劉陽 李進(jìn)讓

1 引言

嗓音客觀聲學(xué)評(píng)估是嗓音醫(yī)學(xué)中重要的評(píng)估手段，具有經(jīng)濟(jì)、高效、無侵入的特點(diǎn)，患者舒適度高，在臨床中被廣泛使用。通過嗓音聲學(xué)評(píng)估分析，可發(fā)掘出人耳主觀辨識(shí)難以覺察的特性，彌補(bǔ)主觀聽感覺評(píng)估的不足。在嚴(yán)格控制測(cè)試流程時(shí)，聲學(xué)評(píng)估可降低人為因素的影響，對(duì)發(fā)音人的發(fā)音狀況進(jìn)行客觀評(píng)估，測(cè)試結(jié)果更加穩(wěn)定可靠。因此,不論是治療前全面了解患者嗓音狀況，還是治療前后療效對(duì)比，客觀聲學(xué)評(píng)估都有顯著的臨床意義。盡管客觀嗓音聲學(xué)評(píng)估已使用多年，但目前的參數(shù)特征在區(qū)分各類嗓音疾病時(shí)仍存在一定困難。常規(guī)使用的嗓音參數(shù)特征難以與人耳主觀聽感覺評(píng)估結(jié)果建立直接的對(duì)應(yīng)關(guān)系。如何使客觀聲學(xué)評(píng)估結(jié)果與主觀聽感覺評(píng)估結(jié)果相一致，甚至直接依靠客觀聲學(xué)評(píng)估結(jié)果對(duì)嗓音疾病類型進(jìn)行診斷是學(xué)者研究探索的重點(diǎn)之一[1～3]。氣息音（breathiness）是發(fā)聲時(shí)氣流通過聲門時(shí)產(chǎn)生的聲音，可以反映聲門的閉合狀況。在部分語言中，一定程度的氣息音具有區(qū)分語義的作用。但當(dāng)聲門閉合受嗓音疾病影響時(shí)，發(fā)聲氣化程度明顯過大，從而影響嗓音音質(zhì)，因此，氣息聲是嗓音音質(zhì)評(píng)估中的一個(gè)重要特征。在嗓音的主客觀研究中，均十分重視對(duì)氣息音的評(píng)估。常用的主觀聽感覺評(píng)估法，不論是GRBAS評(píng)估法（the overall dysphonia grade, roughness, breathiness, asthenia and strain，GRBAS scale）[4]還是聽覺一致性感知評(píng)估（嗓音）法（the consensus auditory perceptual evaluation-voice，CAPE-V scale）[5]，氣息音均是其中重要的一項(xiàng)。通過客觀方式識(shí)別量化氣息音的研究亦開展多年，第一諧波和第二諧波的振幅差（H1-H2）、第一諧波和第一共振峰的振幅差（H1-A1）、第一諧波和第三共振峰的振幅差（H1-A3）、倒譜峰突出（cepstral peak prominence，CPP）可用于反映嗓音中的氣息音成分[6，7]。本文以氣息音為特征，對(duì)嗓音疾病進(jìn)行分類預(yù)測(cè)。

2 對(duì)象和方法

2.1 研究對(duì)象

從我院嗓音聲學(xué)評(píng)估受試者中隨機(jī)抽取4組進(jìn)行本研究，分別為聲帶麻痹患者、器質(zhì)性嗓音疾病患者（以聲帶息肉患者為主）、功能性嗓音疾病患者（以聲嘶、肌緊張性發(fā)聲障礙為主）及正常受試者各30人。所有受試者均經(jīng)過喉鏡檢測(cè)，由專業(yè)醫(yī)師進(jìn)行診斷。

2.2 研究方法

2.2.1 錄音 所有錄音、測(cè)試過程均在安靜室內(nèi)完成。采用DiVAS嗓音分析系統(tǒng)進(jìn)行語音信號(hào)錄制。測(cè)試時(shí)受試者維持坐姿，采用發(fā)卡式標(biāo)準(zhǔn)化麥克風(fēng)采集音頻信號(hào)，為降低近講效應(yīng)影響，換能器置于口唇約30 cm處。軟件默認(rèn)采樣率為20 kHz。所有受試者均需按引導(dǎo)指令持續(xù)發(fā)元音/a/3～5秒。

2.2.2 數(shù)據(jù)處理 從每位受試者的持續(xù)元音/a/錄音中，去除頭尾各0.25秒，以100毫秒為一幀，隨機(jī)抽取20幀，每幀保存為一個(gè)語音片段，并標(biāo)記為原始錄音對(duì)應(yīng)的疾病類型。使用voice sauce語音分析軟件對(duì)抽取后的所有語音片段進(jìn)行分析。提取H1-H2、H1-A1、H1-A3、CPP數(shù)值。對(duì)抽取出的數(shù)據(jù)進(jìn)行人工復(fù)核，剔除異常數(shù)據(jù)。清洗后的所有數(shù)據(jù)包括功能性嗓音疾病組689個(gè)，器質(zhì)性疾病組496個(gè)，聲帶麻痹組602個(gè)，正常組521個(gè)，各組整體規(guī)模相近。對(duì)每段語音片段的特征值序列求取均值。將所有數(shù)據(jù)合并為一個(gè)數(shù)據(jù)集。

2.3 統(tǒng)計(jì)分析方法

采用scikit-learn軟件機(jī)器學(xué)習(xí)庫中的隨機(jī)森林分類法對(duì)數(shù)據(jù)進(jìn)行處理，建立分類器模型。對(duì)集中的有效數(shù)據(jù)進(jìn)行隨機(jī)分割，70%用于建立訓(xùn)練模型，30%用于驗(yàn)證模型的準(zhǔn)確率。分類器模型中的決策樹規(guī)模分別為100棵和200棵，分別采用單一特征和組合特征建立模型并檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性。

3 結(jié)果

在不同決策樹規(guī)模下，分別使用單一特征（H1-H2，H1-A1，H1-A3，CPP）和組合特征（H1-H2 & H1-A1 & H1-A3 & CPP）建立分類器模型，如表1所示。

表1 單一特征和組合特征vs 不同決策樹規(guī)模的正確率（%）

決策樹規(guī)模為100棵時(shí)，隨機(jī)森林分類模型對(duì)4類不同類型嗓音音質(zhì)的分類預(yù)測(cè)整體準(zhǔn)確率為70.99%，200棵時(shí)分類預(yù)測(cè)整體準(zhǔn)確率為71.14%，提升決策樹數(shù)量時(shí)，整體效益相近。不論何種決策樹規(guī)模，模型的分類效果均較好。如圖1混淆矩陣圖所示，正常嗓音組預(yù)測(cè)結(jié)果準(zhǔn)確率高達(dá)87%，對(duì)不同類型疾病組的分類預(yù)測(cè)準(zhǔn)確率亦接近70%。

圖1 以氣息音為特征的4種嗓音分類混淆矩陣

組合特征H1-H2、H1-A1、H1-A3、CPP在分類過程中的重要性如表2所示。

表2 特征重要性

4 討論

在聲帶振動(dòng)周期中，由于聲門間存在縫隙，從而導(dǎo)致氣息音的產(chǎn)生。造成氣息音的因素包括：（1）聲帶前段內(nèi)收不完全；（2）聲門后端功能不全時(shí)，在正常聲門閉合周期后會(huì)繼發(fā)聲門關(guān)閉不全，從而產(chǎn)生氣息音，如外展型痙攣性發(fā)聲障礙/肌緊張性發(fā)聲障礙、聲帶麻痹等；（3）當(dāng)存在組織結(jié)構(gòu)缺失、機(jī)械張力或肌張力不足時(shí)，可導(dǎo)致聲帶溝或弓形聲帶，在最大聲門關(guān)閉期，聲帶間形成棱型縫隙，從而產(chǎn)生氣息音；（4）聲帶存在損傷時(shí)，可能會(huì)出現(xiàn)各種情況的聲門裂隙；（5）兩側(cè)聲帶振動(dòng)相位不一致時(shí)[8]。

在對(duì)嗓音特征的研究中，氣息音是非常重要的特征，多項(xiàng)研究顯示，H1-H2、H1-A1、H1-A2、H1-A3、CPP可用于量化反映嗓音中的氣息音成分[6，7，9]。H1-H2是第一諧波和第二諧波的振幅差，是由Bickley1982年首先引入語音學(xué)研究中[6]，其反映了開放商的大小，H1-H2越大，開放商越大[7,10]，可感知的氣息音也越大[11]。當(dāng)H1-H2＞12.5 dB時(shí)，氣息音十分明顯；H1-H2介于8.3～12.5 dB時(shí)，嗓音表現(xiàn)為中度氣息音；H1-H2介于6.7～8.3 dB時(shí)，表現(xiàn)為輕度氣息音；H1-H2介于0～6.7 dB時(shí)，沒有氣息音[6]。 通常情況下，嗓音信號(hào)的氣化程度越高，頻譜向上傾斜的程度就越高，即H1＞H2；當(dāng)H1＜H2時(shí)，頻譜向下傾斜程度較高，嗓音呈現(xiàn)為嘎裂音；正常嗓音的頻譜傾斜程度在兩者之間。第一諧波的振幅相對(duì)頻譜中其它部分的變化可以很容易被感知。H1-H2的辨別差很小，僅需要3.18 dB就可以顯現(xiàn)出被識(shí)別的差異[12]。 Samlan等[9]通過計(jì)算機(jī)模擬分析認(rèn)為，聲帶突間距在1.0～1.5 mm時(shí)，H1-H2與之正相關(guān)，大于1.5 mm時(shí)則呈負(fù)相關(guān)[8]。通過H1-H2可以大致判斷氣息音的嚴(yán)重程度[6]。 Smith等[13]使用聲帶雙質(zhì)量模型模擬喉上神經(jīng)和喉返神經(jīng)麻痹的實(shí)驗(yàn)中，聲帶麻痹組的H1-H2高于健康組，說明H1-H2可以用于區(qū)分聲帶麻痹和健康嗓音。

H1-A1反映了聲帶后部的開合情況[14]。H1-A3可以更好地區(qū)分氣息音和正常發(fā)聲[15]。嗓音信號(hào)中諧波成分被掩蔽的程度越多，氣息音越明顯。氣息音明顯的嗓音信號(hào)，其高頻諧波被掩蔽的較多，這與H1-A3越高，氣息音越明顯相一致。

倒譜峰突出（CPP）是一種用于評(píng)估諧波峰值規(guī)律性的技術(shù)，規(guī)律的高振幅諧波比不規(guī)則的低振幅諧波產(chǎn)生更高的CPP。不完全閉合的聲門處產(chǎn)生湍流，從而產(chǎn)生2～3 kHz噪聲，改變嗓音的頻譜分布。因此，當(dāng)嗓音障礙導(dǎo)致諧波能量發(fā)生變化時(shí)，CPP可以很好地捕捉嗓音中諧波能量的相對(duì)振幅。通常情況下，CPP會(huì)隨聲帶突距離的增加而降低[8]。

通過臨床觀察發(fā)現(xiàn)，本研究采用嗓音類型分類方法，氣息音程度存在一定差異，但尚未有理論研究證實(shí)。因此，如果本研究可以獲得較高的分類準(zhǔn)確性，則證明氣息音可以作為此種分類方法的分類特征。本研究結(jié)果顯示，通過H1-H2、H1-A1、H1-A3、CPP可以獲得較高的分類準(zhǔn)確率，證明通過氣息音可以對(duì)功能性嗓音疾病、器質(zhì)性嗓音疾病、聲帶麻痹和正常嗓音進(jìn)行區(qū)分。

隨機(jī)森林是一種常用的機(jī)器學(xué)習(xí)算法，其本質(zhì)是隨機(jī)構(gòu)建立無關(guān)聯(lián)的決策樹。訓(xùn)練過程中，每棵決策樹根據(jù)基尼系數(shù)最小原則，彼此獨(dú)立地對(duì)樣本進(jìn)行建模。當(dāng)新的樣本進(jìn)入隨機(jī)森林后，其結(jié)果由所有決策樹投票產(chǎn)生。與傳統(tǒng)統(tǒng)計(jì)學(xué)分析方法相比，隨機(jī)森林更關(guān)注分類的結(jié)果，而不是分類的過程。在隨機(jī)森林建模過程中，決策樹的規(guī)模對(duì)模型的準(zhǔn)確率有較大影響。通常在合理范圍內(nèi)，決策樹數(shù)量越多，模型準(zhǔn)確率越高，當(dāng)決策樹數(shù)量達(dá)到飽和時(shí)，決策樹數(shù)量變化對(duì)結(jié)果的影響變小。本研究決策樹數(shù)量由100上升到200時(shí)，組合特征組的準(zhǔn)確率微小升高，單一特征組無變化，說明模型中的決策樹數(shù)量已經(jīng)飽和，決策樹的數(shù)量對(duì)結(jié)果影響不大，影響結(jié)果的因素是特征類型。

本研究采用的4個(gè)特征在辨別氣息音時(shí)哪個(gè)特征更有效一直存在爭(zhēng)論。H1-A3對(duì)氣息音的辨別更有效[15]；在識(shí)別嗓音障礙時(shí)，倒譜峰突出比其他聲學(xué)測(cè)量更敏感，特異性更高[16]。本研究中，當(dāng)決策樹數(shù)量處于飽和狀態(tài)時(shí)，分類器的表現(xiàn)如表1所示，使用單一特征時(shí)，CPP的分類效果最佳，約為38%；使用多特征組合時(shí)，CPP的特征重要性系數(shù)為28.06%，為4個(gè)特征中的第一位，這與Heman-Ackah的觀點(diǎn)[16]似乎更一致。 整體上說，不論是采用單一特征還是多特征組合形式，H1-H2、H1-A1、H1-A3、CPP在分類過程中的表現(xiàn)差異并不明顯。

常規(guī)的嗓音聲學(xué)分析中，常用方法是對(duì)持續(xù)元音中的穩(wěn)定段進(jìn)行分析，手動(dòng)選取穩(wěn)定段中時(shí)程約1秒的嗓音音頻文件，對(duì)其進(jìn)行時(shí)閾、頻域、擾動(dòng)等特征測(cè)量。該方法對(duì)算力要求低，易操作，測(cè)量結(jié)果為時(shí)程約1秒嗓音信號(hào)的平均值。通常情況下，成年男性基頻大于100 Hz，女性和兒童更高，常規(guī)方法獲得的平均值代表了至少100個(gè)嗓音周期。病理嗓音狀態(tài)下，嗓音信號(hào)特征的變異度增大，采用常規(guī)方式獲得的特征值細(xì)節(jié)信息丟失較多，只能描述該特征的大體輪廓，不能很好的體現(xiàn)其變異狀況。 故本文借鑒圖像信息處理中的常用技巧對(duì)語音段落進(jìn)行細(xì)致分割，使每個(gè)語音片段的時(shí)程遠(yuǎn)小于1秒，但又遠(yuǎn)大于一個(gè)嗓音周期，從而獲得相對(duì)精細(xì)且可靠的特征信息。

本文限于嗓音疾病病理學(xué)的進(jìn)展，僅選取了4種不同類型的嗓音音質(zhì)類型進(jìn)行分析。待有更多的理論基礎(chǔ)支持時(shí)，應(yīng)進(jìn)行更細(xì)致的嗓音疾病分類研究。

5 結(jié)論

通過客觀聲學(xué)測(cè)量獲得的氣息音特征參數(shù)H1-H2、H1-A1、H1-A3、CPP可以作為區(qū)分功能性嗓音疾病、器質(zhì)性嗓音疾病、聲帶麻痹和正常嗓音的分類特征，且可以獲得較好的分類效果。