Neurol Rehabil 2022; 28 (2): 69-72
Automatisierte Diagnose prosodischer Störungen bei Aphasie mittels künstlicher neuronaler Netze
J. Haring1, C. J. Werner2, C. Kohlschein1, U. D. Peitz2, B. Schumann-Werner2, J. Niehues3
1 HotSprings GmbH, Aachen, Deutschland
2 Klinik für Neurologie, Medizinische Fakultät RWTH Aachen, Deutschland
3 Department of Data Science and Knowledge Engineering, Maastricht University, Maastricht, Niederlande
Zusammenfassung
Der Aachener Aphasie Test (AAT) erfasst auch die spontansprachlichen Leistungen eines Menschen mit Aphasie. Dieser Teil ist jedoch nur manuell durch geschultes Personal auswertbar. Die vorliegende Arbeit fokussiert auf die automatisierte Bewertung einer der sechs AAT-Spontansprachskalen. Im der vorgestellten Studie wird die Möglichkeit untersucht, künstliche neuronale Netze zur automatisierten Identifikation von Auffälligkeiten der Dimension »Prosodie und Artikulation« zu implementieren und verschiedene Ansätze hierzu werden verglichen. Ziel des Studienprogramms ist es, die Durchführung des AAT durch computergestützte Methoden unter Aufrechterhaltung bestehender Qualitätsanforderungen zu automatisieren.
Schlüsselwörter: Aphasie, Aachener Aphasie Test, künstliche neuronale Netze, Prosodie, Dysarthrie
Automated diagnosis of prosodic disorders in aphasia using artificial
neural networks
J. Haring, C. J. Werner, C. Kohlschein, U. D. Peitz, B. Schumann-Werner, J. Niehues
Abstract
The Aachen Aphasia Test (AAT) also records the spontaneous speech performance of a person with aphasia. However, this part can only be evaluated manually by trained personnel. The present work focuses on the automated scoring of one of the six AAT spontaneous speech scales. The possibility of implementing artificial neural networks for the automated identification of abnormalities of the dimension »prosody and articulation« is investigated and different approaches to this are compared. The aim of the study program is to automate the performance of the AAT using computerized methods while maintaining existing quality requirements.
Keywords: aphasia, Aachen Aphasia Test, artificial neural networks, prosody, dysarthria
Neurol Rehabil 2022; 28(2): 69-72| https://doi.org/10.14624/NR2202003
© Hippocampus Verlag 2022
Login für Abonnenten
Artikel kostenpflichtig bestellen
|
