音響特徴量を用いた自閉症児と定型発達児の識別 3-P-1 音響特徴量を用いた自閉症児と定型発達児の識別 ☆石井 良,高島 遼一,滝口 哲也,有木 康雄(神戸大), 中井 靖(川崎医療短期大),高田 哲(神戸大) 研究背景・目的 自閉症 自閉症患者は全国に約３６万人以上 福祉分野における情報技術の発展の重要性 早期発見、早期治療が重要 自閉症児の早期鑑別が実現 自閉症とは 先天性の脳機能障害 社会性や他者とのコミュニケーション能力に困難が生じる発達障害の一種 主な症状や特徴 対人相互反応の質的障害 意思伝達の著しい異常またはその発達の障害 活動と興味の範囲の著しい限局性 早期治療により自閉症患者の 社会的自立へつながる 提案手法 openEAR Forward selection method 従来は感情音声認識に用いられていたToolkit 音声データから989次元の特徴量を抽出できる ⇨ 次元数が多すぎる 提案手法の流れ ①特徴量の次元ごとに個別にスコアを算出 ②最大のスコアの次元Aを取り込む ③ StepNのスコアがStepN-1のスコアより良ければ①に戻る ④スコアの増加が停止すると終了 Fig. 1 System overview 実験条件 実験結果 73.5 提案手法 実験データ 日常会話単語 61.3 被験者(学習) 自閉症児15名(1089単語),定型発達児16名(1046単語) 被験者(テスト) 自閉症児5名(471単語),定型発達児5名(480単語) 特徴量 openEARによって抽出し Forward selection したもの 比較対象 実験データ 日常会話単語 被験者(学習) 自閉症児15名(1089単語),定型発達児16名(1046単語) 被験者(テスト) 自閉症児5名(471単語),定型発達児5名(480単語) Fig. 2 Classification results 特徴量 MFCC+Δ+ΔΔ(36次元) ⇨ MFCC+Δ+ΔΔ(36次元)に比べ大きく改善(12.2%) 特徴量 mfcc_sma[1]_iqr2-3 mfcc_sma_de[1]_linregc2 mfcc_sma[3]_max mfcc_sma_de[6]_linregc2 mfcc_sma[8]_max mfcc_sma[8]_skewness mfcc_sma[11]_skewness pcm_zcr_sma_kurtosis pcm_loudness_sma_linregc2 voiceProb_sma_de_minPos まとめと今後の課題 比較対象であるMFCC+Δ+ΔΔに比べ結果が大きく改善された openEARで抽出された特徴量の有効な次元に関する考察