论文
病理性言语评估模型对声学特征了解多少？口腔癌和口咽癌患者的案例研究
What Does a Pathological Speech Assessment Model Know about Acoustic Features? A Case Study on Oral and Oropharyngeal Cancer Patients
摘要
这项工作通过典型相关分析，研究了基于 Wav2Vec 2.0 的言语清晰度评估模型对口腔癌和口咽癌患者的可解释性。通过测量模型嵌入和 eGeMAPS 底层描述符 (LLD) 之间的相关性作为可解释的参考，我们分析了声学信息如何跨模型层进行编码。分析在两个层面上进行：单个 LLD 分层和组层面：韵律、频谱和语音质量。结果表明，学习到的表示与频谱和韵律特征的相关性最强，第一个 MFCC 系数在所有层中产生最高的相关性。在群体层面，频谱组和韵律组的相关性分别达到 0.77 和 0.71，而语音质量达到 0.65。除了模型的可解释性之外，这项工作还为病理语音评估的声学特征选择提供了实用指导。