Core Concepts
자기지도학습 모델이 마비말장애 분류, 단어 인식, 지능성 분류 등의 과제에서 기존 음향 특징 기반 모델보다 우수한 성능을 보였다.
Abstract
이 연구는 마비말장애 평가를 자동화하는 데 있어 자기지도학습 모델의 활용 가능성을 평가했다.
- 마비말장애 데이터셋이 작아 자동 평가 모델 개발이 어려운 문제를 해결하고자 했다.
- 건강한 음성 데이터로 사전 학습된 HuBERT, wav2vec2, Modified CPC 등의 자기지도학습 모델을 사용했다.
- 마비말장애 분류, 단어 인식, 지능성 분류 등 3가지 과제에서 자기지도학습 모델이 기존 음향 특징 기반 모델보다 우수한 성과를 보였다.
- 특히 HuBERT가 가장 범용적인 특징 추출기로 나타났다.
- 환경 변화(잡음 추가, 잡음 제거)에도 자기지도학습 모델의 성능이 안정적이었다.
- 환자 단위 예측 분석 도구를 제안하여 개인별 평가 결과를 해석할 수 있게 했다.
Stats
마비말장애 환자 중 고도 중증(H) 4명, 중등도(M) 4명, 경도(L) 4명, 극심도(VL) 2명의 음성 데이터를 사용했다.
건강한 대조군 환자 2명의 음성 데이터도 포함되었다.