Diagnostic de l'hypernasalité assisté par intelligence artificielle à partir d'échantillons de parole évalués par le CAPS-A-AM dans la dysfonction vélopharyngée pédiatriqueArtificial Intelligence-Based Hypernasality Diagnosis Using CAPS-A-AM Rated Speech Samples in Pediatric Velopharyngeal Dysfunction.
Parole et phonologieLangage expressifAuditionEnfanceAdolescence
Non déterminableRobustesse méthodologiquePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible
Cette étude prospective monocentrique a développé un algorithme préliminaire de détection de l'hypernasalité par apprentissage automatique à partir de spectrogrammes mel de voyelles hautes (/i/ et /u/) extraits de voyelles soutenues, de mots isolés et de phrases, chez 40 enfants âgés de 2 à 17 ans présentant une dysfonction vélopharyngée, des conditions asso...