病理语音评估

该研究用 11 个声学参数加随机森林区分女性双侧声带小结与健康嗓音，最强证据是声调 3 模型准确率 0.836 与 AUC 0.902，代价是仅覆盖女性北方官话单字朗读且未验证连续语流与男性泛化。

该研究以标准化朗读任务的时间声学测量为输入，用主成分分析加层次聚类找出慢而分段与快而连续的第一维度和节律规整性的第二维度，得到 5 个与疾病分期和感知严重度不完全对应的口语轮廓，但样本小且仅用时间测量因而不能单独判定临床严重度。

该研究以 17 例肌张力障碍患者术前与术后 6 个月、12 个月的文本朗读为对象，用混合线性模型检验韵律声学参数变化，报告仅平均基频在术前与术后 12 个月之间显著不同，其余参数稳定，作者将其解读为无韵律层面的整体改善但也无有害效应。

该研究用朗读句与加速绕口令的任务差值比较口语流利自闭症与典型发育儿童的平均基频与语速，发现自闭症女孩加速与升调幅度最大，且症状越重任务差值越小，但该关联在男孩中更强，代价是样本小且仅覆盖两类韵律指标。

以 95 次自发语 donc 比较话语标记与常规连词在口吃组与对照组的实现，显示总时长与整体不流畅分布无显著差异，而尾音/k/占比、前暂停与前音高跳变呈现组别与用法交互，但样本仅 18 人且只覆盖一个词。

该研究用自适应低通滤波去掉可懂语义后，比较 33 名评分者对 25 人语音的韵律判断与 108 个声学时序特征训练的逻辑回归分类器在 251 人数据上的表现，两者准确率均为 80.0%，代价是灵敏度中等且韵律标记与症状总分无显著关联。

该研究把 Prosody Assessment 的 8 个接受性与 4 个表达性子测验搬到远程 Qualtrics 上，用 224 名 4-13 岁典型发展儿童和 48 名 4-17 岁自闭症儿童检验年龄敏感性与组间差异，最强证据是典型组除表达性升降调外均随年龄显著进步而自闭症组在情感与语用子测验上显著落后，代价是无常模、表达性评分标准模糊与部分任务存在文化 …

该个案以四组同音节五声调重复任务结合五位母语听辨与基频时长声学测量，显示总体听辨正确率仅 36.1% 且高调 T1 仅 6%，代价是单被试、无纵向干预对照，不能推广为群体规律。

该研究用图片描述语音的声学流畅性与文本流畅性双路特征加注意力多示例学习，在 742 人 SONIVA 语料上不依赖影像预测中风状态、偏侧、体积三分级和 12 个半球脑叶受累，并报告左半球偏文本、右半球偏声学的特征依赖梯度与定位性能差距。

针对临床访谈数据少导致视觉编码器学不好，该工作用音频文本为条件合成视觉特征并与识别器联合优化，在 DAIC-WOZ 上 F1 达到 0.86、在 E-DAIC 上 CCC 达到 0.69，代价是依赖词级对齐与端到端联合训练的复杂度。

共收录 103 篇 cvpr-2026 会议论文的 Reader 深度解读

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

该研究针对波兰儿童浊卷舌擦音发音部位分类，用支持向量机比较梅尔倒谱、谱描述子、摩擦噪声与新提出谱比值特征及多种特征选择方法，最强证据是梅尔倒谱加谱描述子加谱比值配合套索选择达到灵敏度 0.72 与特异度 0.81，代价是小样本与类别不平衡下的稳定性仍需更多验证。

该文把轻量语音转文本后的饼干失窃描述转成词共现图，用两层图卷积区分阿尔茨海默症与健康人，在 ADReSS-o 上主体词图达到 88.73%、精炼版 90.14%，代价是词表依赖该图片描述任务且只用文本模态。

该文在 AVEC2014 上用固定的两层感知机隔离融合设计的影响，以线性加权平均管模态可靠性、有序加权平均管特征显著性做向量保留式联合加权，在分类取得 85.7% 准确率与 0.88 的 AUC、回归取得 8.1 的均方根误差与 0.44 的一致性相关系数的同时，在 0 分贝强噪声下仍保持相对可控的退化，代价是可靠性打分依赖的信号质量指示与排序后权重构造细节 …

共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读

共收录 199 篇 acl-2026 会议论文的 Reader 深度解读

论文用固定文字、只改声音的合成对照测音频语言模型能否把可听症状用于分诊，最强证据是高风险声音配安心文字时多数模型仍跟文字走，而代价是大量平局与无效输出且声学敏感度随疾病和模型剧烈波动。

针对神经退行性疾病语音监测中临床量表噪声大与小数据难复用的问题，论文提出只要求预测分数服从样本间排序的比较器损失，在仅用自报三级标签训练的条件下得到与 ALSFRS-R 等未见标注相关的严重度分数，其代价是分数绝对值无标定且对录音条件偏移敏感。

该工作用自发语音同时检验阿尔茨海默病淀粉样蛋白阳性预测与原发性进行性失语三分类，对比拼接加注意力池化的 DMHAM 与词级对齐加门控交叉注意力的 CogniAlign，最强证据是西班牙语 SPIN 队列上 CogniAlign 加手工声学特征达到淀粉样预测准确率 83.86%，代价是 PPA 小样本三分类不稳定且手工特征在不同任务上时而冗余时而互补。