Détection de la somnolence dans la voix : nouveaux marqueurs et nouvelles stratégies

Vincent P. Martin*, Jean-Luc Touas* and Pierre Philip**
*LaBRI – Univ. Bordeaux – Bordeaux INP – CNRS – UMR 5800
**SANPSY – Univ. Bordeaux – CHU Pellegrin – CNRS – USR 3413
Résumé
Cet article traite de la détection automatique de la somnolence dans la voix en vue de l’amélioration du suivi des patients souffrant de maladies neuropsychiatriques chroniques. Notre première approche s’inspire des systèmes état de l’art mais en les appliquant au cas particulier des patients atteints de somnolence diurne excessive (SDE). Nous basons notre étude sur le corpus TILE, qui diffère des autres corpus existants par le fait que les sujets enregistrés souffrent de SDE et que leur niveau de somnolence est mesuré de manière subjective mais aussi objective. Le système proposé permet de détecter la somnolence objective grâce à des paramètres vocaux simples et explicables à des non-spécialistes. Par la suite, nous avons développé une approche originale basée sur les erreurs de lecture que nous avons confrontées aux différentes mesures de somnolence du corpus. Nous montrons ici que relever ces erreurs peut être utile pour élaborer des marqueurs robustes de la somnolence objective.
Résumé (en anglais)
This paper deals with automatic sleepiness state estimation using speech applied to the follow-up of patients suffering from chronical neuropsychiatric diseases. Our first approach draws from state-of-the-art systems to estimate sleepiness level from voice, for the specific case of patients suffering from Excessive Daytime Sleepiness (EDS). We base our study on the MSLT corpus, that differs from other existing corpus by the fact that recorded subjects suffer from EDS and that their sleepiness level is measured by both subjective and objective means. The proposed system allows to detect objective sleepiness with simple vocal markers that are explainable to non-specialists. Furthermore, we devised a new method based on the reading errors and investigate their links with sleepiness measurements. We show that evaluating these reading errors can be useful to elaborate robust markers of objective sleepiness.