馬孟星，潘文林，胡 洋，程 振，羅陳晨

(1.云南民族大學(xué) 電氣信息工程學(xué)院，云南 昆明 650500； 2.云南民族大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，云南 昆明 650500)

兒童語(yǔ)言發(fā)育遲緩(Children’s language development delay，CLDD)是指兒童語(yǔ)言能力落后于同齡人的狀態(tài)[1].CLDD的主要臨床表現(xiàn)有：吐字不清、口吃、詞匯儲(chǔ)備低、表達(dá)能力欠佳等[1-4].病情嚴(yán)重的兒童將面臨語(yǔ)言交流、社會(huì)交往、生活適應(yīng)和學(xué)習(xí)等方面的諸多困難[5].語(yǔ)言能力檢測(cè)是一種發(fā)現(xiàn)CLDD病情的方法，傳統(tǒng)檢測(cè)是由醫(yī)生或語(yǔ)言病理學(xué)家來(lái)實(shí)施，他們通過(guò)詢問(wèn)兒童一些問(wèn)題，從兒童的回答情況中得到初步的診斷結(jié)果.目前專家資源嚴(yán)重缺乏，即使投入大規(guī)模資金培養(yǎng)相關(guān)專家也難以滿足日益增長(zhǎng)的診斷需求.

計(jì)算機(jī)輔助檢測(cè)/診斷(Computer-aided detection/diagnosis，CAD)能夠提高診斷的準(zhǔn)確性，為專家提供有效的決策支持[6]，減少專家的工作負(fù)擔(dān)[7]，但目前還不能代替專家做出判斷[8]，CAD提供的診斷結(jié)果一般也僅作為診斷參考和第2意見[6,9].以往CAD技術(shù)代指基于醫(yī)學(xué)影像學(xué)的計(jì)算機(jī)輔助技術(shù)[10]，隨著近幾年自然語(yǔ)言處理領(lǐng)域的飛速發(fā)展，使得實(shí)現(xiàn)基于語(yǔ)音識(shí)別的計(jì)算機(jī)輔助CLDD檢測(cè)成為了可能，通過(guò)使用終端應(yīng)用對(duì)兒童進(jìn)行提問(wèn)，采集兒童回答語(yǔ)音，運(yùn)用CAD系統(tǒng)進(jìn)行分析并提供初步診斷意見.在兒童發(fā)育期提早干預(yù)治療是預(yù)防CLDD的重要手段，便捷化的檢測(cè)方式可以提高兒童群體檢測(cè)率，對(duì)提早發(fā)現(xiàn)病情有積極的作用.

文中將對(duì)兒童語(yǔ)言能力檢測(cè)過(guò)程進(jìn)行介紹，并從CLDD的構(gòu)音、口吃、詞匯儲(chǔ)備、語(yǔ)言表達(dá)4種臨床表現(xiàn)角度出發(fā)，歸納整理用于實(shí)現(xiàn)CAD系統(tǒng)的自動(dòng)化評(píng)估技術(shù)發(fā)展現(xiàn)狀.對(duì)CAD系統(tǒng)主要存在的問(wèn)題進(jìn)行梳理，并對(duì)研究前景進(jìn)行展望.從語(yǔ)種、適用范圍、錄制規(guī)模等方面歸納梳理可用于CLDD自動(dòng)化評(píng)估研究的語(yǔ)音數(shù)據(jù)集.

1 兒童語(yǔ)言能力檢測(cè)概述

兒童語(yǔ)言能力檢測(cè)可以對(duì)兒童語(yǔ)言能力的優(yōu)劣進(jìn)行評(píng)定，也可以對(duì)病理兒童的補(bǔ)救措施提供有用的診斷反饋和指導(dǎo)[11].低齡兒童不具備識(shí)別和手寫書面文字的能力，許多常見的檢測(cè)方法并不適用于存在語(yǔ)言障礙的兒童[12-13]，因此在CLDD臨床檢測(cè)中，語(yǔ)言能力檢測(cè)通常以口試的形式進(jìn)行[1]：醫(yī)生向兒童提出特定問(wèn)題，并對(duì)其回答情況進(jìn)行分析，從而評(píng)估兒童發(fā)音、詞匯儲(chǔ)備等方面的優(yōu)劣.

語(yǔ)言能力檢測(cè)的實(shí)現(xiàn)主要分為3個(gè)部分[14]：題目設(shè)計(jì)、檢測(cè)實(shí)施、能力評(píng)估.題目設(shè)計(jì)是保證檢測(cè)結(jié)果有效性的關(guān)鍵[12]，檢測(cè)實(shí)施與能力評(píng)估依賴于醫(yī)生或語(yǔ)言病理學(xué)家.兒童語(yǔ)言能力的評(píng)估基線會(huì)因年齡、家庭地域環(huán)境等因素而存在一定差異[2,15-17].

圖1 智能化語(yǔ)言能力檢測(cè)

計(jì)算機(jī)輔助語(yǔ)言能力檢測(cè)具有檢測(cè)效率高、提升被檢測(cè)人興趣等優(yōu)勢(shì)[18].采用“人機(jī)對(duì)話”的形式進(jìn)行信息采集，可以減少人力成本.圖1為某公司在幼兒園對(duì)兒童進(jìn)行語(yǔ)言能力檢測(cè).

2 CLDD檢測(cè)自動(dòng)化評(píng)估技術(shù)概述

CAD系統(tǒng)能夠?qū)和Z(yǔ)言能力優(yōu)劣以量化形式表現(xiàn)出來(lái).實(shí)現(xiàn)CAD系統(tǒng)需要結(jié)合大量自動(dòng)化評(píng)估技術(shù)，本節(jié)以CLDD的臨床表現(xiàn)展開，歸納整理了近幾年與CLDD臨床表現(xiàn)檢測(cè)相關(guān)的自動(dòng)化評(píng)估技術(shù)研究進(jìn)展.

2.1 構(gòu)音評(píng)估

構(gòu)音障礙表現(xiàn)為發(fā)聲困難、發(fā)音不準(zhǔn)、咬字不清、音量異常、聲調(diào)速率異常、節(jié)律異常等[19]，這使患者的語(yǔ)音不自然且讓人難以理解.在構(gòu)音評(píng)估過(guò)程中，醫(yī)生會(huì)按照拼音選取不同的詞匯領(lǐng)讀，并要求兒童復(fù)述這些詞匯，通過(guò)兒童的復(fù)述表現(xiàn)來(lái)做出診斷.

Laaridh等[20]提出構(gòu)音自動(dòng)化評(píng)估指標(biāo)，從嚴(yán)重程度、可理解性、發(fā)音清晰度3個(gè)方面對(duì)構(gòu)音障礙進(jìn)行評(píng)分，即通過(guò)機(jī)器模型為檢測(cè)語(yǔ)音給出評(píng)估分?jǐn)?shù).醫(yī)學(xué)應(yīng)用中，醫(yī)生需要向患者解釋評(píng)估模型做出的判斷，由于機(jī)器模型的黑盒特性，給構(gòu)音評(píng)估模型在醫(yī)學(xué)上實(shí)際應(yīng)用帶來(lái)了困難，因此不少學(xué)者在評(píng)估模型的可解釋性問(wèn)題上進(jìn)行深入研究.Ming等[21]探討了構(gòu)音障礙評(píng)估模型的可解釋性，設(shè)計(jì)了可解釋的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)模型，通過(guò)將聲學(xué)特征映射到低維的潛在空間中，從而獲得用于解釋評(píng)估結(jié)果的相關(guān)信息.Daniel等[22]在低維潛在空間中成功編碼了構(gòu)音障礙的可解釋特征，從鼻音、聲音質(zhì)量、發(fā)音精度、韻律等方面對(duì)評(píng)估結(jié)果進(jìn)行解釋，這有助于醫(yī)生和患者更準(zhǔn)確的理解評(píng)估模型的結(jié)果.

在借鑒各國(guó)的構(gòu)音障礙評(píng)估研究時(shí)，需考慮當(dāng)?shù)卣Z(yǔ)種的語(yǔ)言特性.普通話的音節(jié)一般由聲母、韻母、聲調(diào)3部分組成，其中聲調(diào)是普通話中最為突出的聲學(xué)特征.Mou等[23]進(jìn)行了以普通話為母語(yǔ)的構(gòu)音評(píng)估研究，并對(duì)普通話產(chǎn)生的聲調(diào)特征進(jìn)行深入探討，Lin等[24]進(jìn)行了發(fā)音信息對(duì)普通話聲調(diào)建模和普通話識(shí)別的有效性研究.Zhang等[25]以音節(jié)和高頻漢字混合訓(xùn)練的方式進(jìn)行建模，并將其用于普通話語(yǔ)音識(shí)別.由于構(gòu)音評(píng)估中回答內(nèi)容相對(duì)固定，音節(jié)和漢字的混合訓(xùn)練方式可提高模型的識(shí)別精度.

面對(duì)構(gòu)音障礙語(yǔ)音樣本不足的問(wèn)題，一類研究主要集中在數(shù)據(jù)增強(qiáng)上[22-26]，通過(guò)技術(shù)手段模擬生成訓(xùn)練樣本.另一類研究以遷移學(xué)習(xí)為基礎(chǔ)[27-28]，對(duì)健康語(yǔ)音或非同語(yǔ)種的構(gòu)音障礙語(yǔ)音知識(shí)進(jìn)行遷移，用于構(gòu)音評(píng)估研究.

表1整理了近幾年構(gòu)音評(píng)估研究進(jìn)展，研究角度有自動(dòng)化評(píng)估指標(biāo)、可解釋性、數(shù)據(jù)增強(qiáng)方法、構(gòu)音障礙語(yǔ)音識(shí)別等.

表1 構(gòu)音評(píng)估研究進(jìn)展

2.2 口吃評(píng)估

口吃是一種言語(yǔ)障礙,在說(shuō)話過(guò)程中，個(gè)體確切地知道他希望說(shuō)什么, 但是由于不自覺的發(fā)音重復(fù), 延長(zhǎng)或停頓, 打斷了語(yǔ)言的流暢性.口吃發(fā)生的頻率和癥狀的持續(xù)時(shí)間根據(jù)個(gè)人嚴(yán)重程度會(huì)有很大的不同，兒童口吃發(fā)生率約為5%[31-33].

口吃自動(dòng)化評(píng)估系統(tǒng)已有較長(zhǎng)的研究歷史，Chee等[32]的研究綜述中，概括了2種口吃自動(dòng)化評(píng)估方法，第1種是通過(guò)計(jì)算口吃詞匯數(shù)量占回答總詞匯數(shù)量的比例來(lái)完成，第2種是測(cè)量口吃的持續(xù)時(shí)間，并與整段語(yǔ)音的總時(shí)間進(jìn)行比較.受當(dāng)時(shí)技術(shù)條件限制，文中僅對(duì)第一種口吃評(píng)估的實(shí)現(xiàn)技術(shù)進(jìn)行展開介紹.Amir等[34]提出時(shí)域下衡量口吃嚴(yán)重程度的詳細(xì)度量準(zhǔn)則：言語(yǔ)流暢度評(píng)分(Speech efficiency score, SES)，如式1所示，與傳統(tǒng)的時(shí)域評(píng)估方法相比，去除語(yǔ)音段中的沉默時(shí)間段，以說(shuō)話時(shí)長(zhǎng)和有效時(shí)長(zhǎng)的比例來(lái)衡量口吃的嚴(yán)重程度，并實(shí)驗(yàn)證明SES與主觀口吃嚴(yán)重程度評(píng)分密切相關(guān).Khara等[35]對(duì)口吃特征提取與分類技術(shù)進(jìn)行整理，Gupta等[36]對(duì)口吃自動(dòng)化評(píng)估領(lǐng)域的相關(guān)問(wèn)題與技術(shù)進(jìn)行了系統(tǒng)性梳理.

(1)

在以兒童為對(duì)象的口吃評(píng)估問(wèn)題上，Alharbi等[37]一直致力于該問(wèn)題的研究.2017年提出自動(dòng)識(shí)別口吃事件模型，用于協(xié)助臨床醫(yī)生完成診斷任務(wù)[38].2018年提出輕度監(jiān)督方法[39]，用于識(shí)別執(zhí)行標(biāo)準(zhǔn)朗讀任務(wù)的兒童口吃片段.2020年評(píng)估CRF和BLSTM兩種機(jī)器學(xué)習(xí)方法在檢測(cè)口吃語(yǔ)音轉(zhuǎn)錄中口吃事件的能力[40].與國(guó)外相比，國(guó)內(nèi)兒童口吃自動(dòng)化評(píng)估研究相對(duì)匱乏.

表2整理了近幾年口吃評(píng)估研究進(jìn)展，研究角度有自動(dòng)化評(píng)估指標(biāo)、口吃語(yǔ)音片段識(shí)別、嚴(yán)重程度評(píng)分、兒童口吃評(píng)估等.

表2 口吃評(píng)估研究進(jìn)展

2.3 詞匯儲(chǔ)備評(píng)估

年齡在2歲后詞匯量仍小于30詞的兒童可被定性為語(yǔ)言發(fā)育遲緩[2].詞匯儲(chǔ)備低是CLDD的臨床表現(xiàn)之一.提問(wèn)者向兒童提問(wèn)，兒童根據(jù)問(wèn)題進(jìn)行回答，對(duì)兒童語(yǔ)音進(jìn)行文本轉(zhuǎn)錄和詞匯計(jì)數(shù)是一種詞匯儲(chǔ)備評(píng)估方法[45]，使用自動(dòng)語(yǔ)音識(shí)別系統(tǒng)[46](Automatic speech recognition, ASR)將語(yǔ)音信息轉(zhuǎn)換為文本，統(tǒng)計(jì)出文本中的詞匯數(shù)量.

近年來(lái)以深度學(xué)習(xí)為基礎(chǔ)框架的ASR逐漸成為語(yǔ)音識(shí)別領(lǐng)域的主流處理辦法，按照實(shí)現(xiàn)原理分類，模型的實(shí)現(xiàn)主要有CTC、RNN-T、Attention 3種形式[47].目前將應(yīng)用于兒童語(yǔ)音識(shí)別的ASR性能提高到成人語(yǔ)音識(shí)別的ASR性能水平仍舊是困難的事情[48].兒童語(yǔ)音在聲學(xué)上更加多樣化[49]，普適的語(yǔ)言能力標(biāo)準(zhǔn)是基于成人而建立的，在使用兒童定向語(yǔ)音做模型訓(xùn)練時(shí)，聲學(xué)上的多樣性會(huì)降低模型的識(shí)別準(zhǔn)確性.Gelderloos等[50]發(fā)現(xiàn)使用成人定向語(yǔ)音訓(xùn)練的模型會(huì)比使用兒童定向語(yǔ)音訓(xùn)練的模型更加適用于兒童定向語(yǔ)音的識(shí)別.

中文體系下，中文文本沒有直觀的分詞，漢字緊湊的交織在一起，這給詞匯統(tǒng)計(jì)帶來(lái)了困難，英文的書寫方式在視覺上就有很直觀的詞匯數(shù)量體現(xiàn)[51]，因此國(guó)內(nèi)有不少學(xué)者在中文分詞問(wèn)題上進(jìn)行了深入的研究.WMSeg是目前優(yōu)異的中文分詞模型之一，2020年在5個(gè)基準(zhǔn)數(shù)據(jù)集上實(shí)現(xiàn)了中文分詞領(lǐng)域的最佳成績(jī).[52]

表3整理了近幾年詞匯儲(chǔ)備評(píng)估研究進(jìn)展，研究角度有口語(yǔ)自動(dòng)評(píng)分、數(shù)據(jù)增強(qiáng)方法、語(yǔ)音識(shí)別與轉(zhuǎn)錄等.

表3 詞匯儲(chǔ)備評(píng)估研究進(jìn)展

2.4 語(yǔ)言表達(dá)評(píng)估

語(yǔ)言表達(dá)是指用口頭語(yǔ)言和書面語(yǔ)言來(lái)表達(dá)自己的思想、情感，以達(dá)到與人交流的目的的一種能力[62].在醫(yī)學(xué)評(píng)估過(guò)程中，醫(yī)生會(huì)按一定規(guī)則選擇不同詞匯，根據(jù)詞匯內(nèi)容制作圖片，讓兒童看圖說(shuō)出圖中的事物名稱[1].這是一種限制回答主題的評(píng)估方式[45]，如圖2所示，在兒童理解圖片內(nèi)容后，需要兒童說(shuō)出看到的水果(梨、蘋果、香蕉)，觀察兒童是否能清楚的表達(dá).

圖2 語(yǔ)言表達(dá)能力評(píng)估

語(yǔ)言表達(dá)能力的評(píng)估較為主觀[63]，不同研究人員提出的評(píng)估細(xì)則也存在差異[63-65].在醫(yī)學(xué)評(píng)估場(chǎng)景中，醫(yī)生會(huì)將更多的注意力集中在關(guān)鍵詞匯上，醫(yī)生以兒童說(shuō)出圖片中的關(guān)鍵詞匯數(shù)量來(lái)直觀的評(píng)估其表達(dá)能力.以關(guān)鍵詞數(shù)量來(lái)衡量?jī)和Z(yǔ)言表達(dá)能力是一種弱化語(yǔ)法、詞匯發(fā)音、流暢度的評(píng)估方法，該方法側(cè)重于評(píng)估兒童的理解力和表達(dá)準(zhǔn)確性.

在語(yǔ)音中找到特定的關(guān)鍵詞或短語(yǔ)是語(yǔ)音自動(dòng)處理的基本問(wèn)題之一，該問(wèn)題有2種解決途徑：第1種是將自動(dòng)語(yǔ)音識(shí)別(ASR)和文本匹配技術(shù)結(jié)合，在語(yǔ)音中進(jìn)行預(yù)定義搜索和針對(duì)性搜索[66]，即先將語(yǔ)音轉(zhuǎn)換為文本，再通過(guò)文本匹配技術(shù)進(jìn)行關(guān)鍵詞匹配.ASR研究進(jìn)展已在2.3小節(jié)進(jìn)行介紹，文本匹配方面，Mozer et al.(2020)對(duì)100多種文本數(shù)據(jù)匹配方法進(jìn)行了對(duì)比評(píng)價(jià)[67]，并探討不同參數(shù)、度量準(zhǔn)則的選取對(duì)匹配結(jié)果的影響；另一種解決途徑是為預(yù)先指定的詞匯構(gòu)建自定義檢測(cè)器[66]，即訓(xùn)練特定關(guān)鍵詞的識(shí)別模型，從語(yǔ)音中直接識(shí)別關(guān)鍵詞匯片段.關(guān)鍵詞識(shí)別方面，Tabibian.(2020)綜述中歸納梳理了口語(yǔ)關(guān)鍵詞識(shí)別領(lǐng)域的特征提取、模型訓(xùn)練、搜索算法、閾值分割等方面的內(nèi)容[68].從目前的研究現(xiàn)狀來(lái)看，關(guān)鍵詞識(shí)別的研究主要朝著降低資源需求和提高準(zhǔn)確率的方向發(fā)展.

表4整理了近幾年語(yǔ)言表達(dá)評(píng)估研究進(jìn)展，研究角度有關(guān)鍵詞邊界定位、少示例或零示例關(guān)鍵詞識(shí)別、低功耗關(guān)鍵詞識(shí)別等.

表4 語(yǔ)言表達(dá)評(píng)估研究進(jìn)展

3 數(shù)據(jù)集與性能評(píng)估

3.1 數(shù)據(jù)集

使用公共的數(shù)據(jù)集是各類自動(dòng)化評(píng)估方法客觀、公正的基礎(chǔ).當(dāng)下可用于CLDD臨床表現(xiàn)識(shí)別研究的數(shù)據(jù)樣本匱乏，我們從CLDD臨床表現(xiàn)角度歸納整理了相關(guān)數(shù)據(jù)集，如表5所示.

表5語(yǔ)言能力評(píng)估相關(guān)數(shù)據(jù)集

續(xù)表

3.2 性能評(píng)估

相關(guān)領(lǐng)域通常用精度(Accuracy, ACC)、查準(zhǔn)率(Precision, P)、查全率(Recall, R)、F1度量、真正例率(True Positive Rate, TPR)、假正例率(False Positive Rate, TPR)和混淆矩陣等指標(biāo)來(lái)評(píng)估模型的泛化性能.可以用正反例來(lái)標(biāo)記語(yǔ)音片段是異?；蛘?，模型對(duì)語(yǔ)音片段的判斷也可以使用正反例來(lái)衡量.

以口吃中延長(zhǎng)音檢測(cè)為例，語(yǔ)音段中所有延長(zhǎng)音片段標(biāo)記為正例，其余片段為反例.延長(zhǎng)音檢測(cè)結(jié)果可能為：真正例(TP)—模型預(yù)測(cè)為正例，實(shí)際為正例；假反例(FN)—模型預(yù)測(cè)反例，實(shí)際為正例；假正例(FP)—模型預(yù)測(cè)為正例，實(shí)際為反例；真反例(TN)—模型預(yù)測(cè)為反例，實(shí)際為反例.預(yù)測(cè)結(jié)果的對(duì)應(yīng)關(guān)系見表6.

表6 混淆矩陣

精度(ACC)是分類正確的語(yǔ)音片段數(shù)量占總片段數(shù)的比例.查準(zhǔn)率(P)是被正確預(yù)測(cè)的口吃片段數(shù)量與被預(yù)測(cè)到為口吃片段總數(shù)的比例.查全率(R)是被正確預(yù)測(cè)的口吃片段數(shù)與真實(shí)存在的口吃片段總數(shù)的比例.假正例率(FPR)是被錯(cuò)誤預(yù)測(cè)的正常語(yǔ)音片段與總正常語(yǔ)音片段的比例.F1度量也稱為Dice相似系數(shù)，可用來(lái)衡量預(yù)測(cè)結(jié)果的有效性.

ACC=(TP+TN)/(TP+TN+FP+FN)×100%

(2)

P=(TP)/(TP+FP)×100%

(3)

R=(TP)/(TP+FN)×100%

(4)

FPR=(FP)/(TN+FP)×100%

(5)

F1=(2×P×R)/(P+R)

(6)

4 問(wèn)題與展望

4.1 存在問(wèn)題

在計(jì)算機(jī)輔助CLDD檢測(cè)領(lǐng)域中，主要存在以下問(wèn)題：

1) 尚未有應(yīng)用于檢測(cè)CLDD的CAD系統(tǒng).實(shí)現(xiàn)CAD系統(tǒng)需要大量的自動(dòng)化評(píng)估技術(shù)，相關(guān)自動(dòng)化評(píng)估技術(shù)的研究不夠成熟，不能達(dá)到有效的識(shí)別效果，使得CAD系統(tǒng)研究進(jìn)展緩慢.

2) 數(shù)據(jù)樣本匱乏.可用于臨床表現(xiàn)自動(dòng)化評(píng)估的數(shù)據(jù)樣本匱乏，公開的樣本庫(kù)的數(shù)據(jù)規(guī)模都很小.

3) 模型性能很難進(jìn)行對(duì)比評(píng)估.學(xué)者在使用公開相關(guān)數(shù)據(jù)集時(shí)，往往會(huì)自行采集數(shù)據(jù)進(jìn)行補(bǔ)充，實(shí)驗(yàn)性能評(píng)估不是建立在公共的數(shù)據(jù)集上.標(biāo)注量、標(biāo)簽類型都得不到統(tǒng)一，很難對(duì)各模型的性能進(jìn)行對(duì)比評(píng)估.

4) 自動(dòng)化評(píng)價(jià)指標(biāo)并未形成統(tǒng)一共識(shí).CLDD臨床表現(xiàn)的識(shí)別種類、評(píng)估程度等評(píng)價(jià)指標(biāo)，在不同研究文獻(xiàn)中存在一定差異，導(dǎo)致許多研究成果不能得到有效的整合與應(yīng)用.

5) 自動(dòng)化評(píng)估技術(shù)應(yīng)用效果還不理想.許多文獻(xiàn)中的實(shí)驗(yàn)是在小樣本等特定條件下進(jìn)行，一旦受測(cè)對(duì)象發(fā)生變化，結(jié)果就會(huì)不令人滿意.技術(shù)實(shí)際應(yīng)用過(guò)程中，還存在一些問(wèn)題尚未得到解決：說(shuō)話人的音色特征與構(gòu)音障礙特征很難有效分離[22];語(yǔ)速變化會(huì)給口吃評(píng)估性能造成較大影響[41];兒童聲學(xué)特征變化嚴(yán)重影響語(yǔ)音識(shí)別性能[60].

4.2 展望

應(yīng)用于檢測(cè)CLDD的CAD系統(tǒng)研究目前還處于初始階段，對(duì)該領(lǐng)域未來(lái)的研究前景，我們展望如下：

1) 多模態(tài)表示學(xué)習(xí).語(yǔ)音數(shù)據(jù)是CAD系統(tǒng)決策的主要信息來(lái)源，在檢測(cè)過(guò)程中有很多體態(tài)特征可以被捕獲，如脈搏、面部表情、肢體表達(dá)等，這些信息能夠使決策結(jié)果變得更為準(zhǔn)確，使用多源異構(gòu)數(shù)據(jù)實(shí)現(xiàn)多模態(tài)表示學(xué)習(xí)研究[53,98]逐漸受到關(guān)注.

2) 提供更多的輔助診斷信息.在傳統(tǒng)檢測(cè)過(guò)程中，專家會(huì)考慮一些更細(xì)微的語(yǔ)言能力特征，如語(yǔ)言感染力、情緒表現(xiàn)、反應(yīng)力等.相關(guān)評(píng)估技術(shù)具有開闊的研究前景，雖然個(gè)別領(lǐng)域已存在一定研究[99-100]，但實(shí)際應(yīng)用于語(yǔ)言能力檢測(cè)的過(guò)程中，還有很多問(wèn)題未被發(fā)現(xiàn)和解決.

3) 實(shí)現(xiàn)遠(yuǎn)程診斷.將云服務(wù)技術(shù)與CAD系統(tǒng)相結(jié)合，有望實(shí)現(xiàn)對(duì)專業(yè)資源有限的地區(qū)兒童進(jìn)行遠(yuǎn)程診斷.技術(shù)的引入可優(yōu)化傳統(tǒng)的診斷流程，初步診斷地點(diǎn)可以從醫(yī)院變?yōu)榧抑?，初步診斷結(jié)果中可包含就醫(yī)指導(dǎo)和恢復(fù)訓(xùn)練方案.

5 結(jié)語(yǔ)

計(jì)算機(jī)輔助CLDD檢測(cè)研究具有重要的社會(huì)和醫(yī)學(xué)價(jià)值，在目前CAD系統(tǒng)研究領(lǐng)域，將自動(dòng)化評(píng)估技術(shù)應(yīng)用于CLDD檢測(cè)的研究極其匱乏.本文以CLDD臨床表現(xiàn)展開，歸納整理各臨床表現(xiàn)的自動(dòng)化評(píng)估標(biāo)準(zhǔn)、技術(shù)研究方向、評(píng)估實(shí)現(xiàn)方法等方面的研究進(jìn)展.我們正在著力于采集更多的檢測(cè)數(shù)據(jù)，以便進(jìn)一步評(píng)估計(jì)算機(jī)輔助CLDD檢測(cè)的可行性.