增益确定泛化程度参量,至少根据所述泛化程度参量和所记录的提示层级,生成包括下一训练周期的目标音素、训练词表和提示起始层级的训练任务配置参数,所述训练词表中的词条在所述下一训练周期中作为所述训练项。
9、可选的,所述s4中,在确定所述第一增益和所述第二增益时扣除自然发育增益,所述自然发育增益根据所述受训者的自然发育基线和相邻两个训练周期之间的时间间隔确定,所述自然发育基线表征所述受训者的产出评分随发育进程的自然变化速率。
10、可选的,所述任务项集合还包括前瞻探测项,所述前瞻探测项为从音素习得顺序约束图上位于所述目标音素下游且尚未进入训练的音素所对应的词条中选取的词条,所述音素习得顺序约束图以音素为节点、以音素之间的习得先后依赖为有向边;所述s2中,还以所述最低提示层级且不给出正确性反馈的方式定期呈现所述前瞻探测项,在每次训练会话中所述前瞻探测项的呈现数量低于所述泛化探测项的呈现数量,同一所述前瞻探测项在所对应的音素进入训练前至多被呈现预设次数;所述s4中,所述自然发育基线根据各所述前瞻探测项的产出评分的纵向变化确定;所述s5中,响应于任一所述前瞻探测项的产出评分的上升幅度超出根据所述自然发育基线确定的预期区间,在所述音素习得顺序约束图上将所对应的音素标记为已自发习得,并在生成所述训练任务配置参数时跳过被标记为已自发习得的音素。
11、可选的,所述s3包括子步骤s31-s33:
12、s31.通过适配声学模型确定各所述任务项的产出评分,所述适配声学模型基于所述训练项的语音信号执行说话人自适应更新,所述泛化探测项的语音信号仅用于确定所述产出评分;
13、s32.存储所采集的所述语音信号,并在所述适配声学模型的模型版本和特征提取配置均保持不变的条件下,定期对已存储的历史语音信号重新评分;
14、s33.将同一历史语音信号的两次评分之差确定为评分漂移量;
15、所述s4中,还在确定所述第一增益和所述第二增益时扣除所述评分漂移量。
16、可选的,所述任务项集合还包括保持探测项,所述保持探测项为已停止训练的时长达到预设保持间隔的历史训练项;所述s2中,还以所述最低提示层级呈现所述保持探测项;所述s4中,还根据所述保持探测项的产出评分和所述保持探测项停止训练时的产出评分,确定所述保持探测项所对应的音素的保持程度参量。
17、可选的,所述s5包括子步骤s51-s52:
18、s51.确定所述泛化程度参量与预设泛化阈值的比较结果、所述保持程度参量与预设保持阈值的比较结果、以及所述训练项首次正确产出时所处的提示层级与预设层级阈值的比较结果;
19、s52.根据各所述比较结果,沿音素习得顺序约束图的拓扑顺序确定所述下一训练周期的目标音素,所述音素习得顺序约束图以音素为节点、以音素之间的习得先后依赖为有向边。
20、可选的,每个训练周期包括至少一次训练会话;所述任务项集合还包括锚定项,所述锚定项为从已停止训练且满足锚定条件的历史训练项中选取的词条,所述锚定条件包括所述保持程度参量达到预设锚定阈值且音节时长变异系数低于预设变异阈值;所述s2中,还在每次训练会话中先于所述训练项和所述泛化探测项呈现所述锚定项;所述s4中,还将各所述锚定项的产出评分相对锚定基线的偏差的中位数确定为会话状态偏移量,所述锚定基线根据各所述锚定项的历史产出评分确定,所述有效性权重随所述会话状态偏移量的增大而减小。
21、可选的,所述儿童言语康复训练效果的智能评估方法还包括:根据各所述产出评分基于所述有效性权重加权确定的测量标准误,确定最小可检测变化门限;响应于所述第一增益和所述第二增益的绝对值均低于所述最小可检测变化门限,将所述目标音素确定为未检出显著变化状态,将所述目标音素的评估推迟至下一训练周期,所述s5中将所述下一训练周期的训练任务配置参数生成为与当前的训练任务配置参数相同,并降低所述目标音素所对应的所述泛化探测项在所述下一训练周期中的呈现数量;响应于所述第一增益的绝对值达到所述最小可检测变化门限,恢复所述泛化探测项的呈现数量。
22、可选的,所述s2中,还采集受训者的图像信号;所述s4中,根据所述语音信号和所述图像信号确定所述受训者在当前训练会话中处于各配合度状态的后验概率,将后验概率最高的配合度状态确定为所述受训者的配合度状态,并根据所确定的配合度状态的后验概率确定所述有效性权重。
23、可选的,所述s2包括子步骤s21-s23:
24、s21.所述任务项集合中的各任务项以所述最低提示层级起始呈现,对未正确产出的所述训练项自所述提示起始层级起沿所述提示层级序列逐级施加提示,所述提示起始层级不高于所述训练项在前一次训练会话中首次正确产出时所处的提示层级;
25、s22.根据所述训练项首次正确产出时所处的提示层级确定独立性指数,所述提示层级序列中的提示层级的取值随提示强度的增大而增大,首次正确产出时所处的提示层级越低,所述独立性指数越高;
26、s23.响应于所述目标音素所对应的任一所述训练项的所述独立性指数达到预设独立性阈值,提高所述目标音素所对应的所述泛化探测项在所述混排呈现中的占比。
27、综上所述,本技术包括以下至少一种有益技术效果:
28、1、训练项与从未被训练的一次性泛化探测项在同一会话中同形混排并经同一评分通道处理,使训练直接成绩与未经练习的能力迁移成为一对可比观测,训练效果由此与对特定词条的练习效应相分离,排程推进的判据全部来自受训者自身在训练过程中产生的数据,不依赖外部对照组与人工评定。
29、2、自然发育由该受训者本人的未训练下游音素纵向观测标定并从增益中扣除,评分尺度的移动由同一段历史语音的两次评分之差测出并扣除,能力维持由停止训练后的无提示复测给出,使观测到的成绩变化被逐层还原为训练所致的部分,避免慢发育者收益被低估以及模型熟悉度被计为提高。
30、3、已深度掌握的退役训练项被复用为会话状态参照以修正当日波动的影响,增益是否超出测量噪声由本次数据自身确定的门限判定并联动探测项的消耗与恢复,配合程度以后验概率形式参与加权,探测词条按边际信息量支出并在多设备副本间以只增集合合并,使一次性测量资源在整个训练周期内可持续,且各重混杂均由系统自身运行过程中产生的观测完成校正,无须引入任何外部数据资产。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com