Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: terapia logopedyczna

Sortuj według:

Ogranicz wyniki do:

Komputerowe wspomaganie terapii logopedycznej

Kostrzewa B., Staszuk A.

Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna

2013

Vol. 19, nr 4

176--180

Trudność wymowy głoski „r” sprawia, że dzieci uczą się jej jako ostatniej, dlatego znaczna część polskiego społeczeństwa nie wymawia tej głoski poprawnie. Powoduje to problemy w nauce (dysleksja), jak również odbija się na życiu emocjonalnymi i społecznym. Bagatelizowany problem doskwiera również w dorosłym życiu, powodując częste kompleksy, które mogą wpływać niekorzystnie na zdrowie osób cierpiących na wadę wymowy. Przyczynia się także do rozwoju chorób cywilizacyjnych, takich jak depresja czy nerwica. Aby ułatwić osobom dorosłym naukę wymowy głoski „r”, stworzono specjalną aplikację wspierającą terapię logopedyczną, zawierającą zestaw ćwiczeń do nauki wraz z filmami instruktażowymi poprawnego wykonania ćwiczeń. Zmontowano również zestaw pomagający w oszacowaniu poprawności wymawiania tej głoski. Przedstawione rozwiązanie daje pacjentowi możliwość codziennych ćwiczeń i samodzielnej oceny ich wykonania oraz stanowi alternatywę dla sesji logopedycznych, które w przypadku osób dorosłych są nierefundowane.

The consonant „r” is difficult to pronounce and children rarely learn its pronunciation before their fifth year of age. A significant part of Polish society is not able to pronounce “r”, correctly. This disability causes a lot of problems with learning (dyslexia) and has an influence on emotional and social life (complexes). It contributes to the development of civilization diseases, like depression or neurosis. To help adults learn to pronounce “r” properly, a specially designed computer-aided therapy is proposed. It consists of instructional videos with selected mouth and tongue movement trainings, selected speaking words and sentences with “r” exercises on several levels, as well as a special electronic circuit, which was designed and soldered to real-time visual assessment of the pronunciation accuracy. This solution offers patients the possibility of daily exercises with visual analysis of pronunciation accuracy and is an alternative to speech therapy sessions, which in case of adults, are not reimbursed by health care insurance system.

Wykorzystanie metody niejawnych modeli Markowa w automatycznej detekcji wybranych wad wymowy

Wielgat R., Zieliński T., Świętojański P., Żołądź P., Woźniak T., Grabias S., Król D.

Pomiary Automatyka Kontrola

2007

R. 53, nr 9 bis

417--420

W artykule przedstawiono wyniki badań dotyczących automatycznej detekcji wad wymowy u dzieci. Jako materiał badawczy zostały wykorzystane nagrania pochodzące od dzieci z wadami wymowy. Zadanie polegało na rozpoznaniu nieprawidłowo realizowanego fonemu w wybranych słowach testowych. Detekcja była dokonywana za pomocą metod rozpoznawania mowy, w których jako cec sygnału mowy użyto dwóch najbardziej obiecujących rodzajów cech: współczynnika MFCC praz współczynników HFCC. Jako klasyfikatora użyto metody niejawnych modeli Markowa (HMM), gdzie modelowanymi jednostkami fonetycznimi były zarówno fonemy jak i całe słowa. W badanych metodach dobrano ich parametry w celu zmaksymalizowania skuteczności rozpoznawania. W artykule zaprezentowano również analizę porównawczą wyników rozpoznawania otrzymanych z wykorzystaniem metody HMM oraz testowanej w poprzednich pracach metody nieliniowej transformacji czasowej (DTW).

The results of research on automatic detection of the pathological phoneme pronunciation are presented in the paper. Speech samples came from speech impaired children and persons who imitated pathological phoneme pronunciation. The recognition task was to find wrongly realized phoneme in the selected test utterances. At the reature extraction stage the most effective features` types have been used: standard Mel-Frequency Cepstral Coefficients (MFCC) and recently proposed Human Factor Cepstral Coefficients (HFCC). As a classificator hidden Markov models, with modeled speech unit being a phoneme as well as a whole word, have been used. The parameters of the HMMs were adjusted in order to achieve the best recognition accuracy. Comparision of the HMM and DTW methods is also presented in the paper.