Classification de la parole pathologique par réseau de neurones artificiels

Abstract

Notre travail concerne la classification automatique de la Parole Pathologique (PPath) par Réseaux de Neurones Artificiels (RNA). Le but ciblé est la caractérisation de cette dernière, en vue de son exploitation en réhabilitation dans un milieu hospitalier algérien. Nous avons élaboré un corpus de 240 fichiers sonores comprenant des voyelles soutenues, mots isolés et phrases en Arabe. Ce corpus a été enregistré par des locuteurs normaux et des patients aussi bien parkinsoniens (Pathologie Neurologique) que laryngectomisés (Pathologie Physiologique). Au préalable, nous avons effectué une analyse acoustique afin d'extraire les traits pertinents (fréquence fondamentale "F0", Jitter, Shimmer, HNR, TPZ, DUF, Energie, …). Ensuite, un Réseau de Neurones à Décalages Temporels "TDNN" (Time Delay Neural Network) a été appliqué afin de discriminer les deux types de PPath par rapport à la Parole Normale (PNorm). La méthode choisie nous a permis d’avoir des TR (%) appréciables des PPath par rapport à la PNorm, lorsque ces dernières sont prises dans un contexte isolé (95.00 % pour les Paroles Parkinsoniennes (PPark) et 97.50 % pour les Paroles OEsophagiennes (POEso)) et des taux respectifs de 92.50 % et 80.00 % pour les deux PPath lorsqu'elles sont mélangées. Notre travail pourra contribuer à la conduite de diagnostics automatiques, l'établissement de systèmes experts aboutissant à des taux appréciables d'identification des anomalies vocales (dysphonies, dysarthries, …) et l'aide à l'enseignement en Orthophonie.