Automated Assessment of Hypernasality in Motor Speech Disorders Using Nasal Cognate Distinctiveness and Nasal Posterior Probability

当一个人说话时，口腔后部的软腭就像一个闸门，将空气导向鼻子或口腔。在健康的语音中，这个闸门在发出大多数声音时会紧闭，仅在发出如“m”、“n”和“ng”等特定字母的声音时才开启。然而，对于患有运动性言语障碍（即大脑难以协调发音所需肌肉的疾病）的人来说，这个闸门可能无法正常关闭。其结果是鼻音过度（hypernasality），这是一种在原本应该是纯口腔音的过程中，过多的空气从鼻腔泄露出来的现象，使声音带有一种独特的、空洞的质感。虽然言语治疗师可以听出这种差异，但他们往往难以对其进行精确测量。仅依靠人类的耳朵是不一致的，这使得很难追踪患者是否在随时间改善，或是在不同人之间比较病情的严重程度。为了解决这个问题，研究人员开始开发自动化工具，通过监听语音录音并计算出鼻共振的具体程度，将主观印象转化为客观的数字。

一个研究小组致力于测试两种旨在捕捉这种鼻腔泄露的具体自动化方法。他们想知道这些基于计算机的测量手段是否能够准确反映运动性言语障碍患者鼻音过度的严重程度。第一种方法被称为“鼻音同源辨别度”（Nasal Cognate Distinctiveness），它侧重于一对对几乎完全相同、仅在是否为鼻音上有所区别的声音。例如，“p”是一个清塞音，而“m”是它的鼻音伙伴。计算机分析说话者区分这些配对声音的清晰度；如果说话者存在鼻音过度，那么“p”听起来会太像“m”，计算机就会检测到这种模糊感。第二种方法被称为“鼻音后验概率”（nasal posterior probability），它使用一种更先进的、基于语言规则训练的计算机模型来估算任何给定声音包含鼻腔能量的可能性。与第一种方法不同——传统上只关注像“p”、“t”和“k”这样的塞音——第二种方法在更广泛的声音范围内进行了测试，包括其他辅音甚至元音，以观察鼻腔信号是否延伸到了这些“常客”之外。

为了测试这些工具，研究人员收集了来自561人的句子级语音录音。这一群体包括374名神经功能正常的个体作为基准，以及187名被诊断为运动性言语障碍的患者。每段录音也由受过训练的言语治疗师进行评分，他们根据专业判断给出严重程度评分。研究人员随后对录音进行了自动化分析，寻找其中的模式。他们发现，随着人类专家评定的鼻音过度程度增加，第一种测量指标——鼻音同源辨别度通常会下降，表明区分口腔音和鼻音变得越来越困难。与此同时，第二种测量指标——鼻音后验概率则会上升，标志着鼻腔能量的存在感增强。数据表明，这些变化并非随机发生的；它们与人类对严重程度的评分紧密相关。

该研究还调查了这些自动化测量手段是否能够区分没有鼻音过度和存在鼻音过度的说话者。当研究人员比较这两种方法的表现时，他们发现两者在区分这两个群体方面都非常有效。专注于声音配对的方法和分析鼻音特征概率的方法都取得了相似的成功率。或许更令人惊讶的是，研究人员发现，当第二种方法应用于元音时，其效果与应用于辅音时一样好。这一发现挑战了旧有的假设，即认为鼻音问题仅在特定的塞音中可见。数据表明，鼻腔信号存在于整个言语频谱中，并且在整个频谱中都是可测量的，从辅音的锐利边缘到元音的平滑流动，这两类声音都显示出与病情严重程度之间的相同强关联性。

为了确保这些工具足以用于现实世界，团队还检查了如果一个人两次说同一句话，测量结果是否保持一致。他们对20名健康对照组人员进行了两次独立的录音，并对比了结果。分析显示，对于绝大多数重复录音，测量结果保持稳定，只有极少数情况显示出的变化大到足以被视为真实的差异而非仅仅是正常的波动。这一步骤提供了一个关键的基准，用于理解测量值需要改变到什么程度，临床医生才能确信患者的情况确实有所改善或恶化。研究结论认为，这两种自动化方法都提供了衡量鼻音过度的有效且客观的方式。它们捕捉到了相同的底层声学现实，并提供了一种一致的、数据驱动的方案，作为对仅依赖人类耳朵的替代，为理解和追踪运动性言语障碍提供了更清晰的路径。