CN105792752A - 用于诊断和治疗语言相关障碍的计算技术 - Google Patents

用于诊断和治疗语言相关障碍的计算技术 Download PDF

Info

Publication number
CN105792752A
CN105792752A CN201480065682.2A CN201480065682A CN105792752A CN 105792752 A CN105792752 A CN 105792752A CN 201480065682 A CN201480065682 A CN 201480065682A CN 105792752 A CN105792752 A CN 105792752A
Authority
CN
China
Prior art keywords
shell
born
computer
same parents
diagnosis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480065682.2A
Other languages
English (en)
Other versions
CN105792752B (zh
Inventor
P-S·哈鲁塔
C·S-F·哈鲁塔
K·B-F·哈鲁塔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202110208399.2A priority Critical patent/CN112992316A/zh
Publication of CN105792752A publication Critical patent/CN105792752A/zh
Application granted granted Critical
Publication of CN105792752B publication Critical patent/CN105792752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/04—Speaking
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Neurology (AREA)
  • Surgery (AREA)
  • Psychology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Psychiatry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本公开涉及用于诊断和治疗语言相关障碍的计算技术。此类技术实现经由网络递送至至少一个计算装置的计算机生成的诊断和计算机生成的治疗。所述诊断和治疗是针对每个患者通过对经由所述网络从所述患者获得的所述患者的产生和接收错误，连同在评估和治疗的每一阶段下的一组正确反应作出全面分析而加以定制。

Description

用于诊断和治疗语言相关障碍的计算技术
相关申请的交叉引用
本申请要求2013年10月31日提交的美国临时专利申请序列号61/898,052的优先权，所述申请出于所有目的以引用的方式完全并入本文中。
技术领域
一般来说，本公开涉及计算。更明确地说，本公开涉及用于诊断和治疗语言相关障碍的计算技术。
背景
在本公开中，在参考和/或论述文献、法令和/或知识项的情况下，此参考和/或论述并非承认所述文献、法令和/或知识项和/或其任何组合在优先权日期，可公开获得，对公众已知，是公共常识的一部分和/或根据适用的法定条文另外构成现有技术；和/或已知与解决本公开关心的任何问题的尝试相关。另外，不放弃任何事情。
语言在很大程度上是人类精神和交际功能的基础。因此，妨碍语言表达的一部分的障碍可带来广泛或显著的不利影响。这种障碍的一些流行实例包括语言相关障碍，诸如诵读困难、特殊语言缺损(SLI)、听觉处理障碍(APD)、失语症，或其它。举例来说，尽管诵读困难通常视为阅读障碍，但有这种疾病的个人经常也经历许多其它困难。在这些困难中有言语发音、注意力或记忆力方面的问题。因此，这些个人中的一些可能经常在学校很努力，尤其是要付出巨大的个人代价，这是因为诵读困难影响许多基本语言和认知功能。其他人经常会退学并经历自尊心或其它心理社会问题。然而，尽管这些语言障碍是普遍的，但很多专家(诸如老师或治疗专家)没有相应地受训练。
存在的这种问题状态因为以下事实而进一步更复杂：诸如诵读困难等一些语言相关障碍涵盖较宽的缺陷范围。因此，这些障碍作为研究和评估的构成是否恰好有用保留疑问。此外，尽管允许根据每个个别用户的缺陷自定步调和定制，然而对语言相关障碍的许多现有的诊断测试未被设计用于向广大群组实施。更糟糕的是，许多提供者仅仅停留在诊断上，而不继续推荐治疗来解决基于诊断发现的缺陷的甚至大部分。最多，将治疗与诊断相联系的一些提供者使用评估结果来选择预置治疗模块，这些治疗模块打算供所有用户在某种能力程度下执行。
尽管介入在医治这些障碍方面可以是有用的，但在目前，对阅读困难的介入治疗的状态令人气馁。举例来说，中学的一些阅读困难介入已产生令人失望的结果。此外，一些流行的阅读指导方法(诸如奥顿-吉林翰方法或基于奥顿-吉林翰的方法)部分或完全没有产生效能的充足的科学证据。
简要概述
本公开至少部分解决以上内容中的至少一者。然而，本公开可证明对其它技术领域是有用的。因此，不应将权利要求书解释为必定限于解决以上内容中的任一者。
一个或多个计算机的系统可被配置用来通过将软件、固件、硬件或其组合安装在系统上来执行特定操作或动作，所述软件、固件、硬件或其组合在操作中时使系统执行所述操作或动作。一个或多个计算机程序可被配置用来通过包含指令来执行特定操作或动作，所述指令在由数据处理设备执行时使设备执行所述操作或动作。
本公开的实例实施方案包含一种方法，所述方法包括：经由以下操作诊断语言相关障碍：经由第一计算机获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；经由所述第一计算机将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；经由所述第一计算机获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；以及经由所述第一计算机确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
本公开的实例实施方案包含一种系统，所述系统包括：第一计算机，其经由以下操作而有助于诊断语言相关障碍：获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
本公开的实例实施方案包含一种存储用于经由硬件处理器执行的指令集的非暂时性计算机可读存储媒体，其中所述指令集指示所述硬件处理器实现一种方法，所述方法包括：经由以下操作诊断语言相关障碍：经由第一计算机获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；经由所述第一计算机将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；经由所述第一计算机获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；以及经由所述第一计算机确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
附图说明
附图说明本公开的实例实施方案。这些图式不应解释为必定限制本公开。相同的数字和/或类似的编号方案在全文中可指相同的和/或类似的元件。
图1示出根据本公开的计算机网络模型的实例实施方案的示意图。
图2示出根据本公开的计算机网络架构的实例实施方案的示意图。
图3示出根据本公开的计算机网络图的实例实施方案的示意图。
图4示出根据本公开的计算机的实例实施方案的示意图。
图5示出根据本公开的基于生成模型的诊断过程的实例实施方案的流程图。
图6示出根据本公开的基于生成模型的治疗过程的实例实施方案的流程图。
图7示出根据本公开的诊断过程的实例实施方案的流程图。
图8示出根据本公开的治疗过程的实例实施方案的流程图。
图9示出根据本公开的诊断和治疗过程的实例实施方案的图式。
图10示出根据本公开的针对辅音的音位识别诊断壳层和胞的实例实施方案的图式。
图11示出根据本公开的针对元音的音位识别诊断壳层和胞的实例实施方案的图式。
优选实施方案的详细描述
现在参照附图更全面地描述本公开，附图中示出本公开的实例实施方案。然而，本公开可用许多不同形式实施且不应解释为必定限于本文中公开的实例实施方案。而是，提供这些实例实施方案以使得本公开是详尽且完整的，且向本领域技术人员全面地传达本公开的概念。
参照某些实例实施方案描述的特征可组合和次组合在各种其它实例实施方案中和/或与各种其它实例实施方案组合和次组合。而且，如本文中公开的实例实施方案的不同方面和/或元素也可用类似的方式组合和次组合。另外，一些实例实施方案(无论是个别地和/或集体地)可以是较大系统的组件，其中其它程序可优先于和/或另外修改其应用。另外，如本文中所公开，在实例实施方案之前、之后和/或与之并行地可能需要许多步骤。应注意，至少如本文中公开的任何和/或所有方法和/或过程可至少部分经由至少一个实体用任何方式执行。
本文中使用的术语可暗示直接的或间接的、全部的或部分的、暂时的或永久的动作或无动作。举例来说，当将元件称作在另一元件“上”、“连接”或“耦合”至另一元件时，那么所述元件可直接在另一元件上、直接连接或直接耦合至另一元件，和/或可存在介入元件，包含间接的和/或直接的变体。相比之下，当将元件称作“直接连接”或“直接耦合”至另一元件时，不存在介入元件。
尽管术语“第一”、“第二”等在本文中可用以描述各种元件、组件、区域、层和/或部分，但这些元件、组件、区域、层和/或部分不必受这些术语限制。这些术语用以区分一个元件、组件、区域、层或部分与另一元件、组件、区域、层或部分。因此，在不脱离本公开的教导的情况下，下文论述的第一元件、组件、区域、层或部分可称为第二元件、组件、区域、层或部分。
本文中所使用的术语用于描述特定实例实施方案且无意必定限制本公开。如本文中所使用，单数形式“一”和“所述”希望也包含复数形式，除非上下文另外清楚地指示。在本说明书中使用时，术语“包括”和/或“包含”指定所陈述特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其群组的存在和/或添加。
本文中参照本公开的理想实施方案(和中间结构)的说明来描述本公开的实例实施方案。因而，预期因为(例如)制造技术和/或容限而引起的相对于说明的形状的变化。
除非另外定义，否则本文中使用的所有术语(包含技术和科学术语)具有与本公开所属于的领域的技术人员通常理解的相同的含义。术语(诸如常用字典中定义的术语)应解释为具有与其在相关领域的上下文中的含义一致的含义，且不应用理想化和/或过度正式的意义解释，除非本文中明确地如此定义。
此外，相对术语(诸如“下方”、“下部”、“上方”和“上部”)可在本文中用以描述如附图中说明的一个元件与另一元件的关系。除了附图中描绘的定向之外，这些相对术语希望涵盖所说明的技术的不同定向。举例来说，如果附图中的装置被翻转，那么描述为在其它元件的“下”侧的元件将定向在其它元件的“上”侧。类似地，如果图式中的一个中的装置被翻转，那么描述为在其它元件“下方”或“下面”的元件将定向为在其它元件“上方”。因此，实例术语“下方”和“下部”可涵盖上方和下方两种定向。
如本文中所使用，术语“约”和/或“大体上”指相对于标称值/项的+/-10％的变化。此变化始终包含在本文中提供的任何给定值/项中，无论此变化是否特定地指所述值/项。
如果任何公开内容以引用的方式并入本文中且这些公开内容部分和/或完全与本公开冲突，那么就冲突和/或较宽的公开内容和/或较宽的术语定义来说，本公开处于支配地位。如果这些公开内容彼此部分和/或完全冲突，那么就冲突来说，日期较晚的公开内容处于支配地位。
在一些实施方案中，本公开实现用于向具有语言相关障碍的患者提供个性化诊断和治疗的计算技术。技术实现经由网络递送至至少一个计算装置的计算机生成的诊断和计算机生成的治疗。诊断和治疗是针对每个患者通过对经由网络从患者得到的患者的产生和接收错误以及每一评估和治疗阶段下的一组正确反应的全面分析而定制的。技术经由将患者的反应与针对所涉及的患者人群预测的所有可能的正确和不正确的反应的预置矩阵进行匹配来执行此错误分析。此错误分析使得技术能够提供个人特定的诊断和治疗胞，该单元高效地和全面地针对成为患者缺陷的基础的特定语言处理缺陷。胞中的每一者是集中于语言和/或语言功能的一方面的测试和/或实践单元。技术进一步实现存储患者的正确反应和不合语法的产生的数据库，基于该数据库采用学习分析计算机算法或类似方法来监测和改进校正语言处理缺陷的技术的效能。由于本公开涉及语言处理，因此本公开的范围进一步延伸超出语言结构到语言服务的交际和/或认知功能。随着对语言相关障碍和缺陷的科学理解有所改进，本公开也可用作针对被识别为处于风险中的人群的预防性程序。应注意，尽管语言相关障碍包括诵读困难、特殊语言缺损、听觉处理障碍和失语症中的至少一者，但也包含其它语言相关障碍。
在一些实施方案中，本公开使得能够使用患者的诊断结果来生成患者的定制治疗内容。经由使用计算机化的诊断和治疗程序，在向多个远程装置递送网络服务时，本公开在联系具有影响语言处理的障碍(诸如言语障碍、诵读困难、失语症，或本领域技术人员已知的其它障碍)的大量患者方面相对有效且有成本效益。经由使用云计算和/或具有可比的优点的其它网络技术，本公开作为在任何时间或任一天对多个移动用户可用的计算机化的程序提供方便，因而加强程序的效能。本公开使得能够运行程序并节省远程服务器上的至少一些患者数据，进而扩大可由患者采用的远程装置的数目。
本公开旨在从几个独特的方面诊断、评估和医治语言相关障碍。首先，在一些实施方案中，基于本公开的诊断是明确的，因为诊断至少部分是基于确定模型，从而识别每个患者的语言功能和结构中的特定问题区域的集合。每一评估等级确认并验证先前等级的分析。当前，对于已知的诵读困难没有可比的明确的诊断测试，因为患者的诵读困难是通过涵盖口语和认知能力的宽广范围的测试集合来判断的，这是因为诵读困难被视为智商(IQ)在正常范围内的在其它方面功能充分发挥的个人的意外的异常。因此，为了诊断诵读困难，心理学家目前可实施韦氏儿童智力量表-IV集成(WISC-IV)、韦氏个人成就测试-III(WIAT-III)、波士顿命名测试、Menyuk句法理解测试、广范围记忆和学习评定-II(WRAML-II)、皮博迪图片词汇测试-IV，以及具有执行功能的神经心理学评定和测试。这些测试让认证专家实施是耗时的且因此对于大多数家庭来说成本太高。此外，基于此测试的诊断通常是概率性的，基于标准数据的。尽管科学界的一些部门当前陈述IQ测试对于诊断诵读困难是不必要的，但相关领域仍缺乏可靠的诊断仪器。
第二，在一些实施方案中，本公开使得能够建立个性化评估和治疗。本公开实现更明确的诊断和高效且有效的治疗，这是因为公开的技术分析和/或解决每个患者在其每个训练阶段的接收和产生错误。程序个别地定制诊断和治疗胞来解决每个用户的基础的语言处理问题。举例来说，如果患者在诊断阶段期间的音位识别测试期间关于(“th”)发音发生错误，那么将具有此发音的单词包含在进一步诊断测试期间的分词测试中来确认问题并获得其处理缺陷的更精细的细节。这些细节可包含关于的这些问题发生的发音环境。发音环境是特定音位周围的语音语境，诸如邻近该音位的发音和/或该音位在一单词中的位置，诸如词首位置、词中位置和/或词尾位置。举例来说，患者可能对于在词尾位置的音位有困难，诸如teeth，但对在词首位置的音位没问题，诸如think。相比之下，当前，许多临床医师使用预置诊断测试，所述测试统一地应用于所有患者。此外，声称“基于个人的”当前使用的方法仅仅使用户进行至下一预置测试和/或基于先前表现在较高或相同难度下进行训练。这些预置的线性程序不能“细调”其训练方式，因为这些程序不能分析用户在其任务执行期间产生的错误模式，也不能使用分析结果来开发后续治疗，本公开则实现这些。此外，本公开通过生成新的治疗胞以基于其进行校正来实现“未来适用性”，即在任何治疗阶段对新发现的处理问题的反应。更明确地说，诊断、评估和/或治疗以非线性的生成方式紧紧地集成在本公开中，这是重要的，因为语言相关障碍往往以广泛的个体差异连续地发生。
第三，在一些实施方案中，本公开使得能够校正而不是补偿语言处理缺陷。更明确地说，诵读困难的医治一般来说可划分为借助校正方法的医治和借助补偿方法的医治。大多数提供者集中于补偿技术上且因此通常接受诵读困难作为终身缺陷。实际上，一些专家将诵读困难标记为终身疾病。极少试图校正问题的提供者还没有成功地以对于所涉及的人群来说可复制的方式做到。尽管一些认知科学家保留希望，但这个目标在该领域仍旧是难以达到的。另外，一些科学家得出结论，校正程序(诸如ScientificLearningCorporation的快速英文植入)没能实现此目标。希望与现实之间的这种差距的一个理由在本公开的上下文中是清晰的：校正程序(诸如快速英文植入)不能直接解决大多数个人的语言处理问题，因为校正程序是基于具有预置模块的线性模块。相比之下，本公开是非线性的且对每个用户在每个训练阶段的表现作出反应。此外，这些现有方法人工地修改言语输入并使用非言语发音以集中于处理速度上。相比之下，本公开不会用一方式数字地更改言语信号，使得输入听起来不再像自然言语。自然言语是没有言语损伤的母语使用者的口语产生并且是在自然环境中在人类交互期间自发地产生的。然而，自然言语的某些韵律特征可在兴奋瞬间或与幼童的交互期间夸大。实际上，本公开可使用夸大自然言语的韵律(即，音长、音高、重音)的说话者的现场和/或记录的言语作为输入来帮助用户清晰地听见输入。本公开不仅集中在听觉处理速度上，而且分析用户对语言的所有成分的产生和接收并且还解决大多数(如果不是所有)其它基础问题，包含词汇(单词)表示和检索。
第四，在一些实施方案中，本公开使得能够全面地校正每个用户的语言处理问题。这类语言相关障碍(诸如诵读困难)继续存在的一个理由是现有诊断、评估和治疗方法对每个个人的语言缺陷的多个方面不敏感。大多数当前方法最多记录患者的正确反应而丢弃不正确的反应。相比之下，本公开使得能够分析患者的不正确的反应来找出识别特定困难区域的错误模式。本技术使用这些错误模式来建立患者的语言接收和产生能力的模型，以用作针对和校正对每个人来说特定的(或独特的)仅有和所有问题的治疗的路标。在本公开中，错误分析用以将患者的实际反应与目标一组正确反应进行比较。举例来说，错误分析可基于患者在需要替代的语境中的省略和不正确的替代来揭示患者难以处理冠词(the、a、an)。贯穿整个治疗阶段的这种持续存在的错误分析允许计算机程序持续地更新治疗和评估，按需要进行修正。程序的这些独特力量因为程序的预测特征而成为可能，预测特征是基于具有这些语言处理障碍的患者人群和典型人群的口语行为和输出的集合的巨大知识库而建立的。因此，在当前在阅读介入方面缺乏有效的标准化方法的情况下，本公开实现个性化的数据驱动的方法。
第五，在一些实施方案中，本公开使得能够将学习分析算法和其它智能数据处理技术和/或人工智能(AI)技术，诸如IBM沃森、AppleSiri、GoogleNow或Microsoft小娜(Cortana)应用于所存储的患者反应的至少一个数据库以持续地改进程序效能。本公开实现累积的信息的数据提炼以发现(例如)频繁地生成的测试项的类型和因为首次尝试失败而重复的评估单元。程序使用这种类型的所存储的信息以将资源集中在改进最频繁地使用的测试类型的内容上和增强某些治疗胞的效用上，如本文中所描述。此信息存储在学习分析数据库中，如本文中所描述。举例来说，由于程序可识别患者大脑的哪些特定功能区域受影响，因此如从广大用户群组收集在此数据库中的此信息可用以预测每个新患者的进展路径，计划其治疗时间表，和/或估计治疗的持续时间。
在一些实施方案中，本公开实现包括诊断阶段和治疗阶段的计算机程序，诊断阶段和治疗阶段两者都基于以任何方式托管在至少一个计算机化数据库中的数据。程序经由网络与至少一个数据库介接。应注意，诊断阶段和治疗阶段中的至少一者可整体地或部分地发生，而没有语言相关障碍的临床医师的介入(无论是直接的还是间接的)。
可至少部分经由硬件模块和/或软件模块执行的诊断阶段包括多个诊断壳层和多个诊断胞的部署。在一些实施方案中，诊断壳层中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。诊断壳层中的每一者是用于充当语言功能测试的指定活动的程序。此程序不含有任何测试项。而是，测试是经由诊断胞递送的，诊断胞是经由将测试项插入至诊断壳层中生成的。更明确地说，每一诊断壳层是测试类型，而每一诊断胞是实际的特定测试。在一些实施方案中，诊断胞中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。本文中公开的技术使得能够通过将内容放置于诊断壳层中来针对每个患者生成诊断测试。因此生成的每一测试是诊断胞。举例来说，如果诊断壳层涉及词汇(单词)检索，那么程序生成涉及名词的第一诊断胞和涉及动词的第二诊断胞。程序经由从第一数据结构(诸如主矩阵)检索特定项和/或特定项集合来生成诊断胞。应注意，也可使用其它类型的数据结构，诸如队列、栈、卡片组、链表、表、树或其它。另外，应注意，第一数据结构可以是编索引的和可搜索的中的至少一者。
本公开的一些实施方案包括发音-符号匹配诊断壳层。举例来说，此壳层涉及经由匹配患者在经由程序输出的音频记录中听到的发音(诸如经由针对听到的发音/h/键入h)，患者诸如经由耦合至运行程序的计算机的键盘(无论是物理的和/或虚拟的)和/或诸如经由从耦合至运行程序的计算机的显示器上显示的选项集合进行选择来输入符号(诸如字母和/或字符)，。程序接着将患者的反应与数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括词汇通达诊断壳层。举例来说，此壳层涉及患者通过在设置的时间约束内对着耦合至运行程序的计算机的麦克风说出或通过经由耦合至运行程序的计算机的键盘(无论是物理的和/或虚拟的)键入来根据指定准则列出单词，诸如以“B”开头的单词。程序接着将患者的反应与数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的不正确的反应分类为种类集合(诸如基于发音的或语音错误、基于含义的或语义错误)，且将不正确的反应与如存储在数据结构(诸如主矩阵)中的相关种类的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括词汇检索诊断壳层。举例来说，此壳层涉及患者在物体的图像显示在耦合至计算机的显示器上时经由对着耦合至运行程序的计算机的麦克风说出或选择性地激活/单击来自显示器上显示的选项的列表/屏幕的名字来对物体命名。程序接着将患者的反应与数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的不正确的反应分类为种类集合(诸如基于发音的或语音错误、基于含义的或语义错误)，且将不正确的反应与如存储在数据结构(诸如主矩阵)中的相关种类的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括音节划分诊断壳层。举例来说，此壳层涉及患者拆分无论是经由耦合至运行程序的计算机的扬声器按听觉输出的和/或经由耦合至运行程序的计算机的显示器按视觉输出的。此单词拆分经由按次序输入单词中的若干个别音节(诸如un-der-stand)而发生，诸如经由键入至耦合至运行程序的计算机的键盘(无论是物理的还是虚拟的)中和/或对着耦合至运行程序的计算机的麦克风说出。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括分词诊断壳层。举例来说，此壳层涉及患者拆分耦合至运行程序的计算机的显示器上显示的单词。此单词拆分经由对着耦合至运行程序的计算机的麦克风按次序说出单词的个别音段(诸如针对click的)而发生。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括单词辨识诊断壳层。举例来说，此壳层涉及患者听记录的发音或单词和/或看耦合至运行程序的计算机的显示器上显示的符号或单词。患者经由突出显示(诸如经由输入装置，例如键盘或触控板)或单击印刷有该发音和/或符号或与读出的匹配的任何中的任一者(诸如经由输入装置，例如鼠标)来从显示器上显示的文章中挑选这些单词。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括音位识别诊断壳层。举例来说，此壳层涉及患者无论是在视觉上(诸如经由耦合至运行程序的计算机的显示器)和/或听觉上(诸如经由耦合至运行程序的计算机的扬声器)从一串输出的单词中挑选含有某个发音的任何单词。此挑选是经由单击显示器上的按钮(无论是物理的还是虚拟的)和/或对着麦克风重复选定的单词执行的。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括押韵诊断壳层。举例来说，此壳层涉及患者挑选与输出的单词(刺激单词)押韵的任何单词(反应单词)。输出的单词是在视觉上(诸如经由耦合至运行程序的计算机的显示器)和/或听觉上(诸如经由耦合至运行程序的计算机的扬声器)输出的。此挑选是经由在反应单词出现时单击显示器上的按钮(无论是物理的还是虚拟的)或经由对着麦克风说出与输出的单词(刺激单词)押韵的单词来执行的。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括词素辨识诊断壳层。举例来说，此壳层涉及患者用耦合至运行程序的计算机的输入装置(诸如鼠标)突出显示和/或在耦合至运行程序的计算机的键盘上键入在耦合至运行程序的计算机的显示器上显示的任何单词中发现的词缀。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断和/或治疗胞。
本公开的一些实施方案包括快速命名诊断壳层。举例来说，此壳层涉及患者在设置的时间约束下或按加速的速度对着耦合至运行程序的计算机的麦克风中读出在耦合至运行程序的计算机的显示器上闪烁的单词。单词可用任何方式显示，诸如从左到右一次一个字母或一些字母呈不同颜色或形式。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者在目标速度下的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括快速处理诊断壳层。举例来说，此壳层涉及患者在设置的时间约束下或按加速的速度执行至少另一诊断壳层中的测试中的一个或多个。程序接着将患者的反应与如存储在数据结构(诸如主矩阵)中的一组正确反应进行匹配，且提供患者在目标速度下的正确反应的总计并在需要时提供其它反馈。程序接着将不正确的反应与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
本公开的一些实施方案包括阅读流畅性诊断壳层。举例来说，此壳层涉及患者对着耦合至运行程序的计算机的麦克风阅读在耦合至运行程序的计算机的显示器上显示的文章。程序接着使用语音或言语辨识软件或在线助理来识别和记录阅读错误并在需要时给出反馈。在线助理可经由至少一种方法(诸如电话呼叫、电信会议会话、聊天或其它)联系。程序接着将任何捕捉到的阅读错误分类为种类集合(诸如基于发音的或语音错误、基于含义的或语义错误)，且将患者的错误与如存储在数据结构(诸如主矩阵)中的预测错误集合进行匹配以生成新的诊断胞和/或治疗胞。
应注意，任何胞测试或胞任务可通过新的形式或装置(诸如触摸屏特征、点击器或应用)执行。另外，应注意，任何胞测试或胞任务可在一个胞中重复。另外，应注意，任何胞测试或胞任务可设计为适合年龄的交互游戏。
可至少部分经由硬件模块和/或软件模块(无论与诊断模块不同还是作为一个模块)执行的治疗阶段包括多个治疗壳层和多个治疗胞的部署。在一些实施方案中，治疗壳层中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。应注意，这些实施方案可与治疗壳层中的至少一者相同和/或不同。治疗胞以与诊断胞从诊断壳层生成类似的方式从治疗壳层生成。在一些实施方案中，治疗胞中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。应注意，这些实施方案可与治疗胞中的至少一者相同和/或不同。另外，每一治疗胞含有训练单元和评估单元。训练单元允许借助新练习进行实践，而评估单元评定先前或目前涵盖的方面的表现。然而，在其它实施方案中，治疗胞以与诊断胞从诊断壳层生成不同的方式从治疗壳层生成。而且，在一些实施方案中，训练单元中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。此外，在一些实施方案中，评估单元中的至少一者可经由指令集、功能、程序、调用、例程、子例程、向量、算法、试探法、参数、准则、小程序、程序库、操作、命令、模块、数据结构(例如，矩阵、队列、阵列、栈、卡片组、链表、表、树或其它)、类别、对象、节点、旗标、字母数字值、符号值、散列、文件、驱动程序、软件应用和/或其任何组合和/或等效物中的至少一者实施。应注意，这些实施方案可与训练单元中的至少一者相同和/或不同。
本公开的一些实施方案包括音位辨别治疗壳层。举例来说，此壳层涉及计算机显示器示出最小对立体，诸如pit和bit。音频记录按指定速度按随机次序一次播放一个单词。患者在此单词被读出时在记录播放下一单词之前选择/单击该单词，或在表示每一单词的箭头键上按压。程序接着将患者的反应与第一数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的正确反应的总计与第一数据结构(诸如主矩阵)中的指定准则进行匹配以生成新的治疗胞。应注意，作为治疗阶段的一部分，患者可用相同的最小对立体多次按增大的速度通过同一音位辨别胞以改进其听觉处理速度。
本公开的一些实施方案包括快速单词辨识治疗壳层。举例来说，此壳层涉及计算机显示器示出最小对立体，诸如pit和bit。按指定速度按随机次序一次一个单词地突出显示这两个单词中的一者。患者在该单词突出显示时在下一单词被照亮之前通过对着麦克风说出来阅读该突出显示的单词。程序接着将患者的反应与第一数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序将患者的正确反应的总计与第一数据结构(诸如主矩阵)中的指定准则进行匹配以生成新的治疗胞。应注意，作为治疗阶段的一部分，患者可用相同的最小对立体多次按增大的速度通过同一快速单词辨识胞以改进其阅读速度。
本公开的一些实施方案包括单词放大治疗壳层。举例来说，此壳层涉及程序播放说话者拉长和放大单词的韵律特征(诸如brick中的/br/音段或variety的语调轮廓)的音频文件和/或视频文件。替代地，此放大是通过在线助理功能和/或动画进行的。患者通过对着麦克风说出或通过使用包含在计算机中的和/或耦合至计算机的相机使用或不使用身体姿势(诸如使用剁切动作来指示音节间断或将其手挥得高或低来用信号表示音高)来记录其对放大形式的模仿。程序将患者的记录与第一数据结构(诸如主矩阵)中的所存储的参数集合进行匹配，且在需要时提供校正性或评估性反馈，诸如进一步延长/br/音群以形成两个不同的音段。患者回答关于其对所指的单词的发音的一系列问题，诸如“当你说help中的/l/时你的舌尖在哪？”程序接着将患者的反应与第一数据结构(诸如主矩阵)中的所存储的一组正确反应进行匹配，且提供患者的正确反应的总计并在需要时提供其它反馈。程序接着将患者的正确反应的总计与第一数据结构(诸如主矩阵)中的指定准则进行匹配以生成新的治疗胞。
在训练单元中，在一些实施方案中，每一治疗胞仅仅集中于在诊断和/或治疗期间的患者反应中识别的一个特定语言处理问题上。每一胞被设计以通过充分的实践，随后进行评估以确认缺陷已被满意地解决来校正仅仅一个这种问题。举例来说，如果患者难以处理具有发音的单词，那么程序从数据结构(诸如主矩阵)生成含有此音位以及音节(诸如)、真实单词和/或无意义的单词(诸如sure、lush或shum)和含有此发音的句子(诸如Thisissurelythebestshowintown)的列表。接着将每一列表放置于指定不同任务的单独壳层中。举例来说，在一个此治疗胞中，患者可通过在每次其听到呈记录此音位的发音的形式的提示时模仿含有的音节或单词来实践精确地发出此音。替代地，可要求其在耦合至运行程序的计算机的显示器上的提示指示的指定持续时间内画出此齿擦(咝咝)音。在另一实施方案中，一旦已针对患者的特定语音设置基频方面的基线，程序使用语音或言语辨识软件以向患者给出关于其的口头反应中的每一者的准确度的实时反馈。举例来说，患者的言语信号表示为由程序转化为显示器上的视觉线索的声谱图(声波纹)，从而指示在患者试图接近目标时其的产生与目标形式之间的距离。在另一治疗胞中，用户可诸如经由输入装置(例如，键盘，无论是物理的还是虚拟的，触控板、鼠标、点击器、操纵杆或触摸屏)激活/单击显示器上所显示的列表中的具有此发音的单词。治疗胞中的任务可反映针对诊断测试执行的任务。其它治疗胞可涵盖其它接收和/或产生困难。任务范围可从注意语音特征到全文。总体来说，胞群可涵盖复杂的任务，诸如阅读，而群中的个别胞可集中于拼写规则和词汇习得(词汇量积累)。
在评估单元中，在一些实施方案中，在治疗胞的训练单元中进行充分实践之后，患者进展至该同一胞的评估单元。患者用与相关联的训练单元中类似的或相同的测试项执行相同任务。用户必须在进行至下一治疗胞之前通过此评估。通过分数是在数据结构(诸如主矩阵)中针对每一评估单元预先指定的。正确的和不正确的反应记录在第二数据结构(诸如患者矩阵)中，且用于在需要时用参照本文中的第一数据结构(诸如主矩阵)描述的方式计算机生成新的治疗胞。应注意，也可使用其它类型的数据结构，诸如队列、栈、卡片组、链表、表、树或其它。另外，应注意，第一数据结构和第二数据结构可以是母数据结构的子集和/或是母数据结构。第一数据结构和第二数据结构可存储在单独的计算机化数据库(无论是彼此远程的还是本地的)中，或存储在一个计算机化数据库中。另外，应注意，第二数据结构可以是编索引的和可搜索的中的至少一者。
在另一实施方案中，评估单元可与训练单元分离，或在胞中一个以上评估单元可伴随训练单元或反过来也一样，或评估可并入至训练阶段本身中。胞也可含有其它类型的单元，诸如实践单元，诸如观看视频或网络研讨会，和诸如本文中描述的不同形式。在又一实施方案中，当患者处于治疗阶段时，程序可在其恢复其治疗之前在需要时实施进一步诊断测试。
在再一实施方案中，公开的技术可采用交互游戏，诸如以便于通过诊断阶段和治疗阶段中的至少一者。更明确地说，治疗胞可呈适合年龄的交互游戏的形式，其中游戏是可容纳适合于每一用户的不同内容的壳层，所述内容遵循用户的反应的错误分析。举例来说，如本文中描述的发音治疗胞可在游戏中使用至少一个音频-视觉线索来提示患者接近目标发音或单词。可包含各种游戏奖励或惩罚以鼓励患者实现指定目标。应注意，可基于忠诚系统操作的这些奖励可以是可兑换的，诸如兑换成奖品、现金、物品、服务、航空哩数、额外治疗期、个人诊断和/或治疗期，等等。
第一数据结构(诸如主矩阵)含有对指派的测试和任务的预测的反应的清单集合以及生成诊断胞和/或治疗胞所需的信息。如本文中所描述，第一数据结构可整体地或部分地在计算机化数据库中实施。在其它实施方案中，第一数据结构用任何方式(直接地和/或间接地)在彼此远程地和/或本地的托管的彼此类似的或不同的多个数据库(诸如关系数据库或非关系数据库)中实施。第一数据结构如本文中所描述远程地托管/驻留(诸如)在服务器计算机上而不是患者的计算机上，因而允许终端用户(诸如患者)有更多灵活性，同时因为此驻留/托管而提供更高效的内容更新。然而，在其它实施方案中，第一数据结构可整体地或部分地、直接地和/或间接地在本地托管/驻留在患者的计算机上。此配置可实现整体地或部分地、直接和/或间接来自中央数据存储库(诸如计算机化数据库)的周期性更新(诸如每周或每月)。举例来说，在此配置中，整体地或部分地在本地托管/驻留在患者的计算机上的第一数据结构是从患者的计算机远程地托管/驻留的第一数据结构的至少部分副本。
在一些实施方案中，第一数据结构含有大多数(如果不是所有)预测的反应且诸如在第一数据结构是数据库时将数据馈送至计算机，如本文中所描述。计算机被配置用来基于此数据馈送引导/生成胞内容和壳层。第一数据结构含有预测由具有语言处理问题的给定人群在基于根据程序的诊断胞和/或治疗胞执行任务时做出的反应的清单。接着，在需要时，计算机首先将不正确的反应分类为若干种类，诸如语音、语义、形态或词汇，且用视觉描绘(诸如图形，例如包括顶点和/或弧的数学对象)进行细分(诸如形态>词缀>前缀)以用于存储在第一数据结构中。第一数据结构也可含有音位、词典(词汇)、短语和/或句子模式以及生成诊断胞和/或治疗胞所需的目标语言的其它成分。举例来说，目标语言可以是任何自然语言(即，由任何世界区域的人的任何群组讲的母语)。
举例来说，如参照图9所示和描述，诊断胞和/或治疗胞中的每一刺激项表示为图形上的节点，其中在下一下层处的连接的顶点表示大多数(如果不是所有)预测由所涉及的人群(诸如具有失语症的患者)做出的可能的正确和不正确的反应。程序将患者的不正确的反应与相关图形中的相同的预测错误(节点)进行匹配，且沿着图形向下进行以定位测试和/或实践项的适当集合以生成下一诊断胞和/或治疗胞。因此，对于图9中所说明的实例，分词诊断测试中的刺激项是单词be。在此测试中，患者必须将单词分为其个别发音。第一数据结构(诸如主矩阵)中针对此刺激项的对应节点连接至其正确的反应(/bi/)和预测的不正确的反应。不正确的反应包含通过对自然语言的原理和规则、语言学、作为语言习得或发展的基础的过程，以及支配异常的语言(即，典型人群之外的说话者，诸如具有交际障碍的个人的语言)的过程的了解而预测的大多数(如果不是所有)可能的例子。在刺激单词be的情况下，预测的不正确的反应包含用户省略辅音/b/或替换此辅音或元音/i/的例子。至少在上文识别的领域集合中的知识有助于预测，也就是说，如果/b/被替换，那么因为语音相似性而很可能替代的音位是/p/或/d/。图形也允许其它可能的替代。另外，患者的特定的不正确的反应(诸如没有/b/)导致特定计算机操作(生成具有/b/的单词)。所生成的单词可以是词典中的真实单词，或具有所要发音组合的无意义的单词。当患者的不正确的反应是替代错误时(诸如/p/替代/b/)，那么计算机生成具有关键对比的至少一对单词，诸如最小对立体pit与bit)。如果患者的反应含有一个以上错误，那么图形上的大多数(如果不是所有)受影响的节点被激活，这意味着患者必须在治疗阶段用一个以上单词列表进行实践。当此单词列表放置在听并重复治疗壳层中时，患者则通过一个一个地完成此列表中的每一单词来执行所需任务。另外，由于完整测试通常含有若干刺激项，因此此测试可产生来自患者的一个以上不正确的反应。因此，若干图形可在第一数据结构(诸如主矩阵)中从一个测试输出激活。举例来说，快速命名诊断测试可产生涉及若干单词的错误。在这种情况下，计算机实现的优先级排序算法确定接下来向患者呈现哪个测试或实践项集合。
第二数据结构(诸如患者矩阵)独特地与每一患者相关联。如本文中所描述，第二数据结构可整体地或部分地在计算机化数据库中实施。在其它实施方案中，第二数据结构用任何方式(直接地和/或间接地)在彼此远程地和/或本地的托管的彼此类似的或不同的多个数据库(诸如关系数据库或非关系数据库)中实施。第二数据结构如本文中所描述远程地托管/驻留(诸如)在服务器计算机上而不是患者的计算机上，因而允许终端用户(诸如患者)有更多灵活性，同时因为此驻留/托管而提供更高效的内容更新。然而，应注意，服务器计算机可托管第一数据结构和第二数据结构，或第一数据结构和第二数据结构托管/驻留在不同服务器计算机上，如本文中所描述。另外，应注意，在其它实施方案中，第二数据结构可整体地或部分地、直接地和/或间接地在本地托管/驻留在患者的计算机上。此配置可实现整体地或部分地、直接和/或间接来自中央数据存储库(诸如计算机化数据库)的周期性更新(诸如每周或每月)。举例来说，在此配置中，整体地或部分地在本地托管/驻留在患者的计算机上的第二数据结构是从患者的计算机远程地托管/驻留的第二数据结构的至少部分副本。在进一步实施方案中，第一数据结构和第二数据结构是一个数据结构，其可整体地或部分地以本文中参照第一数据结构和第二数据结构中的至少一者个别地描述的任何方式托管。
第二数据结构存储患者个人信息，诸如用户身份(ID)、名字、户籍地址、背景(无论是个人的、医学的、社会的、种族的、人种的还是其它)，以及其对诊断和评估测试的反应。此外，第二数据结构可经由计算机(无论是经由如本文中描述的服务请求者段还是经由如本文中描述的服务提供者段)动态地和自动地更新。此更新可在来自该患者的每一新反应经由计算机通过第一数据结构过滤之后发生。另外，第二数据结构含有特定患者在经由程序中的诊断胞和/或治疗胞执行任务时产生的错误和正确反应的清单。经由计算机将患者的错误分类为若干种类，诸如语音的、语义的、形态的或词汇的，且用图形用第一数据结构(诸如主矩阵)的方式对其进行细分(诸如形态>词缀>前缀)。
当患者的不正确的反应位于第一数据结构(诸如主矩阵)中的图形中的一者上的节点上时，在此图形的下一下层处的连接的顶点和计算机实现的优先级排序算法确定针对此患者的下一诊断胞和/或治疗胞。第二数据结构(诸如患者矩阵)在整个治疗过程中在患者发生新错误和/或提供先前识别的问题的所有正确反应时持续地更新。第二数据结构(诸如患者矩阵)用以跟踪患者的进展，且患者可用合适的格式(诸如电子表格文档、视觉描绘文档、单词处理器文档，或其任何组合)实时地访问其进展报告。将第二数据结构(诸如患者矩阵)中的相关信息整体地或部分地发送至学习分析数据库以用于分析和监测程序的效能。
技术经由存储患者的正确反应和不合语法的产生的数据库进一步实现，基于该数据库采用学习分析计算机算法或类似方法来监测和改进校正语言处理缺陷的技术的效能。举例来说，程序的效能通过使用学习分析或类似方法(诸如经由第二数据结构)提炼所存储的患者数据来增强，第二数据结构含有许多有用的信息，诸如患者人口统计、一般错误类型(例如，语音错误、形态错误、词汇错误、语义错误或句法错误)、不同治疗胞的成功率，等等。通过指定准则对个人和群组信息进行的高效数据管理和检索对研究和治疗增强产生有用的洞察。此外，学习分析数据可整体地或部分地存储在如本文中关于第一数据结构和第二数据结构中的至少一者描述的计算机化数据库中，或另一计算机化数据库中。在其它实施方案中，学习分析数据用任何方式(直接地和/或间接地)在彼此远程地和/或本地的托管的彼此类似的或不同的多个数据库(诸如关系数据库或非关系数据库)中实施。学习分析数据如本文中所描述远程地托管/驻留(诸如)在服务器计算机上而不是患者的计算机上，因而允许终端用户(诸如患者)有更多灵活性，同时因为此驻留/托管而提供更高效的内容更新。然而，应注意，服务器计算机可托管学习分析数据、第一数据结构和第二数据结构，或学习分析数据、第一数据结构和第二数据结构托管/驻留在不同服务器计算机上，如本文中所描述。另外，应注意，在其它实施方案中，学习分析数据可整体地或部分地、直接地和/或间接地在本地托管/驻留在患者的计算机上。此配置可实现整体地或部分地、直接和/或间接来自中央数据存储库(诸如计算机化数据库)的周期性更新(诸如每周或每月)。举例来说，在此配置中，整体地或部分地在本地托管/驻留在患者的计算机上的学习分析数据是从患者的计算机远程地托管/驻留的学习分析数据的至少部分副本。在进一步实施方案中，学习分析数据、第一数据结构和第二数据结构是一个数据结构，其可整体地或部分地以本文中参照学习分析数据、第一数据结构和第二数据结构中的至少一者个别地描述的任何方式托管。
学习分析数据库可用于后端计算机基础设施中，后端计算机基础设施收集和存储包含玩游戏的患者表现历史的大多数(如果不是所有)结果。在后端基础设施上运行的计算机实现的学习分析算法分析这些结果来确定主题，诸如一般表现问题或错误、调用在线助理的频率、玩游戏类型和/或执行任务的频率、易于重复地失败的游戏类型或任务、按一天中的时间和一周中的天数计的玩的时间、连续玩的持续时间、玩之间的间隔、患者请求助理帮助的频率，等等。基于这些算法分析，可实现对第一数据结构(诸如主矩阵)的改变以帮助增强患者进展的速度和/或效率。这些改变可借助服务器计算机的快速重新启动来实现以立即给所有患者带来新改变。替代地，这些改变可在现场实时地实现，而无需重新启动服务器计算机。
存储在学习分析数据库中的数据可由在后端计算机基础设施上运行的计算机算法分析或由系统管理者按主题或图示查看以迅速识别趋势和/或查找故障。此算法可被设计以经由消息(诸如电子邮件、文字、聊天、声音、振动、视觉线索或其它)远程地向系统管理者警示故障点，从而允许较快速或实时地改变本文中描述的服务提供者或服务请求者技术中的至少一者。可部署类似的机构以识别需要立即或额外注意的特定患者。
在一些实施方案中，公开的技术实现计算机实现的错误分析算法。更明确地说，程序经由通过第一数据结构相对于预先指定的预测的患者反应集合处理测试输出来执行错误分析算法。举例来说，对于要求患者识别单词hunter中的词缀的问题，预测的反应包括1)–er(正确)，2)hunt(不正确)，3)无(不正确)，4)hunter(不正确)，或5)其它(不正确)。因此，错误分析算法需要在问题出现时使用自然语言的结构和处理(原理和规则)的知识来分析学习者的错误，以识别错误模式和追踪错误来源。如本文中所描述，此错误分析算法用以将患者的实际反应与目标一组正确反应进行比较。举例来说，对患者产生的错误分析可揭示其一贯无法辨识常用词缀，诸如–er(hunter)、-or(editor)和-tion(action)。在这种情况下，分析算法的结果至少部分是基于单词形成过程(形态)；但此错误分析可涵盖语言的任何成分(语音、语义、词汇、句法)且可基于任何定义的维数。应注意，错误分析算法可在后端计算机基础设施上运行。另外，应注意，错误分析算法是从第二语言习得的领域采纳的。
在一些实施方案中，公开的技术实现计算机实现的优先级排序算法。更明确地说，基于语言出现频率、交际功能、其省略或不合语法的影响的显著性等等向第一数据结构(诸如主矩阵)中的大多数(如果不是所有)种类和/或项指派加权值。此值确定接下来将呈现哪个诊断或治疗项或胞。优先级排序算法将优先于形容词unimportant而选择冠词the，因为后者出现得比前者更频繁。应注意，优先级排序算法可在后端计算机基础设施上运行。
在一些实施方案中，公开的技术实现在线助理功能。更明确地说，如果患者在若干(诸如两次)尝试之后不能通过胞的评估测试，或如果患者产生经由第一数据结构的内容未预测的反应，那么在线助理可介入以帮助患者进行至下一阶段。举例来说，此在线助理呈现具有高级言语辨识、人机交互和/或交际能力的自动程序的形式。替代地，此在线助理呈现诸如在呼叫中心与真实人类操作者通信的形式。举例来说，此通信可包括电话通信、电话会议、聊天或个人拜访，诸如当公开的技术在办公室-实验室环境中实施时。
在一些实施方案中，为了易于访问，本公开实现从基于因特网的网站或在线入口进行患者诊断和/或患者治疗并在云服务器上运行程序。然而，此递送方法可整体地或部分地经由如本文中描述的移动应用补足和/或补充。此部署的一个方便之处是相对简单地维护患者的简档并允许易于通过网络访问其的诊断和/或治疗程序。应注意，可针对不同治疗壳层(任务)开发不同应用。另外，应注意，此部署可允许临时停止和恢复诊断和治疗中的至少一者。因此，此功能性可在一时间段内(诸如在几个月内)使用。
在一些实施方案中，本公开实现多个形式。更明确地说，诊断和/或治疗胞可使用包含视频、音频、文字、图形、动画、网络会议，或新技术实现的其它的形式中的任一者或组合。患者可在言语发音实践期间采用电子和/或物理支持，诸如前置相机或后置相机，和其它未来技术。程序也可采用语音和/或言语辨识软件来进行训练以及接收和分析来自患者的输入。可并入有生物测量监测和反馈以增大程序对患者的表现和反应的敏感度，且因此增大程序的效能。这对于具有注意力缺陷的人可特有有用。感测系统可安装有程序以收集生物测量数据，所述数据可包含眼睛凝视(以监测注意力的集中)、脉搏和眨眼速率(以监测应力和精神疲劳)，和嘴唇运动(以监测发音)。这些传感器可向程序以及向患者提供生物测量反馈。当患者接收此信息作为即时反馈时，程序-尤其在可穿戴或其它便携式装置上不显眼地递送时-可变得无缝地集成至其日常生活中。在此实施方案中，程序可在患者在其日常活动中犯语言错误时提供对其语言错误的实时校正。
在一些实施方案中，本公开实现表现试验/患者的表现历史。更明确地说，程序不仅将患者的正确的和不正确的反应存储在第二数据结构(诸如患者矩阵)中，而且用易于存取的格式显示其从所有先前完成的诊断和治疗胞获得的分数。患者的进展报告可在其完成每一胞时持续地更新。程序可显示患者的表现历史与计划的指定发展路径的比较。此视觉显示鼓励患者保持向其指定目标前进-满意地去除识别的所有语言处理问题。
在一些实施方案中，本公开实现奖励系统。更明确地说，诊断测试、评估测试和/或训练实践可作为适合年龄的交互游戏递送。患者对每一部分的表现可被打分并转换为奖励点，患者可用奖励点交换虚拟或物理物体，多人游戏或这类的挣得时间，或其它形式的激励以激发患者令人满意地努力完成其训练。应注意，可基于忠诚系统操作的这些奖励可以是可兑换的，诸如兑换成奖品、现金、物品、服务、航空哩数、额外治疗期、个人诊断和/或治疗期，等等。
图1示出根据本公开的计算机网络模型的实例实施方案的示意图。计算机网络模型100包括网络102、服务器104和客户端106。此分布式操作模型在提供资源/服务的服务器104与请求资源/服务的客户端106之间分配任务/工作量。服务器104和客户端106说明不同的计算机/应用，但在其它实施方案中，服务器104和客户端106驻留在一个系统/应用中。另外，在一些实施方案中，模型100需要将大量资源分配给少量计算机(诸如服务器104)，其中客户端106的复杂性取决于下载至所述量的计算机的计算量，即，从客户端106下载至服务器104上的较多计算导致客户端106较轻，诸如较依赖于网络来源且较不依赖于本地计算资源。
网络102包含多个节点，诸如经由多个通信信道互连的计算机和/或其它硬件的集合，其允许资源和/或信息的共享。此互连可以是直接的和/或间接的。网络102可以是有线的和/或无线的。网络102可允许加密的和/或未加密的经由短距离和/或长距离的通信。网络102可经由至少一个网络协议(诸如以太网、传输控制协议(TCP)/因特网协议(IP)等等)操作。网络102可具有任何规模，诸如个人区域网、局域网、家庭区域网、存储区域网、校园区域网、骨干网、城域网、广域网、企业专用网络、虚拟专用网络、虚拟网络、卫星网络、计算机云网络、互联网、蜂窝式网络等等。网络102可以是和/或可包含内联网和/或外联网。网络102可以是和/或可包含因特网。网络102可包含其它网络和/或允许与其它网络进行通信，其它网络是子网络和/或不同的网络，与网络102相同和/或不同。网络102可包含硬件，诸如计算机、网络接口卡、中继器、集线器、桥接器、交换机、扩展器和/或基于硬件和/或基于软件的防火墙。可通过一个和/或多个实体和/或代表一个和/或多个实体直接地和/或间接地操作网络102，而不管与本公开的内容的任何关系。
服务器104可基于硬件和/或基于软件。服务器104是服务器计算机和/或直接地和/或间接地托管在服务器计算机(无论是固定的还是移动的)上，诸如公用电话亭、工作站、运输工具(无论是陆地的、海上的还是空中的)、台式计算机、膝上型计算机、平板、移动电话、大型计算机、超级计算机、服务器群等等。服务器计算机可以是具有触摸屏功能的和/或非触摸屏的。服务器计算机可包含和/或可以是另一计算机系统的一部分和/或云计算网络。服务器计算机可运行任何类型的操作系统(OS)，诸如 和/或其它。服务器计算机可包含和/或可直接地和/或间接地耦合至输入装置，诸如鼠标、键盘、前置的和/或后置的相机、加速度计、触摸屏、生物测量阅读器、点击器和/或麦克风。服务器计算机可包含和/或可直接地和/或间接地耦合至输出装置，诸如显示器、扬声器、头戴受话器、操纵杆、视频游戏控制器、振动器和/或打印机。在一些实施方案中，输入装置和输出装置可在一个单元中实施。服务器计算机可包含用于诸如经由全球定位系统(GPS)、信号三角测量系统等等进行全球定位确定的电路。服务器计算机可装备有近场通信(NFC)电路。服务器计算机可直接地和/或间接地托管、运行和/或耦合至数据库(诸如关系数据库或非关系数据库)，数据库可直接地和/或间接地将数据馈送至服务器104。
服务器104经由服务器计算机诸如直接地和/或间接地、选择性地和/或非选择性地、加密地和/或未加密地、有线地和/或无线地、经由接触和/或不接触地与网络102通信。此通信可经由软件应用、软件模块、移动应用、浏览器、浏览器扩展程序、OS和/或其任何组合。举例来说，此通信可经由公共框架/应用编程接口(API)，诸如超本文传输安全协议(HTTPS)。
客户端106可基于硬件和/或基于软件。客户端106是患者计算机和/或直接地和/或间接地托管在患者计算机(无论是固定的还是移动的)上，诸如终端、公用电话亭、工作站、运输工具(无论是陆地的、海上的还是空中的)、台式计算机、膝上型计算机、平板、移动电话、大型计算机、超级计算机、服务器群等等。患者计算机可以是具有触摸屏功能的和/或非触摸屏的。患者计算机可包含和/或可以是另一计算机系统的一部分和/或云计算网络。患者计算机可运行任何类型的OS，诸如和/或其它。患者计算机可包含和/或可耦合至输入装置，诸如鼠标、键盘、前置的和/或后置的相机、加速度计、触摸屏、生物测量阅读器、点击器和/或麦克风，和/或输出装置，诸如显示器、扬声器、头戴受话器、操纵杆、视频游戏控制器、振动器和/或打印机。在一些实施方案中，输入装置和输出装置可在一个单元中实施。患者计算机可包含用于诸如经由GPS、信号三角测量系统等等进行全球定位确定的电路。患者计算机可装备有NFC电路。患者计算机可直接地和/或间接地托管、运行和/或耦合至数据库(诸如关系数据库或非关系数据库)，数据库可直接地和/或间接地将数据馈送至患者106。
客户端106经由患者计算机诸如直接地和/或间接地、选择性地和/或非选择性地、加密地和/或未加密地、有线地和/或无线地、经由接触和/或不接触地与网络102通信。此通信可经由软件应用、软件模块、移动应用、浏览器、浏览器扩展程序、OS和/或其任何组合。举例来说，此通信可经由公共框架/API，诸如HTTPS。
在其它实施方案中，服务器104和客户端106还可诸如当托管在一个系统中时或当在本地彼此接近时诸如经由短距离无线通信协议(诸如红外线或)彼此直接通信。此直接通信可以是选择性的和/或非选择性的、加密的和/或未加密的、有线的和/或无线的、经由接触和/或不接触的。由于客户端106中的许多可相对同时地发起与服务器104的会话，因此在一些实施方案中，服务器104采用负载均衡技术和/或故障转移技术来获得操作效率、连续性和/或冗余。
应注意，其它计算模型也是可能的。举例来说，这些模型可包括非集中式计算，诸如对等的(P2P)，例如或分布式计算，诸如经由计算机群进行的，其中联网计算机集合合作以使得计算机可看作单个系统。
图2示出根据本公开的计算机网络架构的实例实施方案的示意图。计算机网络架构200包括与服务提供者段和与服务请求者段通信的网络202。服务提供者段包括服务器计算机204和数据库206。服务请求者段包括工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216。架构200根据模型100操作。然而，在其它实施方案中，架构200根据如本文中描述的其它计算模型(诸如直接通信、非集中式计算、分布式计算和/或其任何组合)操作。网络202根据网络102操作。然而，在其它实施方案中，网络202根据如本文中描述的其它网络类型操作。
应注意，服务提供者段可包括一个以上服务器计算机204和/或一个以上数据库206，服务器计算机204和数据库206在结构上和/或功能上彼此相同和/或不同，彼此通信地耦合和/或彼此不通信地耦合(诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、经由接触和/或不接触地)，是同步的和/或非同步的，经由单个实体和/或经由多个实体控制，而不管与本公开的内容的任何关系。同样，应注意，服务请求者段可包括五个以下和/或五个以上计算机208、210、212、214、216，所述计算机在结构上和/或功能上彼此相同和/或不同，彼此通信地耦合和/或彼此不通信地耦合(诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、经由接触和/或不接触地)，是同步的和/或非同步的，经由单个实体和/或经由多个实体控制，而不管与本公开的内容的任何关系。
计算机204诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、经由接触和/或不接触地、同步地和/或非同步地与网络202通信。计算机204经由硬件单元(诸如计算机204的硬件组件，例如，网卡)便于此通信。然而，在其它实施方案中，计算机204经由软件单元(诸如软件应用、软件模块、移动应用、浏览器、浏览器扩展程序、OS和/或其任何组合)便于此通信。举例来说，此通信可经由公共框架/API，诸如HTTPS。归因于服务请求者段的大小，计算机204采用负载均衡技术和/或故障转移技术来获得操作效率、连续性和/或冗余。
计算机204操作地耦合至数据库206，使得计算机204诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地与数据库206通信。计算机204经由硬件单元(诸如计算机204的硬件组件，例如，网卡)便于此通信。然而，在其它实施方案中，计算机204经由软件单元(诸如软件应用、软件模块、移动应用、浏览器、浏览器扩展程序、OS和/或其任何组合)便于此通信。举例来说，此通信可经由公共框架/API，诸如经由托管在计算机204上的数据库管理系统(DBMS)(诸如或其它合适的系统)采用的HTTPS。而且，应注意，计算机204可在本地托管数据库206和/或远程地访问数据库206。替代地，计算机204和数据库206可在一个位置，但被不同地实施。另外，应注意，计算机204可诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、经由接触和/或不接触地、同步地和/或非同步地托管和/或操作地耦合至一个以上数据库206。而且，应注意，数据库206可诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、经由接触和/或不接触地、同步地和/或非同步地托管在一个以上计算机204上。
数据库206包括组织的数据集合。数据可以是任何类型，无论是基本类型(诸如布尔型和/或字符)、复合类型(诸如阵列和/或联合)、和/或抽象数据类型(诸如列表、队列、卡片组、栈、字符串、树和/或图形)。数据可由任何结构组织，诸如线性结构(诸如阵列、映像、表、矩阵、向量和/或列表)、树结构(诸如树、宝塔、树堆、堆和/或字典树)、散列结构(诸如表、列表和/或过滤器)、图形结构(诸如图形、矩阵、栈和/或图式)，和/或其任一者的任何组合。组织的数据集合可含有内容，诸如患者信息、语言相关障碍的壳层信息、语言相关障碍的胞信息、患者矩阵信息、主矩阵信息、分析信息和/或其它相关信息。经由计算机204(诸如经由在计算机206上运行的DBMS)访问数据库206。数据库206是关系数据库，但其它数据库模型是可能的，诸如后关系。应注意，尽管计算机204和数据库206彼此不同地定位，但在其它实施方案中，计算机204托管数据库206。应注意，计算机204和数据库206经由单个行动者操作，但在其它实施方案中，计算机204和数据库206经由不同行动者操作。另外，应注意，数据库206可与网络202通信，使得计算机204经由网络202与数据库206通信。
工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216诸如直接地和/或间接地、有线地和/或无线地、选择性地和/或非选择性地、加密地和/或未加密地、同步地和/或非同步地、按需要和/或非按需要与网络202通信。工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216用任何组合方式经由硬件单元(诸如工作站计算机208、平板210、台式计算机212、膝上型计算机214和移动电话216的硬件组件，例如，收发器和/或网卡)便于此通信。在其它实施方案中，工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216经由软件单元(诸如软件应用、软件模块、移动应用、浏览器、浏览器扩展程序、OS和/或其任何组合)便于此通信。举例来说，此通信可经由公共框架/API，诸如HTTPS。另外，应注意，其它类型的服务请求者是可能的，诸如独立相机、自动柜员机(ATM)、密码货币挖矿机、公用电话亭、终端、可穿戴计算机(诸如眼镜计算机)、植入式计算机，或其它合适的计算装置。
应注意，工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216中的至少两个可经由网络202并行地和/或非并行地用相同的方式和/或用不同的方式通信。另外，应注意，工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216经由不同行动者操作，但在其它实施方案中，工作站计算机208、平板210、台式计算机212、膝上型计算机214和移动电话216中的至少两个经由单个行动者操作。
服务提供者段经由网络202向服务请求者段服务数据。此服务可经由推送技术和/或拉取技术。举例来说，推送技术经由服务提供者段(诸如经由计算机204)实现请求发起。因此，可周期性地更新的信息可经由计算机204(诸如经由同步会议、消息传递和/或文件分发)推送至服务请求者段上。而且，举例来说，拉取技术经由服务请求者段(诸如经由移动电话216)实现请求发起。因此，可经由移动电话216(诸如经由网络浏览和/或网络馈送)从服务提供者段拉取信息。
在一个操作模式中，语言相关障碍诊断数据和/或基于诊断数据的治疗数据经由网络202经由服务提供者段提供至服务请求者段。举例来说，计算机204按需要将诊断数据和/或治疗数据从数据库206馈送至如经由语言相关障碍患者所操作的移动电话216上。计算机204从移动电话216接收患者反应且动态地和反复地处理这些反应以获得更细化的诊断和/或治疗。计算机204和/或数据库206的操作者可控制此馈送发生的方式(诸如经由患者预订)，和/或诸如基于动态地从其它语言相关障碍患者反复地获得的数据更新诊断数据和/或治疗数据。
图3示出根据本公开的计算机网络图的实例实施方案的示意图。计算机网络图300包括网络302、计算机系统304、操作者计算机306和患者计算机308。网络302根据网络202操作，但其它网络类型是可能的，如本文中所描述。服务提供者段包括诸如用于基于网络的语言相关障碍诊断和/或治疗的系统304，系统304用作基于网络的远程医疗服务。系统304与网络302通信，如本文中所描述。操作者计算机308(诸如工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216中的至少一者)能够与系统304通信，诸如用于控制馈送发生的方式(诸如经由患者预订)，和/或诸如基于动态地从其它语言相关障碍患者反复地获得的数据更新诊断数据和/或治疗数据。服务请求者段包括患者计算机308，诸如工作站计算机208、平板计算机210、台式计算机212、膝上型计算机214和移动电话216中的至少一者。在另一实施方案中，操作者计算机306和患者计算机308是单个计算机。操作者计算机306和患者计算机308与网络302通信，如本文中所描述。另外，操作者计算机306可被配置用于直接地或间接地(诸如经由电话呼叫、电信会议、聊天或其它)向患者计算机308整体地或部分地提供在线助理功能。
图4示出根据本公开的计算机的实例实施方案的示意图。计算机400包括处理器402、操作地耦合至处理器402的存储器404、操作地耦合至处理器402的网络通信单元406、操作地耦合至处理器402的相机408、操作地耦合至处理器402的显示器410、操作地耦合至处理器402的扬声器412、操作地耦合至处理器402的地理定位单元414、操作地耦合至处理器402的图形单元416，和操作地耦合至处理器402的麦克风418。计算机400包括电源420，电源420对处理器402、存储器404、网络通信单元406、相机408、显示器410、扬声器412、地理定位单元414、图形单元416，和麦克风418供电。尽管处理器402、存储器404、网络通信单元406、相机408、显示器410、扬声器412、地理定位单元414、图形单元416、麦克风418和电源420中的至少两个在一个单元中实施，但处理器402、存储器404、网络通信单元406、相机408、显示器410、扬声器412、地理定位单元414、图形单元416、麦克风418和电源420中的至少一者可在为独立的时诸如在本地或远程地、直接地或间接地操作地耦合至计算机400。另外，在其它实施方案中，计算机400缺乏网络通信单元406、相机408、显示器410、扬声器412、地理定位单元414、图形单元416，和麦克风418中的至少一者。应注意，计算机400可包括其它单元，无论是输入单元和/或输出单元，诸如生物测量阅读器、点击器、振动器、打印机等等。
处理器402包括硬件处理器，诸如多核处理器。举例来说，处理器402包括中央处理单元(CPU)。
存储器404包括计算机可读存储媒体，其可以是非暂时性的。媒体存储用于经由处理器402执行的多个计算机可读指令，诸如软件应用。指令指示处理器402便于执行如本文中描述的用于诊断和/或治疗语言相关障碍的方法。存储器404的一些实例包括易失性存储单元，诸如随机存取存储器(RAM)，或非易失性存储单元，诸如硬盘驱动器或只读存储器(ROM)。举例来说，存储器404包括快闪存储器。存储器404与处理器402有线地通信。而且，举例来说，存储器402存储用于操作网络通信单元406、相机408、显示器410、扬声器412、地理定位单元414、图形单元416、麦克风418或其它输入和/或输出单元中的至少一者的多个计算机可读指令，诸如多个指令集。
网络通信单元406包括用于有线的或无线的、直接的或间接的计算机网络通信的网络接口控制器。举例来说，网络通信单元406包括用于基于选自电气和电子工程师协会(IEEE)802标准的集合的至少一个标准(诸如IEEE802.11标准)进行计算机联网通信的硬件。举例来说，网络通信单元406包括根据IEEE802.11(g)标准操作的无线网卡。网络通信单元406与处理器402有线地通信。
相机408包括用于图像捕获(诸如照片和/或视频)的镜头。相机408将捕获的视觉信息存储在存储器404上，信息可呈压缩格式或非压缩格式。相机408可允许诸如在图像捕获之前、期间和/或之后在显示器410上进行图像显示。相机408可包括闪光灯照明单元。相机408可允许基于光学的或软件的变焦。相机408与处理器402有线地通信。相机408也可远程地(诸如无线地)耦合至处理器402。
显示器410包括用于显示视觉和/或触觉信息的区域。显示器410包括电子视觉显示器、平板显示器、液晶显示器(LCD)和立体显示器中的至少一者。举例来说，显示器410包括具有触控功能的计算机监视器。显示器410与处理器402有线地通信。显示器410也可远程地(诸如无线地)耦合至处理器402。
扬声器412包括扩音器，诸如反应于电音频信号输入而提供声音的电声换能器。举例来说，扬声器412是动态扬声器。扬声器412与处理器402有线地通信。扬声器412也可远程地(诸如无线地)耦合至处理器402。
地理定位单元414包括GPS接收器。地理定位单元414与处理器402通信。应注意，其它类型的地理定位是可能的，诸如经由蜂窝站点信号三角测量。地理定位单元414也可远程地(诸如无线地)耦合至处理器402。
图形单元416包括用于图像处理的图形处理单元(GPU)。图形单元416是图形专用单元，但在其它实施方案中，处理器402与图形单元416集成。举例来说，图形单元416包括视频卡。图形单元416与处理单元402有线地通信。
麦克风418包括操作以将空气中的声音转换为电信号以用于后续使用(诸如经由扬声器412输出)的声-电换能器/传感器。麦克风418可以基于电磁感应、基于电容改变或基于压电。麦克风418可耦合至音频功率放大器上游的前置放大器。举例来说，麦克风418是动态麦克风。麦克风418也可远程地(诸如无线地)耦合至处理器402。
电源420对计算机400供电。电源420包括机载可再充电电池(诸如锂离子电池)和机载可再生能源(诸如光伏电池、风轮机和/或水轮机)中的至少一者。应注意，此电源可经由市电，诸如经由电力电缆。
应注意，计算机400还可包含和/或操作地耦合至至少一个输入装置，诸如计算机键盘、计算机鼠标、触控板、点击器、扫描仪、传真、生物测量阅读器、指针或其它合适的输入装置。同样，计算机400可包含和/或操作地耦合至至少一个输出装置，诸如打印机、投影仪，或其它合适的输出装置。另外，计算机204、工作站计算机208、平板210、台式计算机212、膝上型计算机214和移动电话216中的至少一者可根据计算机400示意图建构。
图5示出根据本公开的基于生成模型的诊断过程的实例实施方案的流程图。如经由服务提供者段和服务请求者段中的至少一者计算机实现的过程采用多个诊断壳层502、506、514。过程进一步采用多个诊断胞504、508、510、512、516。应注意，任何数目的壳层或胞可用任何组合方式使用。程序操作可基于的过程采用第一数据结构(诸如主矩阵)和第二数据结构(诸如患者矩阵)中的患者信息以选择第一诊断壳层502(Dx1，由虚线矩形表示)以进行激活。每一诊断壳层指定将由患者执行的特定任务，诸如将发音与字母或符号进行匹配。程序通过将来自第一数据结构(诸如主矩阵)的选定信息插入至壳层502中来从诊断壳层502(Dx1)生成至少一个内容特定的测试胞504(诊断胞Dx1y1-n)。应注意，此计算机化生成可以是并行的、同时的、实时的、同时期的、批量处理的、多线程的或其任何否定面，诸如非并行的、非同时的等等。举例来说，如果诊断壳层Dx1指定对计算机显示器上示出的物体命名的任务，那么特定诊断胞Dx1y1、Dx1y3、Dx1y5等等可涉及各自对不同种类的物体(诸如名字以字母“B”开头的家用物体、工具或事物)命名。基于第一数据结构(诸如主矩阵)中的指定准则集合按对于此特定患者是最佳(诸如最有效)的次序对患者实施胞504。可按非顺序次序实施胞504，因为本公开不必指定诊断和治疗的预置序列。
另外，Dx1y1之后是Dx1y3和Dx1y5。这未必意味着Dx1y1、Dx1y3和Dx1y5是具有按预定义次序提供的预定义内容的预定义胞。而是，这些胞是在分析每一患者的结果之后生成的。因而，过程可根据另一患者的该相同的诊断壳层部署不同的诊断胞集合，或那些相同的胞集合的不同序列，或完全跳过此壳层，这取决于所识别的至少一个基础语言问题。
另外，过程使得能够一起生成诊断胞504(Dx1y1、Dx1y3、Dx1y5)，但患者按经由第一数据结构(诸如主矩阵)动态地设置的次序连续地进行这些测试。基于胞504的患者反应使得能够自动地选择诊断壳层506(Dx2)以在胞508(Dx2y1)中生成下一测试。患者对胞508(Dx2y1)的反应导致自动地生成又一胞510(Dx2y2)以用于进一步测试。接着患者针对胞510(Dx2y2)的结果使得过程能够自动地返回至再次选择壳层502以用于进一步更细化的测试，但这次从第一数据结构(诸如主矩阵)检索新内容以生成诊断胞512(Dx1y4)。基于其结果，患者接着按经由第一数据结构(诸如主矩阵)动态地设置的次序进行至下一诊断壳层514(Dx3)且接着是胞516(Dx3y2)。
图6示出根据本公开的基于生成模型的治疗过程的实例实施方案的流程图。治疗阶段中的每一壳层含有训练单元(Tx1-n)和评估单元(Ex1-n)。程序执行可基于的过程首先使用如第二数据结构(诸如患者矩阵)中含有的来自诊断阶段的患者的表现历史以经由相对于第一数据结构(诸如主矩阵)比较、分析或过滤第二数据结构(诸如患者矩阵)来至少部分基于治疗壳层生成治疗胞以用于治疗。当第二数据结构(诸如患者矩阵)中的信息持续地更新时，患者关于较早治疗胞的表现接着确定将实施的后续胞。治疗阶段中的胞是用与诸如诊断阶段中相同的或类似的方式从其对应壳层生成的。应注意，可使用任何数目的壳层或胞。
如图6所示，过程针对一个患者捕获治疗阶段的一部分。此过程可经由服务提供者段和服务请求者段中的至少一者用计算机实现。在所说明的过程的一阶段，诸如经由图1至图4中的计算机架构实施治疗胞602(Tx1y3Ex1y3)。为了进行至下一胞，患者不得不根据第一数据结构(诸如主矩阵)指定的准则通过此胞602中含有的评估。如果患者通过，那么过程继续至经由再次从第一数据结构(诸如主矩阵)检索选定内容来从壳层Tx3Ex3生成下一胞606(Tx3y2Ex3y2)。然而，如果患者不能通过胞602(Tx1y3Ex1y3)的评估，那么过程按照方框604生成实践胞(Px1y1)以帮助患者建立通过所需的技能。重复的失败需要更多实践胞(Px1y3)或其它治疗胞(Tx4y1Ex4y1)。可部署其它治疗胞(Tx4y1Ex4y1)以帮助此患者建立通过最初的治疗胞(Tx1y3Ex1y3)所需的技能。如果患者在若干(诸如两次)尝试之后仍不能通过该同一胞Tx1y3Ex1y3，那么调用如本文中描述的在线助理功能。
患者在刚成功地执行如相对于第二数据结构(诸如患者矩阵)评估的基于胞602的任务后就进行至所生成的治疗胞606(Tx3y2Ex3y2)。类似地，如果患者通过，那么患者进行至生成的下一胞，即胞608。然而，如果患者失败，那么与涉及胞602(Tx1y3Ex1y3)的循环一样，类似的过程发生。然而，对于不同胞的不同失败循环可能需要不同类型的胞和其不同的呈现序列。举例来说，在图6中，对于涉及胞602(Tx1y3Ex1y3)的第一失败循环，在另一治疗胞(Tx4y1Ex4y1)之前实施两个实践胞(Px1y1、Px1y3)。尽管过程可取决于所识别的问题而部署类似或不同类型的实践胞来辅助患者，但对于涉及胞606(Tx3y2Ex3y2)的第二失败循环，按照方框610，在实践胞之前实施治疗胞(Tx4y2Ex4y2)。然而，在刚成功通过基于胞606的任务后就实施胞608。在一些情况下，在患者进行至下一治疗胞之前尝试同一评估最后一次之前适当地提供至少一些答案。然而，在其它情况下，可在尝试失败之后适当地提供指导视频或其它辅助。另外，随着过程继续，当患者通过新的治疗胞时将患者的反应记录在第二数据结构(诸如患者矩阵)中。基于此记录，过程使得能够修改和增强患者的治疗，从而基于来自第一数据结构(诸如主矩阵)的信息持续地更新接下来将要激活的胞的类型和次序。诊断阶段和治疗阶段中的至少一者因此基于反应性生成模型，该模型用于针对每一患者建立个性化诊断和治疗胞。
图7示出根据本公开的诊断过程的实例实施方案的流程图。此过程包括至少多个方框702至726。另外，此过程可按顺序数字次序和/或非顺序数字次序执行。过程经由如本文中描述的(诸如图1至图4中的)计算架构执行。无论在国内和/或国际上，过程可被执行、被便利化以用于执行和/或在此执行中经由至少一个行动者(诸如服务提供者段)辅助。举例来说，此过程可经由与患者计算机308介接的计算机系统304执行。
在方框702中，系统304诸如经由相对于第一数据结构(诸如主矩阵)比较、分析或过滤第二数据结构(诸如患者矩阵)来获得第一过滤数据。
在方框704中，系统304至少部分基于来自方框702的第一过滤数据选择诊断壳层。
在方框706中，系统304至少部分基于来自方框704的诊断壳层生成诊断胞。
在方框708中，系统304运行方框706中选择的诊断胞。此运行可包括诸如经由与患者计算机308网络通信来与患者计算机308介接。患者计算机308运行诊断胞以接收患者输入。
在方框710中，系统304将诊断胞的结果存储在第二数据结构(诸如患者矩阵)中。此存储(其可以是动态的)至少部分基于实时地或以延迟方式从患者计算机308接收患者输入中的至少一些。
在方框712中，系统304将统计存储在分析数据结构(诸如计算机化数据库)中。此存储(其可以是动态的)至少部分基于从存储在第二数据结构中的结果获得统计。替代地，可至少部分基于实时地或以延迟方式从患者计算机308接收患者输入中的至少一些获得统计。
在方框714中，系统304诸如经由相对于第一数据结构(诸如主矩阵)比较、分析或过滤如方框710中更新的第二数据结构(诸如患者矩阵)来获得第二过滤数据。
在方框716中，系统304至少部分基于来自方框714的第二过滤数据分析患者表现。此分析使得能够确定是否需要使用来自方框704的该同一壳层的另一诊断胞。另外，此分析至少部分基于如本文中描述的因素。
在方框718中，系统304决定下一诊断胞的生成是否应发生。如果是，那么过程继续至方框724。否则，过程继续至方框720。
在方框720中，系统304决定下一诊断壳层的选择是否应发生。如果是，那么过程继续至方框726。否则，过程继续至方框722。
在方框722中，系统304确定患者诊断完成。此确定可包括至患者计算机308的输出。举例来说，此输出可以是视觉的、听觉的、振动的或其它。
在方框724中，系统304至少部分基于来自方框704的诊断壳层生成下一诊断胞。应注意，此胞的内容是基于第一数据结构(诸如主矩阵)生成的。
在方框726中，系统304选择下一诊断壳层以用于激活。应注意，此过程经过按需要尽可能多的循环，直到来自第一数据结构和第二数据结构的信息指示针对此患者的诊断测试阶段完成为止，其中过程可任选地继续至治疗阶段。另外，应注意，由于大多数步骤是经由系统304执行的，因此患者计算机308在用于其它背景任务的资源上是较轻的。应注意，诊断阶段可在任何时间经由患者暂停或恢复。
图8示出根据本公开的治疗过程的实例实施方案的流程图。此过程包括至少多个方框802至826。另外，此过程可按顺序数字次序和/或非顺序数字次序执行。过程经由如本文中描述的(诸如图1至图4中的)计算架构执行。无论在国内和/或国际上，过程可被执行、被便利化以用于执行和/或在此执行中经由至少一个行动者(诸如服务提供者段)辅助。举例来说，此过程可经由与患者计算机308介接的计算机系统304执行。
在方框802中，系统304诸如经由相对于第一数据结构(诸如主矩阵)比较、分析或过滤第二数据结构(诸如患者矩阵)来获得第一过滤数据。
在方框804中，系统304至少部分基于来自方框802的第一过滤数据选择治疗壳层。
在方框806中，系统304至少部分基于来自方框804的治疗壳层生成治疗胞。
在方框808中，系统304运行方框806中选择的治疗胞。此运行可包括诸如经由与患者计算机308网络通信来与患者计算机308介接。患者计算机308运行治疗胞以接收患者输入。举例来说，此治疗胞可以是TxiyjExiyj。
在方框810中，系统304将治疗胞的结果存储在第二数据结构(诸如患者矩阵)中。此存储(其可以是动态的)至少部分基于实时地或以延迟方式从患者计算机308接收患者输入中的至少一些。
在方框812中，系统304将统计存储在分析数据结构(诸如计算机化数据库)中。此存储(其可以是动态的)至少部分基于从存储在第二数据结构中的结果获得统计。替代地，可至少部分基于实时地或以延迟方式从患者计算机308接收患者输入中的至少一些获得统计。
在方框814中，系统304诸如经由相对于第一数据结构(诸如主矩阵)比较、分析或过滤如方框810中更新的第二数据结构(诸如患者矩阵)来获得第二过滤数据。
在方框816中，系统304至少部分基于来自方框814的第二过滤数据分析患者表现。此分析使得能够确定是否需要使用来自方框804的该同一壳层的另一治疗胞。另外，此分析至少部分基于如本文中描述的因素。应注意，通过第一数据结构比较、分析或过滤输入至第二数据结构中的新的和先前信息以确定是否需要使用按照方框804的同一壳层TxiExi的另一治疗胞。
在方框818中，系统304决定下一治疗胞的生成是否应发生。如果是，那么过程继续至方框820。否则，过程继续至方框824。
在方框824中，系统304决定下一治疗壳层的选择是否应发生。如果是，那么过程继续至方框822。否则，过程继续至方框826。
在方框820中，系统304至少部分基于来自方框804的治疗壳层生成下一治疗胞。应注意，此胞的内容是基于第一数据结构(诸如主矩阵)生成的。
在方框822中，系统304选择下一治疗壳层以用于激活。应注意，此过程经过按需要尽可能多的循环，直到来自第一数据结构和第二数据结构的信息指示针对此患者的治疗阶段完成为止。另外，应注意，由于大多数步骤是经由系统304执行的，因此患者计算机308在用于其它背景任务的资源上是较轻的。
在方框826中，系统304确定至少针对一个治疗期或一个治疗动作的患者治疗完成。此确定可包括至患者计算机308的输出。举例来说，此输出可以是视觉的、听觉的、振动的或其它。应注意，治疗阶段可在任何时间经由患者暂停或恢复。
图9示出根据本公开的诊断和治疗的实例实施方案的图式。分词诊断测试中的刺激项是单词be。在此测试中，患者必须将单词分为其个别发音。第一数据结构(诸如主矩阵)中针对此刺激项的对应节点连接至其正确的反应(/bi/)和预测的不正确的反应。不正确的反应包含通过自然语言的原理和规则、语言学、作为语言习得或发展的基础的过程，以及支配异常的语言(即，典型人群之外的说话者，诸如具有交际障碍的个人的语言)的过程的知识而预测的大多数(如果不是所有)可能的例子。在刺激单词be的情况下，预测的不正确的反应包含用户省略辅音/b/或替换此辅音或元音/i/的例子。至少在上文识别的领域集合中的知识有助于预测，假定如果/b/被替换，那么因为语音相似性而很可能替代的音位是/p/或/d/。图形也允许其它可能的替代。另外，患者的特定的不正确的反应(诸如没有/b/)导致特定计算机操作(生成具有/b/的单词)。所生成的单词可以是词典中的真实单词，或具有所要发音组合的无意义的单词。当患者的不正确的反应是替代错误时(诸如/p/替代/b/)，那么计算机生成具有关键对比的至少一对单词，诸如最小对立体pit与bit如果患者的反应含有一个以上错误，那么图形上的大多数(如果不是所有)受影响的节点被激活，这意味着患者必须在治疗阶段用一个以上单词列表进行实践。当此单词列表放置在听并重复治疗壳层中时，患者则通过一个一个地完成此列表中的每一单词来执行所需任务。另外，由于完整测试通常含有若干刺激项，因此此测试可产生来自患者的一个以上不正确的反应。因此，若干图形可在第一数据结构(诸如主矩阵)中从一个测试输出激活。举例来说，快速命名诊断测试可产生涉及若干单词的错误。在这种情况下，计算机实现的优先级排序算法确定接下来向患者呈现哪个测试或实践项集合。
图10示出根据本公开的针对辅音的音位识别诊断壳层和胞的实例实施方案的图式。此方法经由本文中描述的技术实现。
在一种操作模式中，诸如基于图1至图4的计算架构，构造诊断阶段以提供患者作为说话者、听者、读者和作者处理语言学信息的能力的全面的简档。设计基础结构以允许患者有秩序地通过大多数(如果不是所有)对于扮演这些角色来说是重要的语言成分，其中内置机制确认评估准确度。举例来说，过程以音位识别诊断壳层开始。所生成的第一音位识别诊断胞(胞A)测试患者区分在词中位置的/p/与/b/的能力，诸如图10所示。通过浊音的语音特征将音位/p/与/b/彼此进行区分。通过仅仅一个语音特征区分的单词对称作最小对立体，诸如staple和stable。当借助/p/-/b/对比实施音位识别诊断胞A时，患者按随机次序听到含有/p/或/b/的单词串，诸如staple、clamber或flappy。要求患者仅仅挑选出具有/p/的单词。如果患者在这个胞中没有出错，那么过程生成具有在词首位置的/pr/-/br/对比(诸如prim或brim)的下一胞B。如果患者再次没有出错，那么过程按顺序进行至下一音位对比，即/t/-/d/。如果患者在胞B中犯错，那么过程生成胞D至F来测试其区分在词首位置和词尾位置的/p/-/b/以及确认词中位置的至少一个先前错误的能力。
如果患者在胞A中犯错，那么过程生成再次具有在词中位置的/p/-/b/对比的下一胞C来确认胞A中的错误。如果患者在胞C中没有犯错，那么过程使得能够生成胞G来测试其区分在词首位置的/pr/-/br/的能力。胞B和G都测试在词首位置的相同的/pr/-/br/对比，但被不同地标记以指示患者通过过程的不同路径并强调过程生成具有不同内容的每一胞的事实，因为如果患者在胞C中犯错，那么过程在生成具有在词首位置的/pr/-/br/对比的胞J之前首先生成含有在词首和词尾位置的/p/-/b/对比的胞H和I。在词首之前呈现词中对比的一个理由是因为预期词中比词首更难以检测。因此，如果患者能够首先执行较难的任务，那么不必实施较简单的任务。
可用如上文描述的相同方式包含与音位/p/相关的其它对比，诸如/p/-/t/(pip、tip)、/p/-/f/(pit、fit)、/p/-/k/(pick、kick)和/p/对在词首和词尾位置的辅音群(诸如/pl/-/bl/(plume、bloom)、/pr/-/tr/(prick、trick)、/spl/-/sl/(splay、slay))可通过更多诊断胞类似地并入至诊断阶段中。
应注意，音位识别任务可并入有处理速度的测量。在这种情况下，使用快速处理诊断壳层。音位识别任务保持如上文所描述，但现在患者在实践限制下执行。举例来说，患者在自然言语的正常快速速度下用听觉检测音位对比。如果患者在此速度下不能检测大多数对比，那么在较慢速度下(诸如每分钟60-80个单词)给出那些相同的任务。其在正常速度与缓慢速度下的表现之间的明显的差异将指向处理速度问题。
进一步独特地构造过程以确保效率，从而显现重要的诊断胞的呈现次序。在较明显的对比之前测试较精细的对比。举例来说，仅仅在患者没有通过对比(hole、hall)的情况下关于/o/-/au/对比(hole、howl)对患者进行测试，因为可检测前者的患者很可能同样能够检测后者，且因此不必对较容易的对比进行测试。
将来自诊断胞的大多数(如果不是所有)结果记录在第二数据结构(诸如患者矩阵)中以用于稍后生成治疗胞。诊断阶段的这部分涵盖语言中的大多数(如果不是所有)音位和音位群。在此诊断结束时，过程产生患者的基本(如果不是完整的)语音简档，该简档指定哪些音位和音位群在哪些发音环境中是有问题的。
诊断胞也可并入至治疗阶段中。举例来说，可在针对/p/的治疗阶段结束时测试较复杂的辅音群(诸如/spr/-/skr/)来看看对于此音位是否仍存在残留的问题。
过程可从音位识别诊断壳层进行至发音-符号匹配诊断壳层。过程可使用音位识别诊断胞的结果来生成用于发音-符号匹配的胞。举例来说，如果患者在音位识别壳层中关于/v/-/w/对比出错，那么过程可生成要求患者输入(诸如经由键入)与记录的发音/v/和/w/匹配的字母的发音-符号匹配胞。因此，发音-符号匹配胞可用以确认先前实施的音位识别胞的结果。
过程可从音位识别诊断壳层单独地进行至音节划分诊断壳层且进行至分词诊断壳层。可在音节划分诊断胞中根据从较早的音位识别测试发现对于患者来说有问题的发音生成含有这些特定音位的任何单词。举例来说，如果患者在涉及在词中和词尾位置的/p/的音位识别胞中产生错误，那么音节划分诊断胞可包含单词harpsichord来看看患者在将这个单词拆分成其音节时是否保留/p/发音。如果患者省略/p/，那么后续分词诊断胞可包含更多在这些位置具有/p/的单词，诸如mishaps和capsized。接着要求患者将这些单词分成个别发音，从而给出其语音能力的较精细的细节。在音节划分和分词壳层中执行这些任务时，新的错误可触发程序以针对最初没有发现在某些发音环境中有问题的音位再次运行音位识别胞。
也可根据音位识别(包含押韵)实施其它种类的语音测试。尤其是当患者在音位识别壳层中对于元音犯错时，过程可生成押韵诊断胞，诸如当患者不能检测先前在音位识别壳层中对比的(诸如beer与bee)时，要求患者产生与押韵的单词。为了执行此任务，其可使用麦克风记录其单词、键入或选择押韵的单词对。
诊断阶段可从发音-符号匹配进行至单词层面测试，诸如词汇习得和词汇检索。如果音位识别和发音-符号匹配诊断的结果暗示患者在处理某些发音环境中的音位/b/时有困难，那么过程可生成词汇习得诊断胞，该单元要求患者在设置的时间内通过记录或键入来产生在词首、词中或词尾位置具有/b/发音的尽可能多的单词。过程首先对患者在时间限制内可产生的单词数目打分以确定习得具有/b/的单词本身是否有问题。过程接着将其产生与所存储的单词进行匹配以进一步检测问题并获得关于其处理困难的额外细节。举例来说，如果她将blubber误拼为blummer，那么此错误确认她对于在词中位置的/b/-/m/对比有困难。然而，如果她在同一任务中正确地拼出bubble，那么这个结果将暗示她的问题可能仅限于在单词以/r/结尾时在词中位置的/b/-/m/对比。简单地说，过程中的后续诊断胞可确认并产生关于患者的处理问题的更精细的细节。
词汇检索诊断壳层可在词汇习得壳层之后或之前。当在词汇习得壳层之后时，词汇检索诊断胞可用以更详细地追踪患者的心理词典(大脑中的所存储的单词的网络)的已受语音层面的处理困难不利地影响的一部分。举例来说，词汇检索诊断胞可要求患者根据屏幕上的图像对物体pear、rail和crest命名。如果患者将其回答记录为pail、wail和quest，那么这些结果不仅暗示她对于在所有位置的音位/r/有困难，而且她所存储的具有/r/的单词因为/l/和/w/的干扰而不合语法。
患者可从这些单词层面诊断胞进行至其它，诸如词素辨识。举例来说，过程基于患者在音位识别、音节划分和/或分词中关于音位/r/的先前错误而生成要求她键入具有后缀–er的单词的词素辨识诊断胞。
另一个重要的单词层面测试是快速命名。举例来说，过程生成要求患者在显示器上显示的单词出现时阅读这些单词的快速命名胞。如果在先前的诊断胞中发现/i/-/I/元音有问题，那么所使用的单词可涉及/i/-/I/元音，诸如beat与bit。当并入至快速处理壳层中时，程序要求患者以流畅的阅读所必要的速度快速地和自动地辨识单词。
其它诊断壳层可涉及如样本诊断壳层部分中所描述的句子层面和篇章层面测试。而且，壳层可涉及阅读或书写。另外，一些诊断胞对患者的年龄是敏感的，而其它则不。举例来说，预期大多数(如果不是所有)患者已习得语言的音位的完整清单。然而，可以年龄为基础选择胞中所使用的至少一个单词。
在治疗阶段，治疗壳层可用作诊断壳层且反过来也一样。下文描述对本领域来说是新颖的三个治疗壳层：如此处实施的音位辨别、快速单词辨识和单词放大。
关于治疗胞，经由诊断阶段中的音位识别壳层发现的问题可导致程序激活音位辨别治疗壳层。在音位辨别壳层中，单词的最小对立体(例如pleats、bleats)用于所关注的音位对比(/p/-/b/)。这两个单词示于显示器上。音频记录在患者通过单击或其它输入构件选择在该时间点读出的单词时按设置的速度随机地播放这两个单词。患者可以缓慢速度60个单词每分钟(wpm)开始且进行至越来越快的速度到超过100wpm。一个目标是接近听觉上辨别语音和自动辨识流畅阅读的单词所需的速度。
在快速单词辨识壳层中，单词的最小对立体用于所关注的音位对比，就像音位辨别壳层中一样。这两个单词示于显示器上。这时，患者说出显示器突出显示的单词。再次，患者可以缓慢速度开始且进行至超过100wpm的速度。可独立于音位辨别壳层实施快速单词辨识壳层，或当患者在音位辨别壳层中没能进展至较快速度时，快速单词辨识壳层可在音位辨别壳层之后。在第二种情形中，快速单词辨识壳层示出在音位辨别壳层的速度上的改进。
在单词放大壳层中，教导患者注意单词或短语的韵律特征，诸如语调、重音模式和元音音质。举例来说，如果患者在诊断期间将关于/pr/辅音群的问题登记在音位识别壳层中，那么过程可生成播放人说话的视频或音频文件的单词放大胞，所述人说话拉长音段并夸大单词的语调轮廓，尤其是开头的/pr/音段。这可类似于妈妈语，照顾者对婴儿使用的具有夸大的韵律模式的语言。患者被要求通过记录和回放其产生或通过回答关于其发音(诸如她的嘴唇、舌头、颚等等)的位置和动作的一系列问题或通过指出各种听觉特征(诸如音高和音渡)来模仿这种放大模式。
激活治疗壳层的一个序列取决于在诊断阶段中识别的问题和在治疗阶段中发现的新问题。为了说明，如果患者在诊断阶段显示关于在词首位置的/p/-/b/对比的问题，那么过程激活发音治疗胞，所述单元允许患者从模型观察、实践、记录并复习其对/p/和/b/音位的发音。接下来，过程向其呈现单词辨别胞，所述单元要求其在音频记录播放短语或句子时选择正确的单词(或与该单词相关联的图像)。此胞可播放五个短语或句子。她的正确的和不正确的反应被输入至第二数据结构(诸如患者矩阵)中以用于稍后分析。接下来，过程激活具有涉及在词首位置的/p/-/b/对比的五个最小对立体的音位辨别胞。如果在如上文针对此类型的胞描述的任务执行中没有错误，那么患者一对一对地进行且进行至越来越高的速度。然而，如果患者用这方方式进行时遇到问题，那么过程可在返回至音位辨别之前运行其它胞(诸如涉及相同的最小对比的快速单词辨识)来看看患者第二次是否能克服障碍。可在其它尝试失败后调用其它胞，诸如给出更详细的线索的额外发音治疗胞，或可在此时调用在线助理。在此之后，过程激活针对/p/的拼写模式胞，所述单元涉及教导患者辨识p何时发音为/f/(ph)。另外，过程在含有字母p(/p/或/f/发音)和发音/b/的单词的快速命名方面训练和测试患者。过程可使用先前在单词辨别中和其它地方犯的错误以在快速命名胞中生成单词。患者可缓慢地按每个单词1.0秒开始，且进行至越来越快的速度直到接近0.3秒每个单词。应注意，预期4年级和以上的典型地发展的学生实现每分钟120至180个正确单词。一旦患者实现这个目标，那么针对在词首位置的/p/-/b/对比的训练阶段就完成，且患者进行至下一壳层或胞。如果患者替代地在诊断阶段显示关于在词中位置的/p/-/b/对比的问题，那么激活音节划分治疗胞。这是因为音节划分治疗胞可有助于训练患者注意单词中间的语音特征，诸如集中于flabby与flappy之间的差异。
图11示出根据本公开的针对元音的音位识别诊断壳层和胞的实例实施方案的图式。此方法经由本文中描述的技术实现。音位识别诊断胞U测试患者区分(led、lad)的能力。如果患者没有犯错，那么过程生成胞V以测试对比(fair或fur)。如果患者在胞U中犯错，那么过程生成胞W来确认关于对比的问题以及生成胞X来测试新对比(bet或butt)。如果患者在胞X中没有犯错，那么她进行至下一胞。但如果她在胞X中犯错，那么过程生成胞Y以测试对比。
另外，应注意，可经由任何图形用户界面(无论是单色的、灰度级的还是彩色的)采用本文中公开的基于任何终端用户的技术(无论是基于患者的还是基于操作者的)。举例来说，此界面可包括结构元素，诸如窗口、菜单、图标、控制单元/小组件或选项卡。而且，举例来说，此界面可包括交互元素，诸如光标、选择单元或调整手柄。
此外，在一些实施方案中，计算机400可被配置用来诸如经由地理定位单元414自动地检测患者的地理位置。基于此检测，计算机400可被配置用来基于与该地理位置相关联的语言或方言至少部分输出诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者。举例来说，如果计算机400检测到患者在法国，那么计算机400至少部分输出基于法国(无论是部分还是整体)的诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者。应注意，相关胞数据、壳层数据、游戏数据等等可经由计算机400自动地(无论是部分地还是整体地)被转化和/或可获得以被已预先转化(无论是部分地还是整体地)。应注意，这些动作可经由计算机系统304和/或患者计算机308用任何方式执行。另外应注意，患者可诸如出于旅行目的而不顾(无论是部分地还是整体地)和/或停用(无论是部分地还是整体地)此特征。
另外，在一些实施方案中，计算机400可被配置用来自动地检测如诸如经由言语或语音辨识软件用声音输入至麦克风418中的患者语言。接着，基于此检测，计算机400至少部分输出基于该语言(无论是部分地还是整体地)的诊断阶段(无论是部分还是整体)和治疗中的至少一者。
此外，在一些实施方案中，计算机400可被配置用来至少部分采用NFC电路以在至少部分输出诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者期间与另一NFC电路交互。举例来说，可基于胞任务诸如经由挥动或触摸另一物体(诸如NFC单元)来指示患者移动计算机400。在此移动后，NFC电路可向计算机400指示任务是否被执行，且如果是，那么指示任务是否被恰当地执行。
另外，在一些实施方案中，计算机400(诸如移动电话216)可被配置用来运行软件应用，软件应用至少部分实施本文中诸如针对诊断阶段和/或治疗阶段(无论是整体还是部分)公开的技术中的至少一些。软件应用可默默地在计算机400的背景中运行。软件应用可被配置使得当患者开始她的一天并与其他人交谈(诸如在工作中、在学校、在家中等等)时，计算机400经由麦克风418听患者的反应。这个听可以是患者在使用计算机400(诸如经由实施电话呼叫或电信会议会话)和/或患者不在使用计算机400时(诸如当计算机400置于桌子上时)。应用可被配置用来自动地过滤背景噪音和/或除了患者之外的语音。另外，出于隐私和/或数据安全的目的，应用还可被配置用来自动删除背景噪音和/或如提前预置的除了患者之外的语音。然而，对于经由患者说的和经由应用记录的任何语言，系统304可被配置用来诸如在刚从计算机400接收后处理此信息，并利用此信息以用于诸如经由诊断胞和/或治疗胞提供诊断阶段和/或治疗阶段(无论是整体还是部分)。
此外，在一些实施方案中，计算机400可以是可植入的(诸如助听器)或可穿戴的(诸如借助光学头戴显示器(OHMD))。此计算机400可包括用于骨传导(诸如用于听声音)的振动器，或用于发音分析的类似装置。举例来说，振动器可向颚骨提供振动输出，使得颚骨将声音传导至患者的内耳。替代地，计算机400可被配置用来通过监测特征(诸如患者的声带振动和患者口腔中的气流方式)来提供关于患者对特定音的发音的信息。因此，计算机400可被配置用来基于计算机400的地理位置提供甚至在如经由地理定位单元414选择的语言的诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者的至少部分输出。
此外，在一些实施方案中，计算机400可被配置用于面部编码以便在诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者期间经由患者的面部外观对其面部动作进行分类，诸如用于情绪确定和发音训练或言语治疗。此分类可用作迭代反馈回路以增强诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者。举例来说，计算机400可在诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者中检测患者的面部，提取患者面部的几何特征，产生每一患者面部动作的时间简档，且接着诸如向计算机系统304(无论是向第一数据结构和/或第二数据结构)提供此简档以用作迭代反馈回路以增强诊断阶段(无论是部分还是整体)和治疗阶段(无论是部分还是整体)中的至少一者。
另外，在一些实施方案中，计算机400可以是可植入的或可穿戴的。此计算机400可识别和映射患者大脑对于语言处理的问题区域，该问题区域是通过诊断阶段和治疗阶段中的至少一者确定的。作为植入式或可穿戴装置，计算机400可监测神经细胞的活动并使用大脑信号来使大脑的物理区域与功能区域相关，该功能区域是程序通过诊断阶段和治疗阶段中的至少一者映射的。此计算机400接着可通过治疗阶段通过校正行动刺激大脑电路。此计算机400可监测如通过大脑激活和来自治疗胞的患者输出确定的大脑电路的改变。举例来说，对大脑中激活区域的此监测可指示患者在治疗期间在其接近过程中接近于实现目标发音。在这种情况下，程序在此时刻强化其治疗以使其通过此目标并加强其训练以确保稳固习得。
另外，在一些实施方案中，计算机400可被配置用于第二语言学习。在这种情况下，第一数据结构(诸如主矩阵)将被配置用来预测第二语言学习者对于所述语言或方言很可能犯的错误。治疗壳层中的大部分将保留，尤其是当学习者的目标是像本地人一样流畅时。新的诊断和治疗壳层将涵盖和/或被更新以涵盖语法、句子结构和语用学(语言使用背景)的更多成分，尤其是在至少一些信息是利用计算机系统304从其它患者获得时。
另外，在一些实施方案中，计算机400可被配置用于口音修改，其中患者接收言语治疗以更改其本地口音。举例来说，一个人可出于专业理由决定减少区域或污名化口音。在这种情况下，她的治疗将更多集中于音位识别和辨别以及单词放大上，而较少集中于快速单词辨识上。将通过针对此程序选择的诊断壳层生成适当的治疗胞。也就是说，诊断壳层首先将涵盖音段(发音)和韵律(话语)层面上的发音。在其它实施方案中，患者可以是诸如出于机器学习目的在任务执行期间产生类似人类的言语的机器。在这些例子中，计算机400可被配置用来提供校正训练，使得患者-机器在音段、韵律和句法层面上接近自然言语。
另外，申请者对向人实施的治疗方法进行研究，该研究形成本公开的基础。此研究的实验小组采用灵活的数据驱动方法，该方法使用每个学生的详细的持续存在的语言学认知简档来生成个性化的训练练习。对照小组使用基于奥顿-吉林翰的方法。实验小组与对照小组之间的分割技能的比较统计上示出前者有显著转移效应而后者略有下降。对于实验小组，对音位意识和快速自动命名的组合训练也导致单词辨识方面的较强表现。
更明确地说，研究将基于本文中公开的方法的个性化方法与介入中学的努力的读者的标准化方法进行比较。基于奥顿-吉林翰原理的威尔森阅读系统用作对照小组中的标准化方法。实验小组中使用的个性化方法是新的介入形式，其使用创造性问题解决来解决每个学生中识别的特定阅读和语言处理问题。此处称作反应介入，该方法要求形成每个学生的详细的语言学认知简档以便定制训练。研究设计遵循国家阅读小组(2000)和教育科学研究所(2013)针对效能研究推荐的准则。结果示出两种方法之间的分割技能方面存在显著影响差异，从而提供对现有介入项目的弱点的进一步确认和解释。
本研究的场所是公立初级中学，该学校有超过1400人注册且大约有260个学生进行特殊教育。这个初级中学位于纽约州的收入主要在中等至中上的区域。研究结合现场课外阅读项目进行，课外阅读项目从2014年3月进行至6月。项目由研究团队组织并作为社区服务向参与者提供。
这个研究符合国家阅读小组(2000)针对设计完好的实验的准则以及教育科学研究所(2013)的准则，该实验对原因提供强有力的证据。国家阅读小组(2000)对阅读研究的元分析得出结论：当孩子接收不超过一个或两个音位意识(PA)技能的集中且明确的指导时，效应值较大。而且，集中在字母和音位上的项目比仅涵盖一项的项目更有效。在本研究中，实验小组除了字母和音位之外还学习IPA(国际语音协会)符号。作为直接教导的仅有PA技能，实验小组实践辨识单词中的个别发音(音位分离)。但项目结束评定测试了另一PA技能分割以确定转移。
国家阅读小组的审查还发现与教室或一对一环境相比，学生在以小组被教导时效果较大。发现最佳总指导时间是五至18小时。在当前研究中，小组大小范围从每一期平均七个至10个学生。每一期的指导时间是平均35分钟，总计8.25小时。为了确保内在效力，如下文所描述将参与者随机地指派至两个小组。两个小组在关键因素(下文所描述)上是等效的，如通过卡方测试所确认。要求在上学时间期间接收威尔森介入的学生退出该项目且不将其计入统计分析中。
国家阅读小组(2000)发现当研究使用实验者设计的测试来测量阅读改进时转移效应较大，这是因为标准化测试在检测所调查的技能的改变方面可能较不敏感。本研究中使用的预测试和后测试由作者开发用来测量分割能力。一个最终建议(在介入完成之后的某一时间进行跟踪后测试以评定训练的长期效应)在这个研究中不能实现，，这是因为项目在学年末结束。
参与者由学校的老师推荐作为进行特殊教育的学生，其将受益于课外阅读项目。二十六个学生参与课外项目：15个来自6年级且11个来自7年级。为了将参与者指派至对照小组和实验小组，首先按年级对学生进行划分。每个年级的学生被随机地指派至对照小组或实验小组。在参与项目的26个学生中，18个参加课外补习班直到学年结束，且包含在对照研究中。六年级和七年级的学生平均分布在两个小组中，其中每个小组九个学生(6年级六个，7年级三个)。
对照研究中的所有学生都来自双亲家庭。在这18个学生中，五个是女生(三个在对照小组，两个在实验小组)且13个是男生(六个在对照小组，七个在实验小组)；且七个是少数族裔学生(四个在对照小组，三个在实验小组)。对照小组中有五个学生且实验小组中有六个学生接收言语/语言治疗服务。研究的参与者在纽约州的4年级英语语言文学(ELA)测试上的分数都是1级或2级。1级视为“不合格”，其中学生表现表明对这个年级预期的英语语言知识和技能不理解(纽约州教育部门，2012)。2级的表现表明部分理解。2级之上是3级(“达到精通标准”)和4级(“超过精通标准”)。只有对照小组中的一个学生和实验小组中的一个学生可获得其5年级ELA分数，且他们俩都是2级。对照小组中的学生中有两个的ELA分数不可获得。不考虑IQ分数，因为这些努力的读者可能具有语言处理问题，这可影响其IQ分数。一系列卡方测试揭示在性别、少数族裔状态、对言语/语言治疗的参与、年级和双亲/单亲家庭方面对照小组和实验小组之间没有显著差异。对照小组中有两个学生且实验小组中有三个学生针对其年级是超龄的，这暗示着他们留过级。发现这个因素在统计方面在两个小组之间也不重要。
除了一周的期中假期之外，对照小组和实验小组的课外补习班从2014年3月至6月每周二进行45分钟。在减去10分钟以进行适应并准备搭乘末班车之后，指导时间是35分钟。每个小组由老师在单独的教室中教导(见下文对照小组和实验小组)。每个老师在补习班的75％的时间中有助教支持。老师记出勤日志，而其助教记录其小组中每个学生的参与程序(见下文实现忠实度)。两个老师都指派一周总计不超过一个小时的家庭作业。
教导对照小组的老师是通过学校进行的选择过程雇佣的，学校在其自己的特殊教育方面的老师中筛选申请者。所选择的指导者具有九年教学经验和威尔森1级证书。
对照小组严格遵循威尔森阅读系统。该班级使用威尔森阅读系统的指导手册第三版(ThirdEditionoftheWilsonReadingSystem’sInstructorManual)、规则笔记(RulesNotebook)和学生读者一和二(StudentReaderOneandTwo)。如公司网站上所解释，威尔森阅读系统是旨在教学编码和解码技能的逐步项目，其从单音节单词进行至多音节单词。它要求学生在学习分割时打出单词的发音(WilsonLanguageTrainingCorp.，2010)。
在项目期间，对照小组致力于闭音节和例外、二合字母(形成单个发音的两个字母组合，诸如ee)、焊接音(例如，all、ing)、合成和分割、元音(a、e、i、o、u)和辅音。老师在方法上引入新概念，从而允许实践和复习。班级活动都由威尔森方法指示并包含识别诸如单词中的焊接音(ball)等概念，将字母(表示发音)合成为单词(r-am＝ram)，将给定单词填入句子中，识别书写的句子中的短语边界，用给定字母完成单词，并阅读简单的文章。老师每周分发来自威尔森课程的信息包以用于在家复习。
实验小组的老师是本申请的发明者之一。该发明者有超过20年在大学教学的经验，但都不是非高等的。该发明者已在一对一环境下对着具有阅读缺陷的学生工作超过八年，但没有在任何标准化方法方面受过训练。
实验介入涉及直接反应于每个学生身上发现的语言问题。因此，实验小组中介入的形式和步调取决于每个学生的困难和进展针对他或她而变化。为了执行这种反应介入，通过作者设计的一系列简短测试来搜集学生的语言能力和弱点的初始简档以识别每个学生的问题区域。在项目开始之前在安静的教室一对一地实施测试，该测试花费每个学生不超过15分钟。测试涵盖基本语音知识。学生被要求识别单词中的元音(beat中的/i/)、分词(/fremd/framed)，和将单词拆分成音节(ad-van-tage)。
初始评估之后是每周进一步观察和记录学生的接收和产生错误。这些数据源用以生成个人简档，个人简档含有关于每个学生在音位(辅音和元音)、语音处理(例如，非重读元音中性化为)、拼字法(拼写模式)、形态结构(单词构成)和形态音位处理(例如，以清辅音结束的基本单词中的过去时词素的清音化，诸如slapped)方面的问题的信息。学生的语言学-认知简档包含接收(听和读)以及产生(说和拼写)方面的问题。因为项目仅仅进行三个月，所以实验班级没有涵盖较大语言学结构，诸如词汇(单词)搭配、短语、句子和篇章。本领域中通常接受，语音、拼字和形态知识是阅读发展的关键成分(Berninger、Abbott、Nagy&Carlisle，2010)且应被直接教导(Torgesen，2004)。
每个学生的累积简档用以生成特别针对他或她的用于下周的新练习。实验小组中有四个学生有发音问题且难以控制气流和音量。这些学生在项目中以发音练习开始，在需要时借助道具实践。举例来说，他们使用手持式镜子来核对其嘴唇的运动(嘴唇展开或圆化)和使用棒棒糖来感觉其舌头在元音产生时的位置。不管个人步调，实验小组作为整体通常从发音、音位的听觉辨别和用语音符号的形式表示发音进展至学习音位-字形(发音-字母)映射和拼写模式。
在项目的第二半的练习集中于单词的快速命名，其含有先前学习的拼写模式。尽管快速自动命名(RAN)已用于评定和研究超过三十年(Denckla&Rudel，1976)，但阅读困难中的快速命名的实际本质和角色仍不清楚(见Elliott&Grigorenko的研究综述，2014)。RAN在此研究中用于不同目的：用以捕捉学生在辨识拼写模式方面的错误并使用所搜集的信息来形成未来的练习。RAN传统上涉及字母、数字和物体名字，但在此研究中采用的RAN的版本中，参与者大声阅读使用MSPowerPoint在指定时间在屏幕上闪烁的单个单词。每个单词列表含有平均40个单词。单词中的大多数是单音节的，诸如rut，或双音节的，诸如roaster。每个列表中的单词中不超过三个含有两个以上音节，诸如happiness。打分员记录测试单词的正确和不正确的阅读，其接着用以生成用于后续几周的新练习。举例来说，当学生将sitting误读为sighting时，后续练习包含在元音/ai/(-ight、-ite、-ie等)和/I/(i)的拼写模式之间进行区分。班级中的指导类似地进行个性化。大量上课时间花在一对一讨论、协同合作和小组合作上。每个学生每周接收适合他或她的关于语言的特定问题的信息包。重要的是应注意，分割技能没有直接和明确地向班级教导。学生每周的信息包类似地不包含分割练习。这是为了看看是否发生转移效应。
为了效能研究考虑符合IES(教育科学研究所，2013)的教育研究和发展的共同方针的实现的忠实度。通过教室观察、学生出勤和参与、上课时间使用、教学策略以及教学材料和内容的组合监测威尔森方法在对照小组中的实现的忠实度。控制小组的老师通过完全填写威尔森阅读系统教案形式、拼写出将要教导的特定单词来准备教案。研究团队确认她贴近教案，唯一的修改是在需要时将材料延续至第二周。另外，控制小组的助教与作者的大学而不是参与学校有关系，其充当控制小组的观察员。助教的观察按书写或通过口头交流每隔一周至少进行一次。助教的报告确认老师密切地遵循WilsonReading--系统地且累积地呈现语言的结构；通过多感觉通道加强概念；使用询问技术并对学生的错误给出反馈。此外，作为有经验的指导者，老师改变班级活动和步调来保持学生被吸引。
在两个班级的助教基于出勤、对手头任务的注意力、对老师的问题的反应和注意分散度(例如，手机使用)按照学生在教室中的注意力和参与程度对其自己小组中的学生评分。按照四级评分系统(良好、中等、一般、较差)，控制小组收到以下评分：良好—3，中等—4，一般—1，较差—1。实验小组收到以下评分：良好—2，中等—3，一般—2，较差—2。
实验班级遵循高度流动的灵活的布置，其不允许简单地监测实现的忠实度。尽管如此，仍每周从训练期搜集以下信息：学生的出勤和参与、关于与小组中每个学生的讨论的笔记，和针对每个学生的个性化的每周的信息包的分发。所收集的数据示出每一期在场的每个学生从老师或助教接收至少一次的一对一讨论。在场的每个学生还每周接收个性化的信息包。两个班级在同一建筑中在同一天的同一时间相遇并结束。
相同的分割测试在课外项目开始前一周(预测试)和项目的最后一周(后测试)实施。分割测试由具有10个普通单词的列表组成，所述单词含有一些单音节单词(诸如praise)和双音节单词(诸如flower)。单词中有七个作为5000个最频繁地使用的单词出现(Davies&Gardner，2010)。在安静的房间个别地对每个学生实施测试。学生的口语产生按人转录为IPA语音符号，其中音渡(发音之间的间断)被指出。在需要时，要求学生再次分割所述单词以确认转录。用相同方式对两个小组中的所有学生实施相同测试。如下分配分数：0—测试单词作为单个单元读出；学生读出错误的发音；发音在单词中错误的位置；学生说出字母而不是发音(例如，“doubleU”W而不是/w/发音)；或学生放弃尝试分割单词。1—在单词中的正确位置给出单个音位或音位群。(即使在学生没有完全分割单词的这种情况下，仍针对音位群给分；她的分数与总分的比较将指示她的分割不完全。)
接近项目结束时，对所有参与者进行单词辨识速度的测试。三十六个单词逐一地放在MSPowerPoint幻灯片中(Calibri44磅字体)并设置成按0.3秒显示(即，每分钟200个单词)。所有单词在现代美国英语中最频繁使用的单词中的前1000个中，诸如anything和least(Davies&Gardner，2010)。三个空白幻灯片分隔每10个单词以允许学生在屏幕上闪烁的单词的快速阅读之间暂停。在其它学生不存在的安静区域中个别地实施测试。只接受单词的精确形式的阅读。举例来说，如果学生将response阅读成respond，那么不给分。
根据含有口头上给予学生的确切指导的测试手册来实施分割测试。给出阐明分割的实例(“举例来说，‘cat’是”)。要求每个学生在将单词分割成个别发音(音位)之前重复测试单词以确认听到正确的单词。给学生完成每一项所需的尽量多的时间。对于每个测试项和反应，测试者是友好的但不会提供任何反馈。对于RAN测试，测试者向学生核实以确保他们已准备好阅读屏幕上的单词。在第一个单词之前有十张空白幻灯片以给学生时间准备。测试者按幻灯片呈现次序使用单词列表以核对正确阅读。
本申请的发明者中的一些充当测试者且在此研究之前已使用对其它学生实施相同分割测试并打分的相同协议进行实践超过一年。为了确定评分者间信度，所有分割预测试由两个作者独立地打分，且分割后测试的33.3％由第二评估者打分。预测试的评分者间信度是99.4％且后测试的评分者间信度是99.7％。没有针对RAN测试监测评分者间信度，因为打分仅涉及核对列表上的测试单词的正确阅读。
运行一系列协方差分析(ANCOVA)以检查介入对分割技能的影响。ELA和分割预测试分数两者都作为协变量被输入。表1示出用于这些分析的未调整的和调整的平均数。分割测试的ANCOVA揭示介入的显著影响，F(1,12)＝15.11，p＝.002，η2＝.557(见表2)。实验小组中的学生在这项评定方面表现得比对照的学生好。对照小组中的两个学生的分割分数不包含在计算中，因为他们的ELA分数不可获得。但他们在预测试和后测试上的表现落在其对照小组中的其他人的分数范围内(预测试：59中的20和20；后测试：59中的13和17)。
两个小组的学生在项目中以类似的未调整的平均分数(59中的25对26)开始，但在结束时有显著差异(45对21)。对照小组中四个成员实际上示出分数实质上下降，其中三个下降超过20.0％。相比之下，实验小组的九个中有五个学生示出增加超过33.9％。在项目开始时，两个小组一般只能把单词划分成音节而不是音位，如其预测试分数中所见。在介入之后，实验小组中所有学生能够将大部分测试单词分割成单个音位。实验小组中在后测试中分数不能在59中的40以上的唯一的学生错过了在项目中间的一个月学期。
RAN是实验小组的反应介入项目的一部分。如先前所指出，RAN用以检测在流畅阅读所需的速度下在拼写规则的应用方面的弱点。在介入开始时，实验小组中的所有学生甚至在比60个单词每分钟(wpm)更慢的速度下出错，且其中大多数不能在120wpm以上的情况下执行任务。预期4年级和以上的典型地发展的学生实现120至180个正确单词每分钟(cwpm)(Shaywitz，2003，277页)。项目进行两个月，实验小组中的学生能够在120至200wpm之间的速度下执行。举例来说，一个学生在较早的RAN评定中误读roosting、toot、rooted和noose中的/u/发音。在进一步实践之后，他能够在后续的RAN测试中按200wpm正确地阅读单词tooting、drooping、loose、和croon。
接近项目结束时，对两个小组实施RAN测试来看看组合的PA和速度训练是否改进实验小组在单词辨识方面的准确度。实验小组中的每个学生按200wpm平均正确地阅读测试单词中的44.4％，相比之下对照小组只有31.0％。更重要的是，实验小组的九个中有五个学生分数在50.0％以上，相比之下对照小组中只有一个。
表1
按小组进行的分割后测试的未调整的和调整的平均数的描述统计
a.按以下值评估模型中出现的协变量：4年级ELA分数＝626.88，分割预测试分数＝26.2500。
表2
分割后测试：主体间效应测试
b.R平方＝.704(调整的R平方＝.630)
c.使用α计算的＝.05
在一些实施方案中，各种功能或动作可在给定位置和/或结合一个或多个设备或系统的操作发生。在一些实施方案中，给定功能或动作的一部分可在第一装置或位置处执行，且功能或动作的其余部分可在一个或多个额外装置或位置处执行。
在一些实施方案中，设备或系统包括至少一个处理器，和存储指令的存储器，指令在由至少一个处理器执行时使设备或系统执行如本文中描述的一个或多个方法动作。在一些实施方案中，存储器存储数据，诸如一个或多个结构、元数据、行、标记、块、字符串，或其它合适的数据组织。
如本领域技术人员将了解，本公开的方面可实施为系统、方法或计算机程序产品。因此，本公开的方面可采用完全硬件实施方案、完全软件实施方案(包含固件、常驻软件、微代码等)或作为结合软件和硬件方面的实施方案的形式，其一般来说在本文中都可被称作“电路”、“模块”或“系统”。此外，本公开的方面可采用计算机程序产品的形式，计算机程序产品在其上实施有计算机可读程序代码的一个或多个计算机可读媒体中实施。
可利用一个或多个计算机可读媒体的任何组合。计算机可读媒体可以是计算机可读信号媒体或计算机可读存储媒体。计算机可读存储媒体可以是(例如，但不限于)电子、磁性、光学、电磁、红外或半导体系统、设备或装置，或上述各项的任何合适组合。计算机可读存储媒体的更特定实例(非详尽列表)将包含以下各项：具有一根或多根线的电连接、便携式计算机软磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便携式压缩光盘只读存储器(CD-ROM)、光学存储装置、磁性存储装置或上述各项的任何合适组合。在本文档的上下文中，计算机可读存储媒体可以是任何有形媒体，其可含有或存储供指令执行系统、设备或装置使用或结合指令执行系统、设备或装置使用的程序。
计算机可读信号媒体可将其中实施有计算机可读程序代码的传播的数据信号(例如)包含在基带中或包含为载波的一部分。此传播的信号可采用多种形式中的任一者，包含(但不限于)电磁形式、光学形式或其任何合适的组合。计算机可读信号媒体可以是不是计算机可读存储媒体且可传达、传播或传输程序的任何计算机可读媒体，所述程序由指令执行系统、设备或装置使用或结合指令执行系统、设备或装置而使用。计算机可读媒体上实施的程序代码可使用任何适当的媒体传输，适当媒体包含(但不限于)无线、有线、光纤电缆、射频(RF)等或上述各项的任何合适组合。
用于执行本公开的方面的操作的计算机程序代码可用一种或多种编程语言的任何组合编写，编程语言包含面向对象的编程语言(诸如Java、Smalltalk、C++或类似者)和常规程序编程语言(诸如“C”编程语言或类似编程语言)。程序代码可完全在用户的计算机上、部分地在用户的计算机上、作为独立软件包、部分地在用户的计算机上且部分地在远程计算机上或完全在远程计算机或服务器上执行。在后者情形中，远程计算机可通过任何类型的网络(包含局域网(LAN)或广域网(WAN))连接到用户的计算机，或可与外部计算机(例如，通过因特网使用因特网服务提供商)进行连接。
下文权利要求书中的所有构件或步骤加功能元件的对应结构、材料、动作和等效物旨在包含用于结合如具体地要求的其它要求的元件执行功能的任何结构、材料或动作。本公开的描述已被呈现用于说明和描述的目的，但无意为详尽的或限于公开的形式。许多修改和变化对于本领域技术人员来说将为显而易见的，而不脱离本公开的范围和精神。选择和描述实施方案以便最佳地解释本公开的原理和实践应用，且使本领域技术人员能够理解本公开的各种实施方案具有各种修改，所述修改适合于预期的特定用途。
本文中描绘的图式是说明性的。其中描述的图式或步骤(或操作)可存在许多变化而不脱离本公开的精神。举例来说，可按不同次序执行步骤或可添加、删除或修改步骤。所有这些变化被视为本公开的一部分。应理解，本领域技术人员现在和将来可进行各种改进和增强，所述改进和增强在所附的权利要求书的范围内。

Claims (20)

1.一种方法，其包括：
经由以下操作诊断语言相关障碍：
经由第一计算机获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；
经由所述第一计算机将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；
经由所述第一计算机获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；
经由所述第一计算机确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
2.如权利要求1所述的方法，其中所述障碍是诵读困难、特定的语言缺损、听觉处理障碍和失语症中的至少一者。
3.如权利要求1所述的方法，其进一步包括：
经由以下操作基于所述诊断提供治疗：
经由所述第一计算机获得第三组准则，其中所述第三组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第三分析；
经由所述第一计算机将第二结果存储在所述患者数据结构中，其中所述第二结果是从所述第二计算机接收而来，其中所述第二结果是基于所述第一计算机以所述第三组准则为基础选择第一治疗壳层，基于所述第一治疗壳层和所述胞生成数据组生成第一治疗胞，以及将所述第一治疗胞传达至所述第二计算机；
经由所述第一计算机获得第四组准则，其中所述第四组准则是基于相对于所述主数据结构对包含所述第一结果和所述第二结果的所述患者数据结构的第四分析；
经由所述第一计算机确定是否生成第二治疗胞和是否选择第二治疗壳层中的至少一者，其中所述第二治疗胞是基于所述第一治疗壳层，其中所述第一治疗壳层和所述第二治疗壳层在任务类型上不同。
4.如权利要求3所述的方法，其中所述第一治疗胞和所述第二治疗胞中的至少一者包括训练单元和评估单元。
5.如权利要求3所述的方法，其中所述第一治疗壳层和所述第二治疗壳层是音位辨别治疗壳层、快速单词辨识治疗壳层和单词放大治疗壳层中的至少一者。
6.如权利要求3所述的方法，其进一步包括：
将所述第一诊断胞、所述第二诊断胞、所述第一治疗胞和所述第二治疗胞中的至少一者游戏化，其中所述游戏化是交互的且以年龄为基础；
经由在所述第一计算机上运行的奖励系统对所述游戏化进行奖励。
7.如权利要求1所述的方法，其进一步包括第三诊断壳层，其中所述第一诊断壳层是音位识别诊断壳层，所述第二诊断壳层是发音-符号匹配诊断壳层，且第三诊断壳层是音节划分诊断壳层、快速命名诊断壳层和分词诊断壳层中的至少一者，其中所述第三诊断壳层在所述第二诊断壳层之后。
8.一种系统，其包括：
第一计算机，其经由以下操作而有助于诊断语言相关障碍：
获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；
将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；
获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；
确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
9.如权利要求8所述的系统，其中所述障碍是诵读困难、特定的语言缺损、听觉处理障碍和失语症中的至少一者。
10.如权利要求8所述的系统，其中所述第一计算机有助于基于对所述语言相关障碍的所述诊断提供对所述语言相关障碍的治疗，其中所述有助于对治疗的所述提供是经由以下操作来进行：
经由所述第一计算机获得第三组准则，其中所述第三组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第三分析；
经由所述第一计算机将第二结果存储在所述患者数据结构中，其中所述第二结果是从所述第二计算机接收而来，其中所述第二结果是基于所述第一计算机以所述第三组准则为基础选择第一治疗壳层，基于所述第一治疗壳层和所述胞生成数据组生成第一治疗胞，以及将所述第一治疗胞传达至所述第二计算机；
经由所述第一计算机获得第四组准则，其中所述第四组准则是基于相对于所述主数据结构对包含所述第一结果和所述第二结果的所述患者数据结构的第四分析；
经由所述第一计算机确定是否生成第二治疗胞和是否选择第二治疗壳层中的至少一者，其中所述第二治疗胞是基于所述第一治疗壳层，其中所述第一治疗壳层和所述第二治疗壳层在任务类型上不同。
11.如权利要求10所述的系统，其中所述第一治疗胞和所述第二治疗胞中的至少一者包括训练单元和评估单元。
12.如权利要求10所述的系统，其中所述第一治疗壳层和所述第二治疗壳层是音位辨别治疗壳层、快速单词辨识治疗壳层和单词放大治疗壳层中的至少一者。
13.如权利要求10所述的系统，其进一步包括：
将所述第一诊断胞、所述第二诊断胞、所述第一治疗胞和所述第二治疗胞中的至少一者游戏化，其中所述游戏化是交互的且以年龄为基础；
经由在所述第一计算机上运行的奖励系统对所述游戏化进行奖励。
14.如权利要求8所述的系统，其进一步包括第三诊断壳层，其中所述第一诊断壳层是音位识别诊断壳层，所述第二诊断壳层是发音-符号匹配诊断壳层，且第三诊断壳层是音节划分诊断壳层、快速命名诊断壳层和分词诊断壳层中的至少一者，其中所述第三诊断壳层在所述第二诊断壳层之后。
15.一种存储适于经由硬件处理器执行的指令集的非暂时性计算机可读存储媒体，其中所述指令集指示所述硬件处理器实现方法，所述方法包括：
经由以下操作诊断诵读困难：
经由第一计算机获得第一组准则，其中所述第一组准则是基于相对于主数据结构对患者数据结构的第一分析，其中所述患者数据结构包括一组实际患者任务反应，其中所述主数据结构包括有关多位患者的一组胞生成数据和一组预测的患者任务反应；
经由所述第一计算机将第一结果存储在所述患者数据结构中，其中所述第一结果是从第二计算机接收而来，其中所述第一结果是基于所述第一计算机以所述第一组准则为基础选择第一诊断壳层，基于所述第一诊断壳层和所述胞生成数据组生成第一诊断胞，以及将所述第一诊断胞传达至所述第二计算机；
经由所述第一计算机获得第二组准则，其中所述第二组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第二分析；
经由所述第一计算机确定是否生成第二诊断胞和是否选择第二诊断壳层中的至少一者，其中所述第二诊断胞是基于所述第一诊断壳层，其中所述第一诊断壳层和所述第二诊断壳层在任务类型上不同。
16.如权利要求15所述的媒体，其中所述方法进一步包括：
经由以下操作基于所述诊断提供治疗：
经由所述第一计算机获得第三组准则，其中所述第三组准则是基于相对于所述主数据结构对包含所述第一结果的所述患者数据结构的第三分析；
经由所述第一计算机将第二结果存储在所述患者数据结构中，其中所述第二结果是从所述第二计算机接收而来，其中所述第二结果是基于所述第一计算机以所述第三组准则为基础选择第一治疗壳层，基于所述第一治疗壳层和所述胞生成数据组生成第一治疗胞，以及将所述第一治疗胞传达至所述第二计算机；
经由所述第一计算机获得第四组准则，其中所述第四组准则是基于相对于所述主数据结构对包含所述第一结果和所述第二结果的所述患者数据结构的第四分析；
经由所述第一计算机确定是否生成第二治疗胞和是否选择第二治疗壳层中的至少一者，其中所述第二治疗胞是基于所述第一治疗壳层，其中所述第一治疗壳层和所述第二治疗壳层在任务类型上不同。
17.如权利要求16所述的媒体，其中所述第一治疗胞和所述第二治疗胞中的至少一者包括训练单元和评估单元。
18.如权利要求16所述的媒体，其中所述第一治疗壳层和所述第二治疗壳层是音位辨别治疗壳层、快速单词辨识治疗壳层和单词放大治疗壳层中的至少一者。
19.如权利要求16所述的媒体，其中所述方法进一步包括：
将所述第一诊断胞、所述第二诊断胞、所述第一治疗胞和所述第二治疗胞中的至少一者游戏化，其中所述游戏化是交互的且以年龄为基础；
经由在所述第一计算机上运行的奖励系统对所述游戏化进行奖励。
20.如权利要求15所述的媒体，其进一步包括第三诊断壳层，其中所述第一诊断壳层是音位识别诊断壳层，所述第二诊断壳层是发音-符号匹配诊断壳层，且第三诊断壳层是音节划分诊断壳层、快速命名诊断壳层和分词诊断壳层中的至少一者，其中所述第三诊断壳层在所述第二诊断壳层之后。
CN201480065682.2A 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术 Active CN105792752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110208399.2A CN112992316A (zh) 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361898052P 2013-10-31 2013-10-31
US61/898,052 2013-10-31
PCT/US2014/062946 WO2015066203A2 (en) 2013-10-31 2014-10-29 Computing technologies for diagnosis and therapy of language-related disorders

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110208399.2A Division CN112992316A (zh) 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术

Publications (2)

Publication Number Publication Date
CN105792752A true CN105792752A (zh) 2016-07-20
CN105792752B CN105792752B (zh) 2021-03-02

Family

ID=52995850

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201480065682.2A Active CN105792752B (zh) 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术
CN202110208399.2A Pending CN112992316A (zh) 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202110208399.2A Pending CN112992316A (zh) 2013-10-31 2014-10-29 用于诊断和治疗语言相关障碍的计算技术

Country Status (8)

Country Link
US (4) US9489854B2 (zh)
EP (2) EP4300513A1 (zh)
JP (2) JP6586099B2 (zh)
KR (2) KR102321194B1 (zh)
CN (2) CN105792752B (zh)
AU (4) AU2014342353A1 (zh)
CA (1) CA2927362A1 (zh)
WO (1) WO2015066203A2 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106422057A (zh) * 2016-08-31 2017-02-22 惠州Tcl移动通信有限公司 脉冲理疗设备、应用、云平台以及系统
CN107657858A (zh) * 2017-10-18 2018-02-02 中山大学 一种语言训练系统及其实现方法
CN110123342A (zh) * 2019-04-17 2019-08-16 西北大学 一种基于脑电波的网瘾检测方法及系统
CN112617755A (zh) * 2020-12-28 2021-04-09 深圳市艾利特医疗科技有限公司 言语功能障碍检测方法、装置、设备、存储介质及系统
US20230317274A1 (en) * 2022-03-31 2023-10-05 Matrixcare, Inc. Patient monitoring using artificial intelligence assistants

Families Citing this family (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9634855B2 (en) 2010-05-13 2017-04-25 Alexander Poltorak Electronic personal interactive device that determines topics of interest using a conversational agent
KR20150076125A (ko) * 2013-12-26 2015-07-06 강진호 3차원 파노라마 멀티 앵글 투시 영상 발음 학습 지원 시스템 및 그 시스템의 발음 학습 지원 방법
US9833174B2 (en) * 2014-06-12 2017-12-05 Rochester Institute Of Technology Method for determining hearing thresholds in the absence of pure-tone testing
US11026602B2 (en) * 2014-09-19 2021-06-08 Bitwave Pte Ltd System for hearing sensitivity testing and auto reinforcement
WO2016109334A1 (en) 2014-12-31 2016-07-07 Novotalk, Ltd. A method and system for online and remote speech disorders therapy
US11972336B2 (en) 2015-12-18 2024-04-30 Cognoa, Inc. Machine learning platform and system for data analysis
US20170193846A1 (en) * 2015-12-30 2017-07-06 Pearson Education, Inc. Intervention analyzer for content distribution networks
JP6699825B2 (ja) * 2016-02-29 2020-05-27 国立大学法人 奈良先端科学技術大学院大学 診断装置、診断装置の制御方法、及び診断プログラム
US11334803B2 (en) * 2016-04-20 2022-05-17 Carnegie Mellon University Data processing system to detect neurodevelopmental-specific learning disorders
US9672618B1 (en) * 2016-08-15 2017-06-06 Elham Mahjoob Hassanain System and process for dyslexia screening and management
US10971254B2 (en) 2016-09-12 2021-04-06 International Business Machines Corporation Medical condition independent engine for medical treatment recommendation system
US10593429B2 (en) * 2016-09-28 2020-03-17 International Business Machines Corporation Cognitive building of medical condition base cartridges based on gradings of positional statements
US10818394B2 (en) 2016-09-28 2020-10-27 International Business Machines Corporation Cognitive building of medical condition base cartridges for a medical system
US10692393B2 (en) * 2016-09-30 2020-06-23 International Business Machines Corporation System and method for assessing reading skills
US10699592B2 (en) * 2016-09-30 2020-06-30 International Business Machines Corporation System and method for assessing reading skills
CN109863502A (zh) * 2016-11-10 2019-06-07 纽诺创科技术公司 将图像拍摄设备与人类用户相关联以分析认知能力的方法和系统
US10607736B2 (en) 2016-11-14 2020-03-31 International Business Machines Corporation Extending medical condition base cartridges based on SME knowledge extensions
US20180144659A1 (en) * 2016-11-18 2018-05-24 Marisha McGrorty Electronic teaching aid software system and method of generating a customized curriculum
AU2017377015A1 (en) * 2016-12-14 2019-07-25 Inner Cosmos Llc Brain computer interface systems and methods of use thereof
US20180225985A1 (en) * 2017-02-06 2018-08-09 Dusan Damjanovic Operator readiness testing and tracking system
US10579255B2 (en) 2017-02-09 2020-03-03 International Business Machines Corporation Computer application for populating input fields of a record
EP3580700A4 (en) * 2017-02-09 2020-11-18 Cognoa, Inc. PLATFORM AND SYSTEM FOR DIGITAL PERSONALIZED MEDICINE
KR101959246B1 (ko) * 2017-03-06 2019-07-04 최동훈 언어 장애 트레이닝 서버 및 방법
US10910105B2 (en) 2017-05-31 2021-02-02 International Business Machines Corporation Monitoring the use of language of a patient for identifying potential speech and related neurological disorders
US11723579B2 (en) 2017-09-19 2023-08-15 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement
JP6337362B1 (ja) * 2017-11-02 2018-06-06 パナソニックＩｐマネジメント株式会社 認知機能評価装置、及び、認知機能評価システム
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
CN108182972B (zh) * 2017-12-15 2021-07-20 中电科软件信息服务有限公司 基于分词网络的中文疾病诊断的智能编码方法及系统
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
WO2019178125A1 (en) * 2018-03-13 2019-09-19 Blue Canoe Learning, Inc. Systems and methods for automatically integrating a machine learning component to improve a spoken language skill of a speaker
US11189191B2 (en) * 2018-03-28 2021-11-30 Ayana Webb Tool for rehabilitating language skills
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
CA3100519A1 (en) * 2018-05-17 2019-11-21 Rutgers, The State University Of New Jersey Systems and methods for cognitive diagnostics in connection with major depressive disorder and response to antidepressants
US11210965B2 (en) * 2018-05-17 2021-12-28 Pearson Education, Inc. Diagnostic analyzer for visual-spatial content
US10885204B2 (en) * 2018-07-08 2021-01-05 International Business Machines Corporation Method and system for semantic preserving location encryption
US11452839B2 (en) 2018-09-14 2022-09-27 Neuroenhancement Lab, LLC System and method of improving sleep
CN110021215A (zh) * 2019-03-27 2019-07-16 国家电网有限公司技术学院分公司 一种电力设备辅助培训终端设备
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
US11712366B1 (en) 2019-12-12 2023-08-01 Marshall University Research Corporation Oral therapy tool, system, and related methods
WO2021138185A1 (en) 2019-12-31 2021-07-08 Gened Corp. System, media, and method for training machine learning algorithms to identify characteristics within test responses
DE102020200013A1 (de) * 2020-01-03 2021-07-08 Siemens Healthcare Gmbh Magnetresonanzeinrichtung und Verfahren zum Betrieb einer Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
KR102203803B1 (ko) * 2020-02-06 2021-01-14 김의철 3급 지적장애, 언어장애 및 지체장애를 가진 유소년의 신경학적 치료방법 및 시스템
KR102395824B1 (ko) 2020-05-13 2022-05-06 주식회사 인터포름 혼합현실(Mixed Reality) 기술과 AI 음성인식 기술을 활용한 중도· 중복장애 아동의 뇌· 인지 발달과정과 의사소통 교육에 필요한 언어학습 시스템 디바이스 및 실전 체험형 언어와 상황 학습 MR 콘텐츠를 제공하는 방법
KR102260115B1 (ko) * 2020-09-17 2021-06-03 신수연 발음 향상을 위한 학습 자료를 제공하는 언어 학습 방법
US20220238110A1 (en) * 2021-01-25 2022-07-28 The Regents Of The University Of California Systems and methods for mobile speech therapy
WO2022198057A2 (en) * 2021-03-19 2022-09-22 Starkey Laboratories, Inc. Ear-wearable device and system for monitoring of and/or providing therapy to individuals with hypoxic or anoxic neurological injury
WO2023108195A1 (en) * 2021-12-15 2023-06-22 Robyn King Computer implemented system and method for determining educational proficiency and learning disabilities
KR20240020026A (ko) * 2022-08-05 2024-02-14 (주) 로완 디지털 치료제 학습 순응도를 높이기 위한 리마인드 방법 및 장치
US20240112810A1 (en) * 2022-09-30 2024-04-04 SALT LabSystem Limited System for performing arabic aphasia tests on a patient
KR102539049B1 (ko) * 2022-12-08 2023-06-02 주식회사 하이 신경언어장애를 평가하는 방법 및 장치
WO2024163730A1 (en) * 2023-02-01 2024-08-08 Board Of Regents, The University Of Texas System Early detection of cognitive impairment
KR102695585B1 (ko) * 2023-10-04 2024-08-16 이정용 감성적 소통이 가능한 대화형 인공지능 시스템 및 인공지능 서버

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6017219A (en) * 1997-06-18 2000-01-25 International Business Machines Corporation System and method for interactive reading and language instruction
CN1246942A (zh) * 1996-07-12 2000-03-08 第一咨询公司 应用基于列表的处理的计算机医疗诊断系统
WO2001004863A1 (en) * 1999-07-09 2001-01-18 Cognitive Concepts, Inc. Diagnostic system and method for phonological awareness, phonological processing, and reading skill testing
WO2001041114A1 (en) * 1999-11-30 2001-06-07 Leapfrog Enterprises, Inc. Interactive communications appliance
TW548609B (en) * 1999-11-30 2003-08-21 Leapfrog Entpr Inc Method and system for assisting a user in learning and interactive learning appliance
US20090105521A1 (en) * 2004-09-13 2009-04-23 Jonathan Bentwich Systems and methods for assessing and treating medical conditions related to the central nervous system and for enhancing cognitive functions
CN101739868A (zh) * 2008-11-19 2010-06-16 中国科学院自动化研究所 一种用于口语测试的文本朗读水平自动评估诊断方法
US20100190143A1 (en) * 2009-01-28 2010-07-29 Time To Know Ltd. Adaptive teaching and learning utilizing smart digital learning objects
US20100221688A1 (en) * 2001-11-08 2010-09-02 Reeves Dennis L System, Method, and Computer Program Product for an Automated Neuropsychological Test
WO2012116334A2 (en) * 2011-02-24 2012-08-30 Patient Tools, Inc. Methods and systems for assessing latent traits using probabilistic scoring

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0064549A4 (en) 1980-11-05 1983-10-26 Marion C Bossart METHOD FOR THE DIAGNOSIS OF LEARNING DISABILITY AND TO PALLER THEREOF.
EP0797822B1 (en) 1994-12-08 2002-05-22 The Regents of the University of California Method and device for enhancing the recognition of speech among speech-impaired individuals
US5911581A (en) 1995-02-21 1999-06-15 Braintainment Resources, Inc. Interactive computer program for measuring and analyzing mental ability
CA2289022C (en) 1997-04-07 2009-03-31 Teri A. Lawton Methods and apparatus for diagnosing and remediating reading disorders
US6159014A (en) 1997-12-17 2000-12-12 Scientific Learning Corp. Method and apparatus for training of cognitive and memory systems in humans
US6146147A (en) 1998-03-13 2000-11-14 Cognitive Concepts, Inc. Interactive sound awareness skills improvement system and method
CN1229072C (zh) 1999-08-13 2005-11-30 益智韵律仪有限公司 神经冲突诊断方法和装置
WO2001060243A1 (en) 2000-02-14 2001-08-23 Levinson Harold N Network based dyslexia treatment method and apparatus
WO2001060233A2 (en) 2000-02-14 2001-08-23 Levinson Harold N Network-based detection of dyslexia and cvs disorders
EP1266368A2 (en) 2000-03-20 2002-12-18 Scientific Learning Corporation Computer-implemented methods and apparatus for improving general intelligence
US6304667B1 (en) 2000-06-21 2001-10-16 Carmen T. Reitano System and method for incorporating dyslexia detection in handwriting pattern recognition systems
US6699188B2 (en) * 2000-06-22 2004-03-02 Guidance Interactive Technologies Interactive reward devices and methods
US7367807B1 (en) * 2002-09-04 2008-05-06 Pennebaker Shirley M Method for improving word processing skills using visual flash stimuli
US7302389B2 (en) 2003-05-14 2007-11-27 Lucent Technologies Inc. Automatic assessment of phonological processes
EP2260760B1 (en) 2004-06-18 2014-08-27 Neuronetrix Solutions, LLC Evoked response testing method for neurological disorders
JP2008158055A (ja) 2006-12-21 2008-07-10 Sumitomo Cement Computers Systems Co Ltd 言語発音練習支援システム
US7967729B2 (en) 2007-03-27 2011-06-28 Bennett Ii Harold H Physical therapy system and method
WO2009138931A2 (en) * 2008-05-12 2009-11-19 Koninklijke Philips Electronics N.V. System and method for assisting in making a treatment plan
US8527275B2 (en) * 2009-07-17 2013-09-03 Cal Poly Corporation Transforming a tactually selected user input into an audio output
CA2832513A1 (en) * 2011-04-07 2012-10-11 Mordechai Shani Providing computer aided speech and language therapy
US20130063494A1 (en) 2011-09-12 2013-03-14 Microsoft Corporation Assistive reading interface
US9734292B2 (en) * 2011-12-08 2017-08-15 Neurodar, Llc Apparatus, system, and method for therapy based speech enhancement and brain reconfiguration
US9911358B2 (en) * 2013-05-20 2018-03-06 Georgia Tech Research Corporation Wireless real-time tongue tracking for speech impairment diagnosis, speech therapy with audiovisual biofeedback, and silent speech interfaces

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1246942A (zh) * 1996-07-12 2000-03-08 第一咨询公司 应用基于列表的处理的计算机医疗诊断系统
US6017219A (en) * 1997-06-18 2000-01-25 International Business Machines Corporation System and method for interactive reading and language instruction
WO2001004863A1 (en) * 1999-07-09 2001-01-18 Cognitive Concepts, Inc. Diagnostic system and method for phonological awareness, phonological processing, and reading skill testing
WO2001041114A1 (en) * 1999-11-30 2001-06-07 Leapfrog Enterprises, Inc. Interactive communications appliance
TW548609B (en) * 1999-11-30 2003-08-21 Leapfrog Entpr Inc Method and system for assisting a user in learning and interactive learning appliance
US20100221688A1 (en) * 2001-11-08 2010-09-02 Reeves Dennis L System, Method, and Computer Program Product for an Automated Neuropsychological Test
US20090105521A1 (en) * 2004-09-13 2009-04-23 Jonathan Bentwich Systems and methods for assessing and treating medical conditions related to the central nervous system and for enhancing cognitive functions
CN101739868A (zh) * 2008-11-19 2010-06-16 中国科学院自动化研究所 一种用于口语测试的文本朗读水平自动评估诊断方法
US20100190143A1 (en) * 2009-01-28 2010-07-29 Time To Know Ltd. Adaptive teaching and learning utilizing smart digital learning objects
WO2012116334A2 (en) * 2011-02-24 2012-08-30 Patient Tools, Inc. Methods and systems for assessing latent traits using probabilistic scoring
US20120270199A1 (en) * 2011-02-24 2012-10-25 Alan David Malik Methods and systems for assessing latent traits using probabilistic scoring

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106422057A (zh) * 2016-08-31 2017-02-22 惠州Tcl移动通信有限公司 脉冲理疗设备、应用、云平台以及系统
CN107657858A (zh) * 2017-10-18 2018-02-02 中山大学 一种语言训练系统及其实现方法
CN110123342A (zh) * 2019-04-17 2019-08-16 西北大学 一种基于脑电波的网瘾检测方法及系统
CN112617755A (zh) * 2020-12-28 2021-04-09 深圳市艾利特医疗科技有限公司 言语功能障碍检测方法、装置、设备、存储介质及系统
US20230317274A1 (en) * 2022-03-31 2023-10-05 Matrixcare, Inc. Patient monitoring using artificial intelligence assistants

Also Published As

Publication number Publication date
KR20160077200A (ko) 2016-07-01
CA2927362A1 (en) 2015-05-07
JP2020075090A (ja) 2020-05-21
US9489854B2 (en) 2016-11-08
WO2015066203A3 (en) 2015-11-12
EP4300513A1 (en) 2024-01-03
AU2019204382A1 (en) 2019-07-11
US20170004731A1 (en) 2017-01-05
EP3063751A2 (en) 2016-09-07
US20220293007A1 (en) 2022-09-15
CN105792752B (zh) 2021-03-02
JP6586099B2 (ja) 2019-10-02
AU2021202907A1 (en) 2021-06-03
KR102352652B1 (ko) 2022-01-18
KR20210132245A (ko) 2021-11-03
US20200402420A1 (en) 2020-12-24
AU2014342353A1 (en) 2016-05-05
EP3063751A4 (en) 2017-08-02
WO2015066203A2 (en) 2015-05-07
US20150118661A1 (en) 2015-04-30
CN112992316A (zh) 2021-06-18
KR102321194B1 (ko) 2021-11-03
AU2023206097A1 (en) 2023-08-10
JP2017504444A (ja) 2017-02-09
JP7005567B2 (ja) 2022-01-21

Similar Documents

Publication Publication Date Title
CN105792752A (zh) 用于诊断和治疗语言相关障碍的计算技术
CN103136972B (zh) 针对年轻学习者的基于计算机的语言浸入式教学系统与教学方法
CN101501741A (zh) 互动式外语教学
CN103136971A (zh) 语言音素的练习引擎
Maria et al. Chatbots as cognitive, educational, advisory & coaching systems
Alepis et al. Object-oriented user interfaces for personalized mobile learning
JP2012516463A (ja) コンピュータ実行方法
Mehta et al. Inclusion of Children With Special Needs in the Educational System, Artificial Intelligence (AI)
Wilkins et al. Introducing young children who are deaf or hard of hearing to spoken language
KR101344655B1 (ko) 훈련일지를 이용한 소리영어 학습방법
Martínez-Santiago et al. Pictogram tablet: a speech generating device focused on language learning
Nobriga et al. Training goal writing: A practical and systematic approach
Green et al. Remote speech technology for speech professionals-the CloudCAST initiative
US20240355225A1 (en) Computing technologies for diagnosis and therapy of language-related disorders
CN111461153A (zh) 人群特征深度学习方法
Li et al. Influence of Lexical Tone Similarity on Spoken Word Recognition in Mandarin Chinese: Evidence From Eye Tracking
Teófilo Enabling deaf or hard of hearing accessibility in live theaters through virtual reality
Amakali et al. A Comprehensive Analysis of Online Examination Frameworks and their Applicability to Open and Distance Learning in Namibia: A Scoping Review
Zhang Using Speech Recognition Algorithms to Improve Listening Training Effects in Foreign
Jensen Partial inclusion effects on students with special needs in english
Ovalle et al. Real-Time Transcriptionist Based on Artificial Intelligence to Facilitate Learning for People with Hearing Disabilities in Virtual Classes.
AIRES BIOVISUALSPEECH: DEPLOYMENT OF AN INTERACTIVE PLATFORM FOR SPEECH THERAPY SESSIONS WITH CHILDREN
Du Designing and Evaluating Young Children’s Interaction During an Alexa Trivia Game
Farinas et al. 6-1 (2013-01-12) Stage de Master à IRIT Toulouse F
Pinilla Fernández et al. The implementation of collaborative study groups for promoting pronunciation learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant