JP6586099B2 - 言語関連障害の診断及び治療のためのコンピューティング技術 - Google Patents

言語関連障害の診断及び治療のためのコンピューティング技術 Download PDF

Info

Publication number
JP6586099B2
JP6586099B2 JP2016552224A JP2016552224A JP6586099B2 JP 6586099 B2 JP6586099 B2 JP 6586099B2 JP 2016552224 A JP2016552224 A JP 2016552224A JP 2016552224 A JP2016552224 A JP 2016552224A JP 6586099 B2 JP6586099 B2 JP 6586099B2
Authority
JP
Japan
Prior art keywords
user
data
patient
computer
cell
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.)
Active
Application number
JP2016552224A
Other languages
English (en)
Other versions
JP2017504444A (ja
Inventor
パウ−サン ハルタ
パウ−サン ハルタ
チャリシー シ−フェイ ハルタ
チャリシー シ−フェイ ハルタ
キーラン ビン−フェイ ハルタ
キーラン ビン−フェイ ハルタ
Original Assignee
パウ−サン ハルタ
パウ−サン ハルタ
チャリシー シ−フェイ ハルタ
チャリシー シ−フェイ ハルタ
キーラン ビン−フェイ ハルタ
キーラン ビン−フェイ ハルタ
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 パウ−サン ハルタ, パウ−サン ハルタ, チャリシー シ−フェイ ハルタ, チャリシー シ−フェイ ハルタ, キーラン ビン−フェイ ハルタ, キーラン ビン−フェイ ハルタ filed Critical パウ−サン ハルタ
Publication of JP2017504444A publication Critical patent/JP2017504444A/ja
Application granted granted Critical
Publication of JP6586099B2 publication Critical patent/JP6586099B2/ja
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)

Description

〔関連出願の相互参照〕
本出願は、２０１３年１０月３１日に出願された、ＵＳ仮特許出願第６１／８９８，０５２の優先権を主張するものであり、全ての目的のために参照により全体を本明細書に包含する。
一般に、本開示はコンピューティングに関する。より詳細には、本開示は言語関連障害の診断及び治療のためのコンピューティング技術に関する。
本開示では、文書において、行動及び／または知識の項目は、言及され及び／または議論され、その結果そういった言及及び議論は自認ではない文書、行動及び／または知識の項目及び／またはそれらの組み合わせのいずれも、優先日、公開されたもの、既知のもの、共通の一般知識の一部、及び／または他の適用される法律規定の下で従来技術を構成するものにあり、及び／または本開示が関係するいかなる問題をも解決する試みに関連するものとして知られている。さらに、請求権を放棄するものは何もない。
言語は、人の精神及び伝達機能の大部分において基礎となる。故に、言語能力の一部を妨げる障害は、幅広くまたは重大な有害作用をもたらし得る。そういった障害の一般的な例のいくつかは、失読症、特異的言語障害（ＳＬＩ)、聴覚性処理障害（ＡＰＤ)、失語症、などといった言語関連障害を含む。例えば、失読症は一般にリーディング障害であると認識されているが、そういった状態の個人はしばしば多くの他の困難も経験している。そういった困難の中には語音明瞭度、注意、記憶に関する問題がある。従って、失読症は多くの基礎言語及び認知機能に影響を与えるため、そういった個人の何人かは、学校で、特に個人的な面で多大な犠牲を払って、苦労する場合がある。学校を中退し、自尊心または他の精神・社会的問題に苦しむ人もいる。しかしながら、そういった言語関連障害が広がってはいるものの、教師やセラピストといった多くの専門家が適切な訓練をうけていない。
そういった存在の問題的状態は、失読症といったいくつかの言語関連障害が欠点の幅広い範囲をカバーするという事実によってさらに悪化する。その結果、そういった障害が研究のための指針としては有用であろうとなかろうと、評価には疑問が残る。さらに、言語関連障害のための現行の診断テストの多くが、個人のペースを考慮し、個々のユーザのそれぞれに照らし合わせてカスタマイズされたものではあるものの、大きな集団を管理するように作られていない。さらに悪いことには、診断に基づき発見された欠点のほとんどにおいても、多くの医療提供者は単純に診断することに留まり、対処するための治療を勧めることへは進展しない。せいぜい、診断に治療を関連付け、評価結果を利用して、能力の一定水準で行動する全てのユーザを対象として事前設定された治療モジュールを選択する医療提供者もいる。
治療介入がそういった障害の治療において有用であり得るが、現在、リーディング障害のための医療介入治療の状態は悲観的なものである。例えば、中学校におけるいくつかのリーディング障害医療介入は、残念な結果を生じている。さらに、オートン・ギリンガム法またはオートン・ギリンガム法に基づく方法といったリーディング指示のよく使われている方法のいくつかは、全体または一部においても効果の十分な科学的根拠は提示していない。
本開示は、上記のうち少なくとも１つに関して少なくとも部分的に対処する。しかしながら、本開示は他の技術領域についても有用であると立証できる。従って、請求項は、必ずしも上記のいずれにおいても限定されるものとして解釈されるべきではない。
1つ以上のコンピュータのシステムは、ソフトウェア、ファームウェア、ハードウェア、またはそれらの組み合わせにより、特定の動作またはアクションを実行するよう構成できる。ソフトウェア、ファームウェア、ハードウェア、またはそれらの組み合わせは、システムに組み込まれ、動作中に、システムに動作またはアクションを実行させる。1つ以上のコンピュータプログラムは、データ処理装置によって実行される時、装置に動作またはアクションを実行させる指示を含むことにより、特定の動作またはアクションを実行するよう構成されてもよい。
本開示の例示的実施形態は、言語関連障害の診断を行うことを含む方法を備え、診断を行うことは、
第一コンピュータを介して基準の第一セットを得ることであって、基準の第一セットは主データ構造に対する患者データ構造の第一分析に基づき、患者データ構造は実際の患者タスク回答のセットを含み、主データ構造はセル生成データのセットと複数の患者のために予測された患者タスク回答のセットを含む、基準の第一セットを得ること、
第一コンピュータを介して患者データ構造に第一結果を格納することであって、第一結果は第二コンピュータから受け取られ、第一結果は第一コンピュータに基づき、第一コンピュータは、基準の第一セットに基づく第一診断シェルを選択し、第一診断シェル及びセル生成データのセットに基づき第一診断セルを生成し、かつ第一診断セルを第二コンピュータへ通信する、第一結果を格納すること、
第一コンピュータを介して基準の第二セットを得ることであって、基準の第二セットは第一結果を含む患者データ構造の主データ構造に対する第二分析に基づく、基準の第二セットを得ること、
第一コンピュータを介して、第二診断セルを生成するか第二診断シェルを選択するかの少なくとも１つを決定することであって、第二診断セルは第一診断シェルに基づき、第一診断シェル及び第二診断シェルは異なるタスクタイプである、決定すること、
を介する、方法を含む。
本開示の例示的実施形態は、言語関連障害の診断を手助けする第一コンピュータを含むシステムを備え、手助けすることは、
基準の第一セットを得ることであって、基準の第一セットは主データ構造に対する患者データ構造の第一分析に基づき、患者データ構造は実際の患者タスク回答のセットを含み、主データ構造はセル生成データのセットと複数の患者のために予測された患者タスク回答のセットを含む、基準の第一セットを得ること、
第一コンピュータを介して患者データ構造に第一結果を格納することであって、第一結果は第二コンピュータから受け取られ、第一結果は第一コンピュータに基づき、第一コンピュータは、基準の第一セットに基づく第一診断シェルを選択し、第一診断シェル及びセル生成データのセットに基づき第一診断セルを生成し、かつ第一診断セルを第二コンピュータへ通信する、第一結果を格納すること、
第一コンピュータを介して基準の第二セットを得ることであって、基準の第二セットは第一結果を含む患者データ構造の主データ構造に対する第二分析に基づく、基準の第二セットを得ること、
第一コンピュータを介して、第二診断セルを生成するか第二診断シェルを選択するかの少なくとも１つを決定することであって、第二診断セルは第一診断シェルに基づき、第一診断シェル及び第二診断シェルは異なるタスクタイプである、決定すること、を介するシステムを含む。
本開示の例示的実施形態は、ハードウェアプロセッサを介して実行するための指示のセットを格納した、持続性の、コンピュータ読み取り可能な記録媒体であり、前記指示のセットは、前記ハードウェアプロセッサに方法を実行することを指示し、方法は言語関連の障害を診断することを含み、診断することは、
第一コンピュータを介して基準の第一セットを得ることであって、基準の第一セットは主データ構造に対する患者データ構造の第一分析に基づき、患者データ構造は実際の患者タスク回答のセットを含み、主データ構造はセル生成データのセットと複数の患者のために予測された患者タスク回答のセットを含む、基準の第一セットを得ること、
第一コンピュータを介して患者データ構造に第一結果を格納することであって、第一結果は第二コンピュータから受け取られ、第一結果は第一コンピュータに基づき、第一コンピュータは、基準の第一セットに基づく第一診断シェルを選択し、第一診断シェル及びセル生成データのセットに基づき第一診断セルを生成し、かつ第一診断セルを第二コンピュータへ通信する、第一結果を格納すること、
第一コンピュータを介して基準の第二セットを得ることであって、基準の第二セットは第一結果を含む患者データ構造の主データ構造に対する第二分析に基づく、基準の第二セットを得ること、
第一コンピュータを介して、第二診断セルを生成するか第二診断シェルを選択するかの少なくとも１つを決定することであって、第二診断セルは第一診断シェルに基づき、第一診断シェル及び第二診断シェルは異なるタスクタイプである、決定すること、
を介する、媒体を含む。
添付の図面は本開示の例示的実施形態を説明する。こういった図面は、本開示に必ずしも限定されるものとして解釈されない。同じ番号及び／または類似の番号配列は、全体において同じ及び／または類似の要素を参照できる。
本開示に従うコンピュータネットワークモデルの例示的実施形態の概略図である。 本開示に従うコンピュータネットワーク構造の例示的実施形態の概略図である。 本開示に従うコンピュータネットワークダイアグラムの例示的実施形態の概略図である。 本開示に従うコンピュータの例示的実施形態の概略図である。 本開示に従う生成的モデルに基づく診断のためのプロセスの例示的実施形態のフローチャートである。 本開示に従う生成的モデルに基づく治療のためのプロセスの例示的実施形態のフローチャートである。 本開示に従う診断のためのプロセスの例示的実施形態のフローチャートである。 本開示に従う治療のためのプロセスの例示的実施形態のフローチャートである。 本開示に従う診断及び治療のためのプロセスの例示的実施形態のダイアグラムである。 本開示に従う子音のための音韻認識診断シェル及びセルの例示的実施形態のダイアグラムである。 本開示に従う母音のための音韻認識診断シェル及びセルの例示的実施形態のダイアグラムである。
本開示は、本開示の例示的実施形態が示される添付の図面を参照してさらに十分に記述される。本開示は多くの異なる形体で具体化されてもよいが、本明細書に開示される例示的実施形態に必ずしも限定されるものとして解釈されるべきではない。もっと正確に言えば、これらの例示的実施形態は、本開示が本開示の概念を当業者に徹底的にかつ完全に全てを伝えるように提供される。
特定の例示的実施形態に関して記述される特徴は、他の様々な例示的実施形態に、及び／または他の様々な例示的実施形態と共に、複合及び準複合されてもよい。さらに、本明細書に記述されるように、例示的実施形態の異なる態様及び／または要素は類似の方法で同様に複合及び準複合されてもよい。さらに、いくつかの例示的実施形態は、個別、及び／または集合であろうとなかろうと、大きなシステムの要素であってもよく、他の手順はその出願に対して優先権を持ち、及び／または、さもなくばその出願を修正してもよい。さらに、本明細書に記述されるように、例示的実施形態の前後に、及び／または同時に、多数のステップが必要となる場合がある。任意の及び／または全ての方法及び／またはプロセスが、少なくとも本明細書に記述されるように、あらゆる方法のうち少なくとも１つを介して少なくとも部分的に実行することができる。
本明細書に用いられる技術は、直接的または間接的、全体的または部分的、一時的または永続的、活動的または不活動的、を意味することができる。例えば、要素が他の要素に「載せられる」、「接続される」または「連結される」というように述べられる時、要素は他の要素に直接載せられるか、接続されるかまたは連結されてもよく、及び／または、間接的及び／または直接的な異形を含む介在要素が存在し得る。一方、要素が他の要素に「直接接続される」または「直接連結される」というように言及される時、存在する介在要素はない。
第一、第二、などの用語が様々な要素、構成要素、領域、層及び／または節を記述するために本明細書に用いられるが、そういった用語によって必ずしも限定されるべきではない。これらの用語は、他の要素、構成要素、領域、層または節から１つの要素、構成要素、領域、層または節を区別するために用いられる。よって、以下に記述される第一要素、構成要素、領域、層、または節は、本開示の教示から逸脱することなく、第二要素、構成要素、領域、層、または節を称することができる。
本明細書に用いられる技術は、特定の例示的実施形態を記述するためであり、本開示の限定を意図するものではない。本明細書に用いられるように、単数形「ａ」、「ａｎ」、「ｔｈｅ」は、文脈が明らかに他のものを指し示していない限り、複数形をも同様に含むことを意図する。「含む」、「有する」、及び／または「含んでいる」、「有している」の用語が、本明細書に用いられる時、表明された特徴、整数、ステップ、動作、要素、及び／または構成要素の存在を記述するが、他の特徴、整数、ステップ、動作、要素、構成要素及び／またはそれらのグループの1つ以上の存在及び／または付加を除外するものではないことは、さらに理解されるであろう。
本開示の例示的実施形態は、本開示の理想的な実施形態（及び中間体構造）の説明図を参照して本明細書に記述される。このように例えば、結果としての製造技術の説明図の形状変化及び／または許容差範囲は、予測されるものである。
他のものが定義されない限り、本明細書に用いられる全ての用語（技術用語及び科学用語を含む）は、本開示が属する当業者が通常理解するようなものと同様の意味を有する。一般に辞書を用いて定義されるような用語は、従来技術の文脈における意味と一致する意味を有するものとして解釈されるべきであり、本明細書にそのように明確に定義されない限りは、理想化された、及び／または過度に形式張った要点に解釈されないということは理解されるべきである。
さらに、「下に」、「下部」、「上に」、「上部」といった関連用語は、添付の図面に説明されるように、１つの要素の他の要素との関係を記述するために本明細書に用いられてもよい。そういった関連用語は、添付の図面に記述される位置に加えて、説明される技術の異なる位置を包含することを意図する。例えば、添付の図面における装置が回転していた場合、他の要素の「下部」側として記述される要素は、他の要素の「上部」側に方向付けられるであろう。同様に、図の1つにおける装置が回転していた場合、他の要素の「下に」または「下方に」といったように記述される要素は、他の要素の「上に」方向づけられるであろう。従って、例示的用語「下に」及び「下部」は、上と下の方向性の両方を包含できる。
本明細書で用いられるように、「おおよそ」及び／または「実質的に」という用語は、名目上の値／用語から＋／−１０％の差異を指している。こういった差異が具体的にどれを指しているのかいないのかにかかわらず、こういった差異は本明細書に用いられるどの値／用語をも常に含む。
いかなる開示も参照により本明細書に包含され、そういった開示は、本開示の部分的において及び／または全体において対立し、対立及び／またはより広範囲な開示、及び／またはより幅広い用語の定義、という点において、本開示が制御する。こういった開示が部分的において及び／または全体において他の開示と対立する場合、対立という点において、より最近の日付の開示が制御する。
いくつかの実施形態では、本開示は、言語関連障害を持つ患者へ個人に合わせた診断及び治療を供給するためのコンピューティング技術を利用可能にする。技術は、少なくとも１つのコンピューティング装置にネットワークを介して届けられるコンピュータ生成された診断及びコンピュータ生成された治療を利用可能にする。診断及び治療は、評価及び治療の各レベルにおける正しい回答のセットと共にネットワークを介して患者から得られるような、患者の表出誤り及び受容誤りの総合的な分析を通じて各患者用にカスタマイズされる。技術は患者の回答を、かかわりのある患者集団のために予測された全ての可能性のある正しい及び誤った回答の所定のマトリックスへマッチングすることを介して、そういったエラー分析を実行する。このエラー分析は、技術が、患者の障害の根本となる特定の言語処理欠点を効果的かつ総合的に対象とする、個人特有の診断及び治療セルを提供できるようにする。各セルは、言語及び／または言語機能の側面に焦点を合わせたテスト及び／または演習ユニットである。技術はさらに、言語処理障害の矯正における技術の効率を監視し向上するために採用される学習解析論コンピュータアルゴリズムまたは類似の方法に基づく患者の正しい回答及び不適格な表出を格納するデータベースを利用可能にする。本開示が言語処理に関連するので、本開示の主旨はさらに、言語構造を超えて、言語により支配される伝達及び／または認知機能まで広がる。言語関連障害及び欠点の科学的理解が向上したので、本開示は、リスクがあるものとして識別される集団のための予防プログラムとしても同様に機能できる。言語関連障害は、失読症、特異的言語障害、聴覚性処理障害、及び失語症のうち少なくとも１つを含むが、他の言語関連障害も同様に含まれる。
いくつかの実施形態では、本開示は患者の診断結果を利用して、患者のカスタマイズされた治療の内容を作ることができる。様々な遠隔装置にネットワークサービスを送ることと同時に、コンピュータ化された診断及び治療プログラムを用いることで、本開示は、発話障害、失読症、失語症、または当業者に既知のその他の障害といった言語処理に影響を及ぼす障害を持つ多くの患者にとって、相対的に効率よく、かつコスト効率の良いものとなる。クラウドコンピューティング及び／または同等の利点がある他のネットワーク技術を用いることで、本開示は、複数の携帯電話ユーザがコンピュータ化されたプログラムにいつでもアクセス可能であるというような利便性を提供し、それによりプログラムの有効性を高める。本開示は、プログラムを実行すること及び遠隔サーバ上に少なくともいくつかの患者データを保存することの両方を可能にし、それにより患者に採用される遠隔装置の数を増やすことができる。
本開示は、いくつかの固有の事項における言語関連障害の診断、評価、及び治療を目的とする。第一に、いくつかの実施形態では、診断が決定論的モデルの少なくとも一部に基づき、各患者の言語機能及び構造における特定の問題領域の１セットを識別しているため、本開示に基づく診断が最も確実である。評価の各レベルは前のレベルの分析を裏付け、かつ正当性を立証する。失読症は、通常の範囲内の知能指数（ＩＱ)を持ち他の点では完全に機能する個人における、予期しない例外だと考えられているため、患者の失読症は言語及び認知能力の幅広い範囲をカバーする１セットのテストを通じて判断されるので、現時点では、失読症のための最も確実とされる同等の診断テストは存在しない。従って、失読症を診断するために、心理学者は現在、実行機能の神経心理学的評価及び検査と共に、ウェクスラー児童用知能検査第四版統合版（ＷＩＳＣ−IV）、ウェスクラー個人学力検査第三版（ＷＩＡＴ−III）、ボストンネーミング検査、メンヤック構文理解検査、記憶及び学習の広範囲評価第二版（ＷＲＡＭＬ−II）、ピーボディ絵画語彙検査第四版を施す場合がある。こういった検査は、有資格専門家が施行するのに多大な時間を必要とし、それにより多くの家族に多大な費用的負担がある。さらに、こういった検査に基づく診断は、一般的には、標準的データに基づいた確立論的なものである。一部の科学団体が現在、失読症の診断にＩＱ検査は必要ないと述べているが、関連分野においては未だ信頼性のある診断手段が不足している。
第二に、いくつかの実施形態では、本開示は個人に合わせた評価及び治療の構築を可能にする。本開示は、開示の技術が各患者の訓練における全ての段階における受容誤り及び表出誤りを分析及び／または対処するため、より信頼のおける診断及び効率が良く効果的な治療を可能にする。各ユーザの根底にある言語処理問題に対処するために、プログラムは診断及び治療セルを個人に合わせてカスタマイズする。例えば、診断期における音素認識検査中に、患者が／θ／（”ｔｈ”）の音を間違える場合、さらなる診断検査の間に、問題を確認し、患者の処理欠点のより細かい詳細を得るために、この／θ／の音を持つ言葉を単語分割検査に含める。これらの詳細は、／θ／の音でそういった問題が発生する音環境を含んでもよい。音環境とは、その音韻に近い音及び／または語頭、語中、及び／または語末位置といった言葉におけるその音韻の位置といった、特定の音韻を取り囲む音韻の文脈である。例えば、患者がｔｅｅｔｈといった語末位置において／θ／音韻に困難がある場合、ｔｈｉｎｋといった語頭位置においては困難はない。一方で、現在、多くの臨床医が、全ての患者に一様に適用される事前設定された診断検査を用いている。さらに、現在用いられている、「個人ベース」であると称される手法は、次の事前設定された検査及び／または上位または同レベルの困難における訓練へユーザを単に移行するだけである。こういった事前設定された線形プログラムでは、そういったプログラムがタスクの実行中にユーザが生み出した誤りのパターンを分析できず、かつ本開示が可能にするような後続の治療を進展させるための分析結果を利用できないので、その訓練態勢を「微調整」することができない。さらに、本開示は「将来の保障」を可能にする。それはすなわち、治療のあらゆる段階において新たに発見された処理問題を、それに基づき正すための新たな治療セルを作り出すことで対応することである。さらに詳細には、診断、評価、及び／または治療は、言語関連障害は幅広い個人差で連続体において発生しやすいため重要である本開示の非線形の生成方法において、強固に結合している。
第三に、いくつかの実施形態では、本開示は言語処理欠陥のための補償ではなく、言語処理欠陥の訂正を可能にする。さらに詳細には、失読症の治療は一般的に、訂正的手法と補償的手法とに分けられる。ほとんどの医療提供者は補償的技術に焦点を当てており、よって生涯にわたる障害として失読症を受け入れている。確かに、生涯にわたる状態として失読症を分類する専門家もいる。問題を正すことを試みて、さらにかかわりのある集団のために再現可能な方法でそれをうまく行う医療提供者はほとんどいない。まだ希望を持っている認知科学者がいる一方で、そういった目的はその分野において理解され難い。さらに、サイエンティフィックラーニング社のファストフォーワードといった矯正プログラムがこの目的を達成するのに役に立たないと結論付ける科学者もいる。希望と現実のギャップの理由の１つは、矯正プログラムが事前設定されたモジュールを持つ線形モデルをベースにしているので、ファストフォーワードといった矯正プログラムが個人の言語処理問題のほとんどに直接対処できない、という本開示の文脈において明らかである。一方で、本開示は、非線形かつ、訓練の全段階において各ユーザの能力に応じている。さらに、こういった既存の方法は、発話入力を人工的に修正し、処理速度に焦点をあてた非音声音を用いる。一方で、本開示は、自然な発話に似ていない音声入力方法といったデジタル処理で修正された音声信号は使用しない。自然な発話は、発話機能障害のないネイティブスピーカーの口音表出であり、自然界における人的交流中に自然発生的に生み出されるものである。しかしながら、自然な発話の特定の韻律的機能は、興奮している時または幼児の交流においては、誇張される場合がある。確かに、本開示は、入力をユーザが明確に聞き取れるように、自然な発話の韻律（すなわち長さ、音程、強弱）を誇張する話者の、生の及び／または録音された音声入力を使用する場合がある。本開示は、聴覚処理速度に焦点をあてているだけではなく、言語の全ての構成要素のユーザの表出及び受容を分析し、単語（言葉）の表現及び修正を含む他の根底にある問題も同様に、全てではないがそのほとんどに対処する。
第四に、いくつかの実施形態では、本開示は、各ユーザの言語処理問題の総合的な矯正を可能にする。失読症といったようなこういったタイプの言語関連障害がなぜ存続するのかという理由の１つは、既存の診断、評価、及び治療方法が各個人の言語欠陥における複数の様相に対して敏感でないからである。最新の手法はせいぜい、患者の正しい回答を記録し、誤った回答を切り捨てることである。一方で、本開示は、障害の特定領域を識別する誤りのパターンを見つけるために、患者の間違えた回答の分析を可能にする。現在の技術は、各人の特定の（または特有の）問題のみを、及び問題の全てを目的とし矯正する治療のための指標として役立つために、患者の言語受容及び表出能力のモデルを構築するための誤りのこういったパターンを用いる。本開示では、患者の実際の回答を正しい回答を目的とした１セットと比較するために誤り分析が利用される。例えば、代用が必要な文脈において脱落及び誤った代用を患者がすることに基づき、誤り分析は患者が冠詞（ｔｈｅ、ａ、ａｎ）の処理に困難を持つことを明らかにする場合がある。この継続した誤り分析は、治療段階の全ての期間において治療及び評価を継続的にアップデートするために、コンピュータプログラムが必要に応じて訂正することを可能にする。プログラムのこれらの特徴的な強みは、こういった言語処理障害を持つ患者集団及び代表的な集団の話し言葉の調子及び発話の１セットの膨大な知識ベースの上に成り立っているプログラムの予測特徴によって作られることができる。従って、本開示は、現在リーディング介入において効果的な標準方法の欠如を前提とした、個人に合わせたデータ駆動型手法を可能にする。
第五に、いくつかの実施形態では、本開示は、学習解析論アルゴリズム及び他のインテリジェントデータ処理技術及び／またはＩＢＭのワトソン、アップルのシリ、グーグルナウ、またはマイクロソフトのコルタナといった人工知能（ＡＩ）技術を、プログラムの有効性を継続的に向上するために、格納された患者回答のすくなくとも１つのデータベースに適用することを可能にする。本開示は、例えば、どのようなタイプの検査アイテムがよく作り出され、最初の試みの失敗が原因でどの評価ユニットが繰り返されるのかを発見するために、蓄積された情報のデータマイニングを可能にする。本明細書に記述されるように、プログラムは、最も良く用いられるタイプの検査の内容を向上すること及び特定の治療セルの有効性を強化することに資源を投入するためにこのタイプの格納された情報を使用する。本明細書に記述されるように、こういった情報は、学習解析論データベースへと格納される。例えば、プログラムが患者の脳のどの特定の機能エリアが影響を受けているのかを識別できるので、ユーザの大きな集団からこのデータベース内に収集されたようなこういった情報は、それぞれの新しい患者の進捗の進路を予測し、患者の治療計画を立て、及び／または治療期間を見積もるために使用できる。
いくつかの実施形態では、本開示は、少なくとも１つのコンピュータ化されたデータベースにホストされたデータに基づく診断段階及び治療段階を含むコンピュータプログラムをどのような方法においても利用可能にする。プログラムは、ネットワーク上の少なくとも１つのデータベースと連動する。直接的かまたは間接的かにかかわらず、全体においてかまたは部分的においてかにかかわらず言語関連障害臨床医の介入がなくても、診断段階及び治療段階の少なくとも１つは起こり得る。
ハードウェアモジュール及び／またはソフトウェアモジュールを介して少なくとも部分的に実行できる診断段階は、複数の診断シェル及び複数の診断セルの展開を含む。いくつかの実施形態では、少なくとも１つの診断シェルは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。各診断シェルは、言語機能の検査としての機能を持つ、所定のアクティビティ用の手段である。こういった手段はいかなる検査アイテムをも含まない。代わりに、検査は診断シェルへ検査アイテムの挿入をもって作り出された診断セルを通じて行われる。さらに詳細には、診断セルが実際の、特定の検査である一方で、各診断シェルは、検査の１つのタイプである。いくつかの実施形態では、少なくとも１つの診断セルは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。本明細書に開示される技術は、診断シェルへ内容をセットすることで各患者用の診断検査の生成を可能にする。このように作り出された各検査は診断セルである。例えば、診断シェルが単語（言葉）修正に関する場合、プログラムはその後、名詞に関する第一診断セル及び動詞に関する第二診断セルを作り出す。プログラムは、特定アイテム及び／またはアイテムの特定セットをマスターマトリックスといった第一データ構造から回収することで診断セルを作り出す。列、スタック、デッキ、リンクリスト、テーブル、ツリー、などといった他のタイプのデータ構造も同様に使用することができる。さらに、第一データ構造は、インデックス付き、検索可能のうち少なくとも１つであってもよい。
本開示のいくつかの実施形態は、音声シンボルマッチング診断シェルを含む。例えば、こういったシェルは、物理的及び／または仮想的のいずれにもかかわらず、プログラムを実行するコンピュータに接続されたキーボードを介するような、及び／またはプログラムを実行するコンピュータに接続されたディスプレイ上に表示されたオプションの１セットから文字及び／または記号といったシンボルを選択することによって、といったような、プログラムを介して出力された音声レコーディングにおいて患者が聞いた音をマッチングすることを介して、／ｈ／が聞こえたらｈをタイピングする、といった、患者の入力に関係する。プログラムはその後、マスターマトリックスといったデータ構造内に格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに患者の間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、単語アクセス診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されるマイクロフォンに向かって設定時間制限内で話すことによって、または、物理的及びまたは仮想的のいずれにもかかわらず、プログラムを実行するコンピュータに接続されるキーボードを介してタイピングすることで、「Ｂ」から始まる言葉といった特定の基準に従った患者の一覧言葉に関する。プログラムはその後、マスターマトリックスといったデータ構造内の正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、患者の間違えた回答を、音声ベースまたは音韻の誤り、意味ベースまたは意味的誤り、といったカテゴリの１セットへ分類分けし、間違えた回答をマスターマトリックスといったデータ構造に格納されたような関連カテゴリ内の予測された誤りの１セットへマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、単語修正診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたマイクロフォンに向かって話すこと、またはディスプレイ上に表示されたオプションのリスト／画面から名前を選択的にアクティブにする／クリックすることを介して、コンピュータに接続されたディスプレイ上に表示されたオブジェクトのイメージといった対象物をネーミングする患者に関係する。プログラムはその後、マスターマトリックスといったデータ構造内の格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、患者の間違えた回答を、音声ベースまたは音韻の誤り、意味ベースまたは意味的誤り、といったカテゴリの１セットへ分類分けし、間違えた回答をマスターマトリックスといったデータ構造に格納されたような関連カテゴリ内の予測された誤りの１セットへマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、分節法診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたスピーカを介した聴覚出力及び／またはプログラムを実行するコンピュータに接続されたディスプレイを介した視覚出力のいずれであっても、言葉を分割する患者に関係する。こういった言葉の分割は、物理的及びまたは仮想的のいずれにもかかわらず、プログラムを実行するコンピュータに接続されたキーボードへのタイピング及び／またはプログラムを実行するコンピュータに接続されたマイクロフォンへ向かって話すことを介するといったように、ｕｎ-ｄｅｒ-ｓｔａｎｄのようにいくつかの個々の音節を順番に入力することを介して起こる。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような、格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、単語分割診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたディスプレイ上に表示された言葉を分割する患者に関係する。こういった単語分割は、プログラムを実行するコンピュータに接続されたマイクロフォンに向かって、クリックを／ｋ｜Ｉｋ／といったように、単語の個々の音節を順番に話すことを介して起こる。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような、格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、単語認識診断シェルを含む。例えば、こういったシェルは、録音された音声または単語を聞く、及び／またはプログラムを実行するコンピュータに接続されたディスプレイ上に表示されたシンボルまたは言葉を見る患者に関係する。ディスプレイに表示された一節から、例えばキーボードまたはタッチパッドといった入力装置を介してハイライトすることで、または例えばマウスといった入力装置を介してそういった単語のいずれかをクリックすることで、音声及び／またはシンボルを持つ印刷された単語または発せられた単語と一致する単語のいずれかを患者が選択する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、音韻認識診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたディスプレイを介してといった視覚的、及び／またはプログラムを実行するコンピュータに接続されたスピーカを介してといった聴覚的のいずれであっても、発話言葉の文字列から特定の音を含む任意の言葉を選択する患者に関係する。こういった選択は、物理的及びまたは仮想的のいずれにもかかわらず、ボタンをクリックすること、及び／または選択された言葉をマイクロフォンに向かって繰り返し言うことを介して実行される。プログラムはその後、マスターマトリックスといったデータ構造内の正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに患者の間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、押韻診断シェルを含む。例えば、こういったシェルは、発話言葉（刺激語）と共に押韻する（回答語）任意の言葉を選択する患者に関係する。プログラムを実行するコンピュータに接続されたディスプレイを介してといった視覚的、及び／またはプログラムを実行するコンピュータに接続されたスピーカを介してといった聴覚的のいずれであっても、発話言葉は発話される。こういった選択は、物理的及びまたは仮想的のいずれにもかかわらず、回答語が現れた時にディスプレイ上のボタンをクリックすること、または発話言葉（刺激語）をマイクロフォンへ向かって話すことを介して実行される。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、形態素認識診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたディスプレイ上に表示された任意の言葉内に見つけられた接辞を、プログラムを実行するコンピュータに接続されたマウスといった入力装置でハイライトする、及び／またはプログラムを実行するコンピュータに接続されたキーボードをタイピングする患者に関係する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、迅速ネーミング診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたマイクロフォンに向かって、プログラムを実行するコンピュータに接続されたディスプレイ上で、設定された制限時間内でまたは加速して点滅する単語を読む患者に関係する。単語は、１つの文字が一度左から右に、または異なる色または形状でいくつかの文字を、といったような、あらゆる方法で表示されてもよい。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような正しい回答の１セットに対して患者の回答をマッチさせ、目標速度における患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、迅速処理診断シェルを含む。例えば、こういったシェルは、設定された制限時間内でまたは加速して行われる他の診断シェルの少なくとも１つにおいて１つ以上の検査を実行する患者に関係する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような正しい回答の１セットに対して患者の回答をマッチさせ、目標速度における患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといったデータ構造内に格納されたような予測された誤りの１セットに間違えた回答をマッチさせ、新たな診断セル及び／または治療セルを作り出す。
本開示のいくつかの実施形態は、読み上げ流暢さの診断シェルを含む。例えば、こういったシェルは、プログラムを実行するコンピュータに接続されたマイクロフォンに向かって、プログラムを実行するコンピュータに接続されたディスプレイ上に表示される一節を読む患者に関係する。プログラムはその後、録音された読み上げ誤りを識別し、必要に応じてフィードバックを提供するために、声または音声認識ソフトウェアまたはライブアシスタントを使用する。ライブアシスタントは、電話通話、電話会議セッション、チャット、などといった少なくとも１つの方法を介して接触を持つことができる。プログラムはその後、任意の見つけた読み上げ誤りを、音声ベースまたは音韻の誤り、意味ベースまたは意味的誤り、といったカテゴリの１セットへ分類分けし、患者の誤りをマスターマトリックスといったデータ構造に格納されるような予測された誤りの１セットへマッチさせ、新たな診断セル及び／または治療セルを作り出す。
いかなるセル検査またはセルタスクも、タッチスクリーン、機能、クリッカー、またはアプリといった新しい様式または装置を通じて実行されてもよい。さらに、いかなるセル検査またはセルタスクも、１つのセルを繰り返してもよい。さらに、いかなるセル検査またはセルタスクも、年齢に適した双方向ゲームとして設計されてもよい。
診断モジュールとは異なるかまたは１つのモジュールとしてかのいずれにもかかわらず、ハードウェアモジュール及び／またはソフトウェアモジュールを介して、少なくとも部分的に実行できる治療段階は、複数の治療シェル及び複数の治療セルの展開を含む。いくつかの実施形態では、少なくとも１つの治療シェルは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。こういった実施形態は、少なくとも１つの治療シェルと一致する場合、及び／または似ていない場合がある。治療セルは、診断シェルから作られた診断セルに似ている治療シェルから作り出される。いくつかの実施形態では、少なくとも１つの治療セルは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。こういった実施形態は、少なくとも１つの治療セルと一致する場合、及び／または似ていない場合がある。さらに、各治療セルは、訓練ユニット及び評価ユニットを含む。訓練ユニットは、新しい演習を行うことができ、一方で評価ユニットは前回または過去にカバーされた局面における実績を評価する。しかしながら、他の実施形態では、治療セルは、診断シェルから作られた診断セルに似ていない治療シェルから作り出される。同様にいくつかの実施形態では、少なくとも１つの訓練ユニットは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。さらにいくつかの実施形態では、少なくとも１つの評価ユニットは、１セットの指示、機能、手段、要求、ルーチン、サブルーチン、ベクター、アルゴリズム、発見的問題解決、パラメータ、基準、アプレット、ライブラリ、動作、コマンド、モジュール、例えば、マトリックス、列、配列、スタック、デッキ、リンクリスト、テーブル、ツリー、などのデータ構造、クラス、オブジェクト、ノード、フラグ、英数字値、シンボル値、ハッシュ、ファイル、ドライバ、ソフトウェアアプリケーション、及び／またはあらゆる組み合わせ及び／またはそれらとの均等物の１セットのうち少なくとも１つを介して具体化されてもよい。こういった実施形態は、少なくとも１つの訓練ユニットと一致する場合、及び／または似ていない場合がある。
本開示のいくつかの実施形態は、音韻区別治療シェルを含む。例えば、こういったシェルは、ピットとビットといったような最小ペアを表示するコンピュータディスプレイに関係する。音声録音は、規定の速度でランダム順に１つの単語につき一回再生する。患者は、その単語を次の単語を録音再生される前に選択／クリックするか、または発せされた単語としての各単語を示す矢印キーを押す。プログラムはその後、マスターマトリックスといった第一データ構造内に格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといった第一データ構造内の特定の基準に応じて患者の正しい回答の総計をマッチさせ、新しい治療セルを作り出す。治療段階の一部として、患者の聴覚処理速度を向上するために、患者は同一の最小ペア、増加する速度で複数回、同一の音韻区別セルを完了してもよい。
本開示のいくつかの実施形態は、迅速単語認識治療シェルを含む。例えば、こういったシェルは、ピットとビットといったような最小ペアを表示するコンピュータディスプレイに関係する。そういった２つの単語のうち１つが規定の速度でランダム順に１つの単語につき一回ハイライトされる。患者は、次の単語が点灯する前に、ハイライトされた単語をマイクロフォンに向かって話すことでハイライトされた単語を読む。プログラムはその後、マスターマトリックスといった第一データ構造内に格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムは、マスターマトリックスといった第一データ構造内の特定の基準に応じて患者の正しい回答の総計をマッチさせ、新しい治療セルを作り出す。治療段階の一部として、患者の読み上げ速度を向上するために、患者は同一の最小ペア、増加する速度で複数回、同一の迅速単語認識セルを完了してもよい。
本開示のいくつかの実施形態は、単語拡充治療シェルを含む。例えば、こういったシェルは、ｂｒｉｃｋにおける節／ｂｒ／といった単語の韻律的特徴または様々な音調外形を引き伸ばしかつ増幅する話者の音声ファイル及び／または映像ファイルを再生するプログラムに関係する。あるいは、こういった拡充は、ライブアシスタント機能性及び／またはアニメーションを通じて行われる。患者は、コンピュータに組み込まれているか及び／またはコンピュータに接続されたかのいずれにもかかわらず、マイクロフォンに向かって話すかまたはカメラを用いて、壊すという音節を示すために切るような動作を用いたり、または音の高低を伝えるために患者が手を高くまたは低く振るといったボディジェスチャーと共に、またはボディジェスチャーなしで、患者の増幅した形式の模倣を記録する。プログラムは、マスターマトリックスといった第一データ構造内の格納されたパラメータの１セットにたいして患者の録音をマッチさせ、２つの異なる分節を作り出すために／ｂｒ／の塊を伸ばすといったように、必要に応じて矯正または評価フィードバックを提供する。「ｈｅｌｐの／ｌ／を発音する時あなたの舌はどの位置にありますか？」といったような、問題となる単語における患者の明確な発音に関する一連の質問に患者は応える。プログラムはその後、マスターマトリックスといったデータ構造内に格納された正しい回答の１セットに対して患者の回答をマッチさせ、患者の正しい回答の総計及び必要に応じて他のフィードバックを提供する。プログラムはその後、マスターマトリックスといった第一データ構造内の特定の基準に応じて患者の正しい回答の総計をマッチさせ、新しい治療セルを作り出す。
訓練ユニットにおいて、いくつかの実施形態では、各治療セルは、診断の間及び／または治療の間、患者の回答に識別される、１つの特定の言語処理問題にのみ焦点を合わせる。各セルは、十分な演習を通じてそういった問題の１つのみを修正するよう設計され、その後に、欠陥が満足のいくように対処されてきたということを確認するための評価が続く。例えば、患者が
の音において単語処理に困難を持つ場合、プログラムはマスターマトリックスといったデータ構造から、この
の音韻と、
といった音節を含むリストと、ｓｕｒｅ、ｌｕｓｈ、またはｓｈｕｍといった実際の単語及び／または無意味語と、及び、Ｔｈｉｓ ｉｓ ｓｕｒｅｌｙ ｔｈｅ ｂｅｓｔ ｓｈｏｗ ｉｎ ｔｏｗｎといったこの音を含む文と、を作り出す。各リストは、その後異なるタスクを指定する分けられたシェル内へ置かれる。例えば、こういった治療セルの１つでは、患者は、この音韻の音声録音の形式におけるきっかけを聞く度に、
を含む音節または単語を模倣することでこういった音を正確に発音することを練習してもよい。あるいは、患者はプログラムを実行するコンピュータに接続されたディスプレイ上のきっかけによって指示された特定の継続時間、この歯擦音（シーッという音）を引き延ばすことが求められる場合がある。他の実施形態では、基本振動数の単位としての基準値が患者の特定の声に設定されると、患者のそれぞれの口音回答の正確さに関するリアルタイムフィードバックを患者に提供するために、プログラムは音または音声認識ソフトウェアを使用する。例えば、患者の音声信号が、患者の表出と患者が近づこうとする目標としての目標形式との間の差を示すディスプレイ上の視覚的刺激へとプログラムによって変換されるスペクトログラム（声紋）として表される。他の治療セルでは、物理的及びまたは仮想的のいずれにもかかわらず、例えばキーボード、マウス、クリッカー、ジョイスティック、またはタッチスクリーンといった入力装置を介して、ユーザはディスプレイ上に表示されたリストからそういった音を持つ単語を起動／クリックしてもよい。治療セルにおけるタスクは、診断検査にためのそういった実行されたものを模してもよい。他の治療セルは、他の受容及び／または表出困難を対象としてもよい。タスクは、音声素性への注意からフルテキストまでの範囲に及んでもよい。トータルでは、セルの集合体はリーディングといった総合作業を対象としてもよく、一方で集合体における個々のセルはつづりのきまり及び語彙獲得（ボキャブラリの増強）に焦点を当ててもよい。
評価ユニットでは、いくつかの実施形態では、治療セルの訓練ユニットにおける十分な演習の後で、患者は同じセルの評価ユニットへと進む。患者は、関連する訓練ユニットのものと類似しているかまたは同一の検査アイテムを伴う同じタスクを実行する。ユーザは次の治療セルに進む前に、この評価に合格しなければならない。合格スコアは、マスターマトリックスといったデータ構造内に各評価ユニット用に事前指定されている。正しい及び誤った回答は患者マトリックスといった第二データ構造内へ記録され、必要に応じて、マスターマトリックスといった第一データ構造を参照して本明細書に前述の方法で、新しい治療セルのコンピュータ生成のために使用される。列、スタック、デッキ、リンクリスト、テーブル、ツリー、などといった他のタイプのデータ構造も同様に使用することができる。さらに、第一データ構造及び第二データ構造は、サブセットであってもよく、及び／または親データ構造であってもよい。第一データ構造及び第二データ構造は、遠隔または互いにローカルであるかどうかにかかわらず離れたコンピュータ化データベース内に格納されるか、または１つのコンピュータ化データベース内に格納される。さらに、第二データ構造はインデックス付きで検索可能のうち少なくとも１つであってもよい。
他の実施形態では、評価ユニットは訓練ユニットとは離れていてもよく、または逆に１つ以上の評価ユニットはセル内の訓練ユニットを伴ってもよく、または評価は訓練段階自体に組み込まれてもよい。セルは同様に、映像やオンラインセミナーを見るといった演習ユニット等の他のタイプのユニット及び本明細書に記述されるような異なる様式を含んでもよい。さらに他の実施形態では、患者が治療段階にある間、患者の治療を再開する前にプログラムは必要に応じてさらなる診断検査を行ってもよい。
さらなる他の実施形態では、開示された技術は、少なくとも１つの診断段階及び治療段階を通じて動きを容易にするため等の双方向ゲームを採用してもよい。さらに詳細には、治療セルは、患者の回答の誤り分析に従う各ユーザに適した異なる内容を収容できるシェルとなるゲームを伴う、年齢に適した双方向ゲームの形状であってもよい。例えば、本明細書に記述されるような明確な発音治療セルは、目標音または単語に近づくよう患者を促進するために、ゲーム内の少なくとも１つの音声視覚的刺激を使用してもよい。既定のゴールへ患者が到達できるよう励ますために、様々なゲーム報酬または罰則が含まれてもよい。ロイヤリティシステムベースで動作できるこういった報酬は、賞品、現金、品物、サービス、航空会社のマイレージポイント、追加の治療セッション、個人的診断及び／または治療セッション等に交換可能であってもよい。
マスターマトリックスといった第一データ構造は、割り当てられた検査及びタスクへの所定の回答一覧の１セットと、診断セル及び／または治療セルを作り出すために必要な情報を含む。本明細書に記述されるように、第一データ構造は全てまたは一部にかかわらず、コンピュータ化データベース内に統合される場合がある。他の実施形態では、互いに似ているか似ていないかにかかわらず、第一データ構造は、あらゆる方法で互いに、遠隔にホストされる及び／またはローカルでホストされるかにかかわらず、直接的及び／または間接的であるかどうかにかかわらず、関係型データベースまたは非関係型データベースといった複数のデータベースの中に統合される。本明細書に記述されるように、第一データ構造は患者のコンピュータの代わりにサーバコンピュータ上などに遠隔にホストされて／遠隔に存在しており、これによって、こういった存在／ホスティングのおかげで患者等のエンドユーザにとってさらなる適応性を可能にし、一方でより効率的な内容のアップデートを提供する。しかしながら、他の実施形態では、第一データ構造は、全体または一部にかかわらず、直接的及び／または間接的にかかわらず、患者のコンピュータ上でローカルにホストされ／ローカルに存在してもよい。こういった構成は、コンピュータ化データベース等の中央データレポジトリから直接的及び／または間接的にかかわらず、週ごとにまたは月ごとに、といったような定期的なアップデートを可能にできる。例えば、こういった構成では、患者のコンピュータ上でローカルにホストされる／ローカルに存在する第一データ構造は、全体または一部にかかわらず、患者のコンピュータから遠隔にホストされる／遠隔に存在する第一データ構造の少なくとも１つの部分的コピーである。
いくつかの実施形態では、第一データ構造は、全てではないがほとんどの所定の回答を含み、本明細書に記述されるように、第一データ構造がデータベースである時などに、コンピュータにデータを入力する。コンピュータは、そういったデータ入力に基づきセル内容及びシェルを管理／生成するよう構成される。プログラムに従う診断セル及び／または治療セルに基づきタスクを実行する一方で、第一データ構造は、言語処理問題を持つ既定の集団によって得られることが予測される回答の一覧を含む。望まれる場合には、第一データ構造内へ格納するために、その後コンピュータは誤った回答を、音韻的、意味的、形態学的、または語彙的といったようなカテゴリへと最初に分類し、例えば頂点及び／または弧を含む数学的対象であるグラフ等の視覚的描写における、形態学的＞接辞＞接頭辞といったような下位分類分けする。第一データ構造はさらに、音韻、語彙（ボキャブラリ）、句的及び／または文的パターンと、診断セル及び／または治療セルを作り出すために必要な目標言語の他の構成要素を含むことができる。例えば、目標言語は、任意の自然言語（すなわち任意の世界地域における人々の任意のグループが話す第一言語）であってもよい。
例えば、図９を参照して示されかつ記述されるように、診断セル及び／または治療セルにおける各刺激アイテムは、グラフ上のノードとして表される。グラフは、失語症を持つ患者といった関わりのある集団によって得られることが予測される、全てではないがほとんどの可能性のある、正しい及び誤った回答を表わす次の低いレベルにおいて頂点で結ばれる。プログラムは患者の誤った回答を関連グラフ内の同一の予測された誤り（ノード）とマッチさせ、次の診断セル及び／または治療セルを作り出すために、続けてグラフは、検査及び／または演習アイテムの適切なセットを示す。よって、図９に説明される実施例のための、単語分割診断検査における刺激アイテムは、ｂｅといいう単語である。こういった検査では、患者は単語をそれ自体が持つ個々の音へ分割しなければならない。この刺激アイテムのための、マスターマトリックスといった第一データ構造における対応するノードは、その正しい回答（／ｂｉ／）につながっており、かつ誤った回答を予測する。誤った回答は、自然言語、言語学、言語習得または発達の根底にあるプロセスの原則及びきまりの知識によって予測される、全てでないがほとんどの可能性のある例と、特別統制された言語（すなわちコミュニケーション障害を持つ個人といった、一般的集団の外部に位置する話者による言語）を含む。刺激単語ｂｅのケースでは、予測される誤った回答は、ユーザが子音／ｂ／を除くかまたはこの子音または母音／ｉ／を置き換えることによる例を含む。少なくとも上で識別された分野の１セットからの知識は、例えば、／ｂ／が置き換えられる場合、それらの音声的類似性により、類似の置換音素は／ｐ／または／ｄ／である、といったことを予測するために役立つ。グラフは同様に他の可能性のある置換を考慮に入れる。さらに、／ｂ／なしといった、患者の特定の誤った回答は、特定のコンピュータ動作（／ｂ／を伴う単語を生成する）を引き起こす。生成された単語は、望ましい音の組み合わせを持つ、語彙における実際の単語または無意味語であってもよい。患者の誤った回答が／ｂ／を／ｐ／といったような置換誤りである時、最小ペア
のような重大な差異を持つ単語の少なくとも１つのペアがコンピュータ生成される。患者の回答が１つ以上の誤りを含む場合、全てでないがほとんどの、グラフ上の影響を受けたノードが起動し、これは、治療段階における単語の１つ以上のリストで演習を行わなければならないことを意味する。単語のこのリストが聞いて繰り返す治療シェルに置かれる時、その後患者はそういったリスト内の各単語を１つずつこなすことで、必要なタスクを実行する。さらに、フルテキストが通常いくつかの刺激アイテムを含むので、そういった検査は患者から１つ以上の誤った回答を生じさせる場合がある。よって、いくつかのグラフは、１つの検査出力からマスターマトリックスといった第一データ構造内で有効化されてもよい。例えば、迅速ネーミング診断検査は、いくつかの単語を含む誤りを生じさせる場合がある。こういったケースでは、コンピュータ実装された優先順位アルゴリズムは、次に検査のどのセットまたは演習アイテムを患者に示すかを決定する。
患者マトリックスといった第二データ構造は、各患者に独自に関連している。本明細書に記述されるように、第二データ構造は全てまたは一部にかかわらず、コンピュータ化データベース内に統合される場合がある。他の実施形態では、互いに似ているか似ていないかにかかわらず、第二データ構造は、あらゆる方法で互いに、遠隔にホストされる及び／またはローカルにホストされるかにかかわらず、直接的及び／または間接的であるかどうかにかかわらず、関係型データベースまたは非関係型データベースといった複数のデータベースの中に統合される。本明細書に記述されるように、第二データ構造は患者のコンピュータの代わりにサーバコンピュータ上などに遠隔にホストされて／遠隔に存在しており、これによって、こういった存在／ホスティングのおかげで患者等のエンドユーザにとってさらなる適応性を可能にし、一方でより効率的な内容のアップデートを提供する。しかしながら、サーバコンピュータは第一データ構造及び第二データ構造をホストすることができるかまたは、本明細書に記述されるように、第一データ構造及び第二データ構造が異なるサーバコンピュータ上でホストされるかまたは存在する。さらに、他の実施形態では、第二データ構造は、全体または一部にかかわらず、直接的及び／または間接的にかかわらず、患者のコンピュータ上でローカルにホストされ／ローカルに存在してもよい。こういった構成は、コンピュータ化データベース等の中央データレポジトリから直接的及び／または間接的にかかわらず、週ごとにまたは月ごとに、といったような定期的なアップデートを可能にできる。例えば、こういった構成では、患者のコンピュータ上でローカルにホストされる／ローカルに存在する第二データ構造は、全体または一部にかかわらず、患者のコンピュータから遠隔にホストされる／遠隔に存在する第二データ構造の少なくとも１つの部分的コピーである。さらなる実施形態では、第一データ構造及び第二データ構造は、第一データ構造及び第二データ構造のうち少なくとも１つを個別に参照して本明細書に記述されるあらゆる方法で全体的にまたは部分的にホストされることができる、１つのデータ構造である。
第二データ構造は、個人的、医療的、社会学的、民族的、人種的、などにかかわらず、ユーザ識別（ＩＤ）、名前、自宅住所、生い立ち、といった患者の個人情報と、診断及び評価検査への患者の回答を格納する。さらに、第二データ構造は、本明細書に記述されるようにサービスリクエスタセグメントを介するか、または本明細書に記述されるようにサービスプロバイダセグメントを介するかどうかにかかわらず、コンピュータを介して同時にかつ自動的にアップデートできる。こういったアップデートは、コンピュータを介して第一データ構造を通じてフィルタ分けされた患者からのそれぞれの新しい回答の後に発生する場合がある。さらに、プログラムにおける診断セル及び／または治療セルを介してタスクを実行する一方で、第二データ構造は、誤りの一覧及び特定の患者が生み出した正しい回答を含む。患者の誤りはコンピュータを介して、音韻的、意味的、形態学的、または語彙的といったようなカテゴリへと分類され、マスターマトリックスといった第一データ構造の方法でグラフ内に、形態学的＞接辞＞接頭辞といったような下位分類分けする。
患者の誤った回答が、マスターマトリックスといった第一データ構造内のグラフの１つ上のノードに置かれる時、このグラフの次の低いレベルにおいてつながった頂点及びコンピュータ実装された優先順位アルゴリズムは、この患者のために次の診断セル及び／または治療セルを決定する。患者マトリックスといった第二データ構造は、以前に識別された問題のために患者が新たな誤りをし、及び／または患者が全て正しい回答を提供すると、治療の間中継続的にアップデートされる。患者マトリックスといった第二データ構造は、患者の進捗を追跡するために用いられ、患者は、スプレッドシートドキュメント、視覚的描写ドキュメント、ワードプロセッサドキュメント、またはそれらのあらゆる組み合わせといった適切なフォーマットでの患者の進捗レポートにリアルタイムでアクセスしてもよい。患者マトリックスといった第二データ構造における関連情報は、問題の有効性を全体的または部分的に分析しかつ監視するために学習解析論データベースへ送られる。
技術はさらに、言語処理障害の矯正における技術の効率を監視し向上するために採用される、学習解析論コンピュータアルゴリズムまたは類似の方法に基づく患者の正しい回答及び不適格な表出を格納するデータベースを介して利用可能である。例えば、プログラムの有効性は、学習分析論または第二データ構造を介してといった類似の方法を用いて、格納された患者データを検索することによって向上する。第二データ構造は、多くの有用な情報を含む。多くの有用な情報は、患者のデモグラフィック、誤りの一般的なタイプ（例えば、音韻論の、形態学の、語彙的な、意味論の、または構文上の誤り）、異なる治療セルの成功率、等を含む。効率的なデータ管理及び特定の基準による個人及びグループ情報の検索は、研究及び治療の増進のための有用な洞察を生み出す。さらに、学習分析論データは、第一データ構造及び第二データ構造のうち少なくとも１つに関して本明細書に記述されるように、コンピュータ化データベース内に、または他のコンピュータ化データベース内に、全てまたは一部にかかわらず格納されてもよい。他の実施形態では、互いに似ているか似ていないかにかかわらず、学習分析論データは、あらゆる方法で互いに、遠隔にホストされる及び／またはローカルにホストされるかにかかわらず、直接的及び／または間接的であるかどうかにかかわらず、関係型データベースまたは非関係型データベースといった複数のデータベースの中に統合される。本明細書に記述されるように、学習分析論データは患者のコンピュータの代わりにサーバコンピュータ上などに遠隔にホストされて／遠隔に存在している。これによって、こういった存在／ホスティングのおかげで患者等のエンドユーザにとってさらなる適応性を可能にし、一方でより効率的な内容のアップデートを提供する。しかしながら、サーバコンピュータは、学習分析論データ、第一データ構造及び第二データ構造をホストすることができるかまたは、本明細書に記述されるように、学習分析論データ、第一データ構造及び第二データ構造が異なるサーバコンピュータ上でホストされるかまたは存在する。また、他の実施形態では、学習分析論データは、全体または一部にかかわらず、直接的及び／または間接的にかかわらず、患者のコンピュータ上でローカルにホストされ／ローカルに存在してもよい。こういった構成は、コンピュータ化データベース等の中央データレポジトリから直接的及び／または間接的にかかわらず、週ごとにまたは月ごとに、といったような定期的なアップデートを可能にできる。例えば、こういった構成では、患者のコンピュータ上でローカルにホストされる／ローカルに存在する学習分析論データは、全体または一部にかかわらず、患者のコンピュータから遠隔にホストされる／遠隔に存在する学習分析論データの少なくとも１つの部分的コピーである。さらなる実施形態では、学習分析論データ、第一データ構造及び第二データ構造は、学習分析論データ、第一データ構造及び第二データ構造のうち少なくとも１つを個別に参照して本明細書に記述されるあらゆる方法で全体的にまたは部分的にホストされることができる、１つのデータ構造である。
学習分析論データベースは、ゲームプレイを含む患者の実行履歴の結果の全てではないがほとんどを収集し、かつ格納するバックエンドコンピュータインフラ内で使用してもよい。バックエンドインフラ上で実行するコンピュータ実装された学習分析論アルゴリズムは、一般的な実行問題または誤り、ライブアシスタント呼び出しの頻度、ゲームプレイ及び／またはタスク実行のタイプの頻度、繰り返し失敗する傾向にあるゲームまたはタスクのタイプ、一日に何時間及び週に何日プレイしたか、連続プレイ時間、プレイの間隔、患者が介助を要求した頻度、などといったテーマを決定するためにそういった結果を分析する。そういったアルゴリズム分析に基づき、マスターマトリックスといった第一データ構造への変更は、スピードの向上及び／または患者の進歩の有効性を手助けするために実行されてもよい。そういった変更は、全ての患者に新たな変更をすぐにもたらすよう、サーバコンピュータの迅速リブート時に実行されてもよい。あるいは、そういった変更はサーバコンピュータのリブートなしで起動中にリアルタイムで実行されてもよい。
学習分析論データベースに格納されたデータは、バックエンドコンピュータインフラ上で実行するコンピュータアルゴリズムによって分析されてもよく、または傾向を識別し及び／または直ちに問題解決を行うためにシステム管理者によってテーマまたは図形により熟考されてもよい。そういったアルゴリズムは、電子メール、メール、チャット、音声、バイブレーション、視覚的刺激、等のメッセージを介して問題発生個所をシステム管理者に遠隔的に警告するよう設計されてもよく、サービスプロバイダまたは本明細書に記述されるようなサービスリクエスタ技術のうち少なくとも１つをより迅速にまたはリアルタイムに変更することを可能にする。類似のメカニズムは、即刻のまたは特別な注意が必要な特定の患者を識別するために配備される。
いくつかの実施形態では、開示の技術はコンピュータ実装の誤り分析アルゴリズムを可能にする。さらに詳細には、プログラムは、事前指定され、予測された患者回答の1セットに対して第一データ構造を通じて出力された検査を処理することを介して誤り分析アルゴリズムを実行する。例えば、患者にｈｕｎｔｅｒという単語における接辞を識別するよう尋ねる質問のために、予測される回答は、１）‐ｅｒ（正解）、２）ｈｕｎｔ（誤り）、３）なし（誤り）、４）ｈｕｎｔｅｒ（誤り）、または５）その他（誤り）を含む。従って、誤り分析アルゴリズムは、誤りのパターンを識別し、かつ問題が生じる時の誤りの発生源を追跡するために自然言語の構造及びプロセス（原則及びきまり）の知識を用いる学習者の誤りの分析を伴う。本明細書に記述されるように、患者の実際の回答を正しい回答を目的とした１セットと比較するためにそういった誤り分析アルゴリズムが利用される。例えば、患者の表出の誤り分析は、‐ｅｒ（ｈｕｎｔｅｒ）、‐ｏｒ（ｅｄｉｔｏｒ）、及び‐ｔｉｏｎ（ａｃｔｉｏｎ）といった一般的な接辞の認識に患者が常に失敗することを明らかにする場合がある。このケースでは、分析アルゴリズムの結果は単語形成処理（形成学的）の少なくとも一部に基づくが、そういった誤り分析は言語のあらゆる構成要素（音韻的、意味論的、語彙的、構文的）を対象にでき、かつあらゆる明確な側面に基づくことができる。誤り分析アルゴリズムは、バックエンドコンピュータインフラ上で実行できる。さらに、誤り分析アルゴリズムは、第二言語習得の分野から取り入れられている。
いくつかの実施形態では、開示の技術はコンピュータ実装の優先順位アルゴリズムを可能にする。さらに詳細には、マスターマトリックスといった第一データ構造における全てではないがほとんどのカテゴリ及び／またはアイテムは、言語、伝達機能、自身の怠慢または不適格性による影響の重要性、等の発生頻度に基づき加重値を割り当てられる。この値は、どの診断または治療アイテム、またはセルが次に存在するかを決定する。優先順位アルゴリズムは、前者が後者よりもより頻繁に発生するので、ｕｎｉｍｐｏｒｔａｎｔという形容詞における冠詞ｔｈｅを選択する。優先順位アルゴリズムは、バックエンドコンピュータインフラ上で実行できる。
いくつかの実施形態では、開示の技術はライブアシスタント機能を可能にする。さらに詳細には、患者が２回などの数回の挑戦の末、セルの評価検査を合格できなかった場合、または患者が第一データ構造の内容を介して予測されない回答を生み出した場合、その後ライブアシスタントは次の段階へ患者が進展するのを手助けするために介入してもよい。例えば、そういったライブアシスタントは、高度な音声認識、人間とコンピュータの意思疎通、及び／または伝達能力を持つ自動プログラムの形を取る。あるいは、そういったライブアシスタントはコールセンター等の実際の人間が操作する通信の形を取る。例えば、そういった通信は、電話通信、電話会議、チャット、または開示の技術がオフィス研究室環境内で統合されている時などにおいては個人的訪問を含む。
いくつかの実施形態では、アクセスしやすさを容易にするために、本開示は、インターネットベースのウェブサイトまたはポータルサイトからの患者の診断及び／または患者の治療を可能にし、プログラムはクラウドサーバー上で実行する。しかしながら、そういった送達方法は、本明細書に記述されるように、モバイルアプリを介して全体的にまたは部分的に、補足及び／または補完することができる。そういった配置の利便性の１つは、相対的にシンプルな患者のプロフィールの管理及び患者の診断及び治療プログラムへの容易なアクセスの許容である。異なるアプリが異なる治療シェル（タスク）のために配置されてもよい。さらに、そういった配置は、診断及び治療のうち少なくとも１つの一時的休止及び再開を許可してもよい。従って、そういった機能は、数か月かけてといったようにいくつかの期間にわたって利用することができる。
いくつかの実施形態では、本開示は複数の様式を可能にする。さらに詳細には、診断及び／または治療セルは、映像、音声、テキスト、図形、アニメーション、ウェブ会議、または最新技術により利用可能な他のものを含む任意の様式、または様式の組み合わせを利用してもよい。患者は、語音明瞭度演習における自己向きのまたは背面向きのカメラといった電子的及び／または物理的サポート、及び他の次世代技術を採用してもよい。プログラムはさらに、訓練のため、及び患者からの入力を受信し分析するために声及び／または音声認識ソフトウェアを採用してもよい。生体監視及びフィードバックは、患者の能力及び回答に対するプログラムの感度の増加及びそれによるプログラムの有効性を増加するために組み込まれてもよい。これは注意欠陥を持つ人たちにとってとりわけ有用である場合がある。検知システムは、視線（注意の焦点を監視するため）、脈及び瞬目率（ストレス及び精神疲労を監視するため）、及び唇の動き（ろれつを監視するため）を含む生体データを収集するためにプログラムにインストールされてもよい。そういったセンサはプログラムと患者に生体フィードバックを提供してもよい。患者が即時フィードバックとしてそういった情報を受け取る時、プログラムは特にウェアラブルまたは他の携帯可能な装置において控えめに届けられた場合には、患者の日常生活にシームレスに調和できる。この実施形態では、プログラムは、患者の日常生活において最大限の努力を投じるので、患者の言語誤り訂正をリアルタイムに提供し得る。
いくつかの実施形態では、本開示は、実行痕跡／患者の実行履歴を利用可能にする。さらに詳細には、プログラムは患者マトリックスといった第二データ構造内に患者の正しい及び誤った回答を格納するだけでなく、以前完了した診断及び治療セルの全てから患者の得点を容易にアクセス可能な形式で表示する。患者の進捗レポートは、患者が各セルを完了する間に継続的にアップデートされてもよい。プログラムは、患者の実行履歴と進展の計画された既定の道筋との比較を表示してもよい。この視覚的表示は、識別された言語処理問題の全てを十分に排除することといった患者の既定の目標に向かって患者が取り組み続けられるよう励ます。
いくつかの実施形態では、本開示は報酬システムを利用可能にする。さらに詳細には、診断検査、評価検査、及び／または訓練演習は、年齢に適した双方向ゲームとして届けられてもよい。各パートのための患者の実行は、得点とされる、患者が仮想的または物理的オブジェクトに交換可能な報酬ポイント、多人数参加型のゲーム等用に得られた時間、または患者の訓練を満足いくよう完了するために患者が努力を費やすよう動機づけるための他の形状の動因へと変換してもよい。ロイヤリティシステムベースで動作できるこういった報酬は、賞品、現金、品物、サービス、航空会社のマイレージポイント、追加の治療セッション、個人的診断及び／または治療セッション等に交換可能であってもよい。
図１は、本開示に従うコンピュータネットワークモデルの例示的実施形態の概略図である。コンピュータネットワークモデル１００は、ネットワーク１０２、サーバ１０４、及びクライアント１０６を含む。そういった分散型動作モデルは、リソース／サービスを供給するサーバ１０４とリソース／サービスを要求するクライアント１０６の間でタスク／作業量を割り当てる。サーバ１０４及びクライアント１０６はコンピュータ／アプリケーションの違いを説明するが、他の実施形態では、サーバ１０４及びクライアント１０６は、１つのシステム／アプリケーション内に存在する。さらに、いくつかの実施形態では、モデル１００は、サーバ１０４等の少ないコンピュータへの多くのリソース配分を必要とし、クライアント１０６の複雑性がどのくらいの計算がコンピュータの数にオフロードされたかによって決まる。すなわちクライアント１０６からサーバ１０４上にオフロードされたさらなる計算が、ネットワークソースにより依存しかつローカルコンピューティングリソースにより少なく依存するといったようなより軽いクライアント１０６を引き起こす。
ネットワーク１０２は、コンピュータの一群及び／またはリソース及び／または情報の共有を許可する複数の通信チャネルを介して相互接続する他のハードウェアといった複数のノードを含む。そういった相互通信は直接的及び／または間接的であってもよい。ネットワーク１０２は有線及び／または無線であってもよい。ネットワーク１０２は、暗号化及び／または非暗号化にかかわらず、短い及び／または長い距離を通信することを許可する。ネットワーク１０２は、イーサネット（登録商標）、通信制御プロトコル（ＴＣＰ）／インターネットプロトコル（ＩＰ）などといったネットワークプロトコルの少なくとも１つを介して動作できる。ネットワーク１０２は、パーソナルエリアネットワーク、ローカルエリアネットワーク、ホームエリアネットワーク、ストレージエリアネットワーク、キャンパスエリアネットワーク、バックボーンネットワーク、メトロポリタンエリアネットワーク、ワイドエリアネットワーク、エンタープライズプライベートネットワーク、仮想プライベートネットワーク、仮想ネットワーク、衛星ネットワーク、コンピュータクラウドネットワーク、インターネットワーク、セルラーネットワーク、などといったあらゆる規模を持っていてもよい。ネットワーク１０２は、インターネット及び／またはエクストラネットであってもよく及び／またはそれを含んでもよい。ネットワーク１０２は、インターネットであってもよく及び／またはインターネットを含んでもよい。ネットワーク１０２は、サブネットワーク及び／または異なるネットワークにかかわらず、ネットワーク１０２と同一か及び／または異なるかにかかわらず、他のネットワークを含む場合がある及び／または他のネットワークとの通信を可能にできる。ネットワーク１０２は、ハードウェアベース及び／またはソフトウェアベースにかかわらず、コンピュータ、ネットワークインターフェースカード、リピータ、ハブ、ブリッジ、スイッチ、機能拡張装置、及び／またはファイヤーウォールといったハードウェアを含む場合がある。ネットワーク１０２は、本開示の関連するあらゆる内容に無関係の、１つの及び／またはさらなる事物によって及び／または代わりに直接的及び／または間接的に動作できる。
サーバ１０４は、ハードウェアベース及び／またはソフトウェアベースであってもよい。サーバ１０４は、直接的及び／または間接的のいずれにかかわらず、サーバコンピュータであり及び／または固定であるか携帯型であるかにかかわらず、キオスク、ワークステーション、車両、地上、海上または空中のいずれにかかわらず、デスクトップ、ラップトップ、タブレット、携帯電話、メインフレーム、スーパーコンピュータ、サーバファーム、などにホストされる。サーバコンピュータは、利用可能なタッチスクリーンであってもよく及び／または非タッチスクリーンであってもよい。サーバコンピュータは、他のコンピュータシステム及び／またはクラウドコンピューティングシステムを含んでもよく及び／またはその一部であってもよい。サーバコンピュータは、ｉＯＳ（登録商標）、Ｗｉｎｄｏｗｓ（登録商標）、Ａｎｄｒｏｉｄ（登録商標）、Ｕｎｉｘ（登録商標）、Ｌｉｎｕｘ（登録商標）及び／またはその他のあらゆるタイプのオペレーティングシステム（ＯＳ）を動作できる。サーバコンピュータは、直接的及び／または間接的にかかわらず、マウス、キーボード、前向き及び／または後ろ向きのいずれにかかわらず、カメラ、加速度計、タッチスクリーン、生体読込器、クリッカー、及び／またはマイクロフォンといった入力装置を含むことができる及び／または入力装置に接続できる。サーバコンピュータは、直接的及び／または間接的にかかわらず、ディスプレイ、スピーカ、ヘッドフォン、ジョイスティック、ビデオゲームコントローラ、バイブレータ、及び／またはプリンタといった出力装置を含むことができる及び／または出力装置に接続できる。いくつかの実施形態では、入力装置及び出力装置は１つのユニット内に統合できる。サーバコンピュータは、全地球測位システム（ＧＰＳ）、信号三角測量システムなどを介してといった全地球測位決定のための電気回路を含んでもよい。サーバコンピュータは、近距離無線通信（ＮＦＣ）電気回路を備えてもよい。サーバコンピュータは、直接的及び／または間接的にかかわらずサーバ１０４にデータを送ることができる関係型データベースまたは非関係型データベースといったデータベースを、直接的及び／または間接的にかかわらずホストでき、実行でき、及び／または接続することができる。
サーバコンピュータを介するサーバ１０４は、直接的及び／または間接的に、選択的に及び／または非選択的に、暗号化及び／または非暗号化で、有線で及び／または無線で、接触を通じて及び／または非接触で、といったようにネットワーク１０２と通信する。そういった通信は、ソフトウェアアプリケーション、ソフトウェアモジュール、モバイルアプリ、ブラウザ、ブラウザ拡張、ＯＳ、及び／またはそれらのあらゆる組み合わせを介することができる。例えば、そういった通信は、ハイパーテキストトランスファープロトコルセキュア（ＨＴＴＰＳ）といった一般的なフレームワーク／アプリケーションプログラミングインターフェース（ＡＰＩ）を介することができる。
クライアント１０６は、ハードウェアベース及び／またはソフトウェアベースであってもよい。クライアント１０６は、直接的及び／または間接的のいずれにかかわらず、患者コンピュータであり及び／または固定であるか携帯型であるかにかかわらず、ターミナル、キオスク、ワークステーション、車両、地上、海上または空中のいずれにかかわらず、デスクトップ、ラップトップ、タブレット、携帯電話、メインフレーム、スーパーコンピュータ、サーバファーム、などにホストされる。患者コンピュータは、利用可能なタッチスクリーンであってもよく及び／または非タッチスクリーンであってもよい。患者コンピュータは、他のコンピュータシステム及び／またはクラウドコンピューティングシステムを含んでもよく及び／またはその一部であってもよい。患者コンピュータは、ｉＯＳ（登録商標）、Ｗｉｎｄｏｗｓ（登録商標）、Ａｎｄｒｏｉｄ（登録商標）、Ｕｎｉｘ（登録商標）、Ｌｉｎｕｘ（登録商標）及び／またはその他のあらゆるタイプのＯＳを動作できる。患者コンピュータは、マウス、キーボード、前向き及び／または後ろ向きのいずれにかかわらず、カメラ、加速度計、タッチスクリーン、生体読込器、クリッカー、及び／またはマイクロフォンといった入力装置及び／またはディスプレイ、ヘッドフォン、ジョイスティック、ビデオゲームコントローラ、バイブレータ、及び／またはプリンタといった出力装置を含むことができる及び／または入力装置に接続できる。いくつかの実施形態では、入力装置及び出力装置は１つのユニット内に統合できる。患者コンピュータは、ＧＰＳ、信号三角測量システムなどを介してといった全地球測位決定のための電気回路を含んでもよい。患者コンピュータは、ＮＦＣ電気回路を備えてもよい。患者コンピュータは、直接的及び／または間接的にかかわらず患者１０６にデータを送ることができる関係型データベースまたは非関係型データベースといったデータベースを、直接的及び／または間接的にかかわらずホストでき、実行でき、及び／または接続することができる。
患者コンピュータを介するクライアント１０６は、直接的及び／または間接的に、選択的に及び／または非選択的に、暗号化及び／または非暗号化で、有線で及び／または無線で、接触を通じて及び／または非接触で、といったようにネットワーク１０２と通信する。そういった通信は、ソフトウェアアプリケーション、ソフトウェアモジュール、モバイルアプリ、ブラウザ、ブラウザ拡張、ＯＳ、及び／またはそれらのあらゆる組み合わせを介することができる。例えば、そういった通信は、ＨＴＴＰＳといった一般的なフレームワーク／ＡＰＩを介することができる。
他の実施形態では、サーバ１０４及びクライアント１０６は、１つのシステム内にホストされる時または赤外線またはブルートゥース（登録商標）といった短距離無線通信プロトコルを介するといった互いに近接してローカル接続である時、同様に互いに直接通信できる。そういった直接的通信は、選択的及び／または非選択的、暗号化及び／または非暗号化で、有線及び／または無線で、接触を通じて及び／または非接触であってもよい。クライアント１０６の多くが相対的に同時にサーバ１０４とセッションを開始できるので、いくつかの実施形態では、動作の効率性、継続性、及び／または冗長性のために、サーバ１０４は負荷バランシング技術及び／またはフェイルオーバー技術を採用する。
他のコンピューティングモデルも同様に可能である。例えば、そういったモデルは、Ｂｉｔ−Ｔｏｒｒｅｎｔ（登録商標）、またはコンピュータが単一のシステムとして見なすことができるようネットワークされたコンピュータが一緒に動作するコンピュータクラスタを介するといった分散コンピューティングの代わりに、ピアツーピア（Ｐ２Ｐ）といった分散型コンピューティングを備えることができる。
図２は、本開示に従うコンピュータネットワーク構造の例示的実施形態の概略図である。コンピュータネットワークアーキテクチャ２００は、サービスプロバイダセグメント及びサービスリクエスタセグメントと通信するネットワーク２０２を備える。サービスプロバイダセグメントは、サーバコンピュータ２０４及びデータベース２０６を備える。サービスリクエスタセグメントは、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、携帯電話２１６を備える。アーキテクチャ２００は、モデル１００に従って動作する。しかしながら、他の実施形態では、アーキテクチャ２００は、本明細書に記述されるように、直接的通信、分散型コンピューティング、分散コンピューティング、及び／またはそれらのあらゆる組み合わせといった他のコンピューティングモデルに従って動作する。ネットワーク２０２は、ネットワーク１０２に従って動作する。しかしながら、他の実施形態では、ネットワーク２０２は、本明細書に記述されるように、他のネットワークタイプに従って動作する。
サービスプロバイダセグメントは、構造的及び／または機能的に同一及び／または互いに異なるかどうかにかかわらず、直接的及び／または間接的といったように、有線及び／または無線で、選択的及び／または非選択的に、暗号化及び／または非暗号化で、接触を通じて及び／または非接触であるといったように、互いに伝達的に接続する及び／または互いに伝達的に接続しないかどうかにかかわらず、同時及び／または非同時であるかにかかわらず、制御が単一の事物を介する及び／または複数の事物を介するかにかかわらず、本開示の関連するあらゆる内容に無関係の、１つ以上のサーバコンピュータ２０４及び／または１つ以上のデータベース２０６を備えることができる。同様に、サービスリクエスタセグメントは、構造的及び／または機能的に同一及び／または互いに異なるかどうかにかかわらず、直接的及び／または間接的といったように、有線及び／または無線で、選択的及び／または非選択的に、暗号化及び／または非暗号化で、接触を通じて及び／または非接触であるといったように、互いに伝達的に接続する及び／または互いに伝達的に接続しないかどうかにかかわらず、同時及び／または非同時であるかにかかわらず、制御が単一の事物を介する及び／または複数の事物を介するかにかかわらず、本開示の関連するあらゆる内容に無関係の、５つ以下及び／または５つ以上のコンピュータ２０８、２１０、２１２、２１４、２１６を備えることができる。
コンピュータ２０４は、同時及び／または非同時であるかにかかわらず、直接的及び／または間接的に、有線及び／無線で、選択的に及び／または非選択的に、暗号化及び／または非暗号化で、接触を通じて及び／または非接触で、といったようにネットワーク２０２と通信する。コンピュータ２０４は、例えばネットワークカードであるコンピュータ２０４のハードウェア構成要素といったハードウェアユニットを介するそういった通信を手助けする。しかしながら、他の実施形態では、コンピュータ２０４は、ソフトウェアアプリケーション、ソフトウェアモジュール、モバイルアプリ、ブラウザ、ブラウザ拡張、ＯＳ、及び／またはそれらのあらゆる組み合わせといったソフトウェアユニットを介してそういった通信を手助けする。例えば、そういった通信は、ＨＴＴＰＳといった一般的なフレームワーク／ＡＰＩを介することができる。サービスリクエスタセグメントのサイズが原因で、コンピュータ２０４は、動作の効率性、継続性、及び／または冗長性のために、負荷バランシング技術及び／またはフェイルオーバー技術を採用する。
コンピュータ２０４が、直接的及び／または間接的に、有線及び／または無線で、選択的及び／または非選択的に、暗号化及び／または非暗号化で、といったようにデータベース２０６と通信するように、コンピュータ２０４は動作可能なようにデータベース２０６に接続される。コンピュータ２０４は、例えばネットワークカードであるコンピュータ２０４のハードウェア構成要素としてハードウェアユニットを介するそういった通信を手助けする。しかしながら、他の実施形態では、コンピュータ２０４は、ソフトウェアアプリケーション、ソフトウェアモジュール、モバイルアプリ、ブラウザ、ブラウザ拡張、ＯＳ、及び／またはそれらのあらゆる組み合わせといったソフトウェアユニットを介してそういった通信を手助けする。例えば、そういった通信は、ＭｙＳＱＬ（登録商標）、Ｏｒａｃｌｅ（登録商標）、または他の適切なシステムといった、コンピュータ２０４にホストされるデータベース管理システム（ＤＢＭＳ）を介して採用されるＨＴＴＰＳといった一般的なフレームワーク／ＡＰＩを介することができる。同様に、コンピュータ２０４は、データベース２０６をローカルにホストでき、及び／またはデータベース２０６に遠隔でアクセスすることができる。代わりに、コンピュータ２０４及びデータベース２０６は、１つの現場内にあってもよいが、明確に統合される。さらに、コンピュータ２０４は、同時及び／または非同時であるかにかかわらず、直接的及び／または間接的に、有線及び／無線で、選択的に及び／または非選択的に、暗号化及び／または非暗号化で、接触を通じて及び／または非接触で、といったように１つ以上のデータベース２０６をホストできる及び／または動作可能なように接続できる。また、データベース２０６は、同時及び／または非同時であるかにかかわらず、直接的及び／または間接的に、有線及び／無線で、選択的に及び／または非選択的に、暗号化及び／または非暗号化で、接触を通じて及び／または非接触で、といったように１つ以上のコンピュータ２０４上でホストできる。
データベース２０６は、整理されたデータの一群を含む。ブール及び／または文字といった旧式タイプ、配列及び／または共用体といった複合タイプ、及び／またはリスト、キュー、デッキ、スタック、ストリング、ツリー、及び／またはグラフといった抽象データタイプのいずれにかかわらず、データはあらゆるタイプであってもよい。データは、配列、マップ、テーブル、マトリックス、ベクター、及び／またはリストといった線形構造、ツリー、パゴダ、トリープ、ヒープ、及び／またはトライといったツリー構造、テーブル、リスト、及び／またはフィルタといったハッシュ構造、グラフ、マトリックス、スタック、及び／または図形といったグラフ構造、及び／またはそれらのあらゆる組み合わせといった、あらゆる構造を整理したものであってもよい。整理されたデータの一群は、患者情報、言語関連障害シェル情報、言語関連障害セル情報、患者マトリックス情報、マスターマトリックス情報、分析情報、及び／または他の関連情報といった内容を含むことができる。データベース２０６は、コンピュータ２０６上で動作するＤＢＭＳを介するといったコンピュータ２０４を介してアクセスされる。データベース２０６は関連データベースであるが、他のデータベースモデルは、次の関係といった可能性がある。コンピュータ２０４及びデータベース２０６は互いに明確に配置されるが、他の実施形態では、コンピュータ２０４はデータベース２０６をホストする。コンピュータ２０４及びデータベース２０６は単一の動作主体を介して動作するが、他の実施形態では、コンピュータ２０４及びデータベース２０６は、異なる動作主体を介して動作する。さらに、ネットワーク２０２を介してコンピュータ２０４がデータベース２０６と通信するように、データベース２０６はネットワーク２０２と通信できる。
ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６は、直接的及び／または間接的に、有線及び／または無線で、選択的及び／または非選択的に、暗号化及び／または非暗号化で、同時及び／または非同時で、オンデマンド及び／または非オンデマンドで、といったようにネットワーク２０２と通信する。あらゆる組み合わせ方法においても、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６は、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６のハードウェア構成要素といったハードウェアユニットを介して、例えばトランシーバ及び／またはネットワークカードであるそういった通信を手助けする。他の実施形態では、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６は、ソフトウェアアプリケーション、ソフトウェアモジュール、モバイルアプリ、ブラウザ、ブラウザ拡張、ＯＳ、及び／またはそれらのあらゆる組み合わせといったソフトウェアユニットを介してそういった通信を手助けする。例えば、そういった通信は、ＨＴＴＰＳといった一般的なフレームワーク／ＡＰＩを介することができる。さらに、他のタイプのサービスリクエスタは、スタンドアロン型カメラ、現金自動預け払い機（ＡＴＭ）、暗号型通貨マイナー、キオスク、ターミナル、メガネ型コンピュータ、埋め込み型コンピュータといったウェアラブルコンピュータ、または他の適切なコンピューティング装置といった可能性がある。
ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６のうち少なくとも２つが、同時に及び／または非同時に、同一の方法で及び／または異なる方法で、ネットワーク２０２を介して通信できる。さらに、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６は、異なる動作主体を介して動作するが、他の実施形態では、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６のうち少なくとも２つが単一の動作主体を介して動作する。
サービスプロバイダセグメントは、ネットワーク２０２を介してデータをサービスリクエスタセグメントへ供給する。そういった供給は、プッシュ技術及び／またはプル技術を介することができる。例えば、プッシュ技術は、コンピュータ２０４を介してといったようにサービスプロバイダセグメントを介して開始することを要求できる。その結果、定期的にアップデート可能な情報は、サービスリクエスタセグメント上への同時会議、メッセージング、及び／またはファイル配付を介してといったように、コンピュータ２０４を介してプッシュされてもよい。同様に、例えば、プル技術は、携帯電話２１６を介してといったようにサービスリクエスタセグメントを介して開始することを要求できる。その結果、ウェブブラウジング、及び／またはウェブフィーディングを介してといったように、情報は携帯電話２１６を介してサービスプロバイダセグメントからプルされてもよい。
動作の１つのモードでは、言語関連障害診断データ及び／または診断データに基づく治療データは、ネットワーク２０２を介して、サービスプロバイダセグメントを介してサービスリクエスタセグメントへ供給される。例えば、コンピュータ２０４はデータベース２０６からの診断データ及び／または治療データを、言語関連障害患者を介して動作されるものとして携帯電話２１６上にオンデマンドで送る。コンピュータ２０４は、携帯電話２１６から患者回答を受け取り、さらに粒度の細かい診断及び／または治療のために、そういった回答を動的にかつ反復的に処理する。コンピュータ２０４及び／またはデータベース２０６の動作は、患者の承諾を介してといったように、そういった送信がどのように起きるかを制御でき、及び／または他の言語関連障害患者から動的に反復的に得たデータに基づくといった診断データ及び／または治療データをアップデートできる。
図３は、本開示に従うコンピュータネットワークダイアグラムの例示的実施形態の概略図である。コンピュータネットワーク図３００は、ネットワーク３０２、コンピュータシステム３０４、オペレータコンピュータ３０６、及び患者コンピュータ３０８を備える。ネットワーク３０２は、ネットワーク２０２に従って動作するが、本明細書に記述されるように、他のネットワークタイプである可能性がある。サービスプロバイダセグメントは、ネットワークベースの言語関連障害診断及び治療のためといった、ネットワークベースの遠隔治療サービスとしての機能を持つシステム３０４を備える。システム３０４は、本明細書に記述されるように、ネットワーク３０２と通信する。ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６のうちの少なくとも１つといったオペレータコンピュータ３０８は、そういった送信がどのように起きるかを制御するためなどに、患者の承諾を介してといったようにシステム３０４と通信でき、及び／または他の言語関連障害患者から動的に反復的に得たデータに基づくといった診断データ及び／または治療データをアップデートできる。サービスリクエスタセグメントは、ワークステーションコンピュータ２０８、タブレットコンピュータ２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、携帯電話２１６のうちの少なくとも１つといった患者コンピュータ３０８を備える。他の実施形態では、オペレータコンピュータ３０６及び患者コンピュータ３０８は、単一のコンピュータである。オペレータコンピュータ３０６及び患者コンピュータ３０８は、本明細書に記述されるように、ネットワーク３０２と通信する。さらに、オペレータコンピュータ３０６は、全体的または部分的にかかわらず、患者コンピュータ３０８に、電話通話、電話会議、チャット、または他のものを介してといったように直接的または間接的にかかわらず、ライブアシスタント機能を供給するために構成されてもよい。
図４は、本開示に従うコンピュータの例示的実施形態の概略図である。コンピュータ４００は、プロセッサ４０２、プロセッサ４０２に動作可能に接続するメモリ４０４、プロセッサ４０２に動作可能に接続するネットワーク通信ユニット４０６、プロセッサ４０２に動作可能に接続するカメラ４０８、プロセッサ４０２に動作可能に接続するディスプレイ４１０、プロセッサ４０２に動作可能に接続するスピーカ４１２、プロセッサ４０２に動作可能に接続する位置情報ユニット４１４、プロセッサ４０２に動作可能に接続するグラフィックスユニット４１６、及びプロセッサ４０２に動作可能に接続するマイクロフォン４１８を備える。コンピュータ４００は、プロセッサ４０２に電力を供給する電源４２０、メモリ４０４、ネットワーク通信ユニット４０６、カメラ４０８、ディスプレイ４１０、スピーカ４１２、位置情報ユニット４１４、グラフィックスユニット４１６、及びマイクロフォン４１８を備える。プロセッサ４０２、メモリ４０４、ネットワーク通信ユニット４０６、カメラ４０８、ディスプレイ４１０、スピーカ４１２、位置情報ユニット４１４、グラフィックスユニット４１６、マイクロフォン４１８、及び電源４２０のうちの少なくとも２つが１つのユニットに統合されるが、プロセッサ４０２、メモリ４０４、ネットワーク通信ユニット４０６、カメラ４０８、ディスプレイ４１０、スピーカ４１２、位置情報ユニット４１４、グラフィックスユニット４１６、マイクロフォン４１８、及び電源４２０のうちの少なくとも１つは、スタンドアロン型の場合、ローカルにまたは遠隔に、直接的または間接的に、コンピュータ４００へ動作可能なように接続されてもよい。さらに、他の実施形態では、コンピュータ４００は、ネットワーク通信ユニット４０６、カメラ４０８、ディスプレイ４１０、スピーカ４１２、位置情報ユニット４１４、グラフィックスユニット４１６、及びマイクロフォン４１８のうちの少なくとも１つを備えない。生体読取機、クリッカー、バイブレータ、プリンタ、等といった、入力ユニット及び／または出力ユニットのいずれであるにかかわらず、コンピュータ４００は他のユニットを備えることができる。
プロセッサ４０２は、マルチコアプロセッサといったようなハードウェアプロセッサを備える。例えば、プロセッサ４０２は、中央処理装置（ＣＰＵ）を備える。
メモリ４０４は、持続性であるコンピュータ読み取り可能な記録媒体を備える。媒体は、プロセッサ４０２を介して実行するためのソフトウェアアプリケーションといった複数のコンピュータ読み取り可能な指示を格納する。指示は、本明細書に記述されるように、言語関連障害の診断及び／または治療のための方法実行を手助けするために、プロセッサ４０２に指示を出す。メモリ４０４のいくつかの実施例は、ランダムアクセスメモリ（ＲＡＭ）といった揮発性記憶装置、またはハードディスクドライブまたはリードオンリーメモリ（ＲＯＭ）といった非揮発性記憶装置を含む。例えば、メモリ４０４は、フラッシュメモリを含む。メモリ４０４は、プロセッサ４０２と有線で通信する。また、例えば、メモリ４０２は、ネットワーク通信ユニット４０６、カメラ４０８、ディスプレイ４１０、スピーカ４１２、位置情報ユニット４１４、グラフィックスユニット４１６、マイクロフォン４１８、または他の入力及び／または出力ユニットのうち少なくとも１つを動作するために、複数の指示セットといった複数のコンピュータ読み取り可能な指示を格納する。
ネットワーク通信ユニット４０６は、有線または無線、直接的または間接的であるかにかかわらず、コンピュータネットワーク通信のためのネットワークインターフェースコントローラを備える。例えば、ネットワーク通信ユニット４０６は、ＩＥＥＥ８０２．１１基準といった電気電子技術者協会（ＩＥＥＥ）８０２基準の１セットから選択された少なくとも１つの基準に基づくコンピュータネットワーキング通信のためのハードウェアを備える。例えば、ネットワーク通信ユニット４０６は、ＩＥＥＥ８０２．１１（ｇ）基準に従って動作する無線ネットワークカードを備える。ネットワーク通信ユニット４０６は、プロセッサ４０２と有線で通信する。
カメラ４０８は、写真及び／またはビデオといった画像取得のためのレンズを備える。カメラ４０８は、圧縮形式または非圧縮形式でメモリ４０４上に取得した視覚的情報を格納する。カメラ４０８は、例えば画像取得前、最中及び／または後で、ディスプレイ４１０上に画像表示できる。カメラ４０８は、フラッシュ照明ユニットを備えてもよい。カメラ４０８は、光学的またはソフトウェアベースのいずれにかかわらず、ズームすることができる。カメラ４０８は、プロセッサ４０２と有線で通信する。カメラ４０８はさらに、無線等でプロセッサ４０２と遠隔接続できる。
ディスプレイ４１０は、視覚的及び／または触覚的情報を表示するための領域を備える。ディスプレイ４１０は、電子的視覚ディスプレイ、フラットパネルディスプレイ、液晶ディスプレイ（ＬＣＤ）、及び体積ディスプレイのうち少なくとも１つを備える。例えば、ディスプレイ４１０は、タッチ可能なコンピュータモニタを備える。ディスプレイ４１０は、プロセッサ４０２と有線で通信する。ディスプレイ４１０はさらに、無線等でプロセッサ４０２と遠隔接続できる。
スピーカ４１２は、電機音声信号入力に応答して音を供給する電気音響変換器といった、ラウドスピーカを備える。例えば、スピーカ４１２はダイナミックスピーカである。スピーカ４１２は、プロセッサ４０２と有線で通信する。スピーカ４１２はさらに、無線等でプロセッサ４０２と遠隔接続できる。
位置情報ユニット４１４は、ＧＰＳレシーバを備える。位置情報ユニット４１４は、プロセッサ４０２と有線で通信する。セル位置信号三角測量を介してといった、他のタイプの位置情報が可能である。位置情報ユニット４１４はさらに、無線等でプロセッサ４０２と遠隔接続できる。
グラフィックスユニット４１６は、画像処理のためのグラフィックス処理ユニット（ＧＰＵ）を備える。グラフィックスユニット４１６は、グラフィックス専用のユニットだが、他の実施形態では、プロセッサ４０２はグラフィックスユニット４１６と統合する。例えば、グラフィックスユニット４１６は、ビデオカードを備える。グラフィックスユニット４１６は、プロセッサ４０２と有線で通信する。
マイクロフォン４１８は、スピーカ４１２を介した出力といったような、次の利用のために空中の音を電気信号へと変換するよう動作する音を電気に変換する変換器／センサを備える。マイクロフォン４１８は、電磁誘導ベース、容量変化ベース、または圧電ベースであってもよい。マイクロフォン４１８は、音声電力増幅器からの前置増幅器アップストリームに接続できる。例えば、マイクロフォン４１８はダイナミックマイクロフォンである。マイクロフォン４１８はさらに、無線等でプロセッサ４０２と遠隔接続できる。
電源４２０は、コンピュータ４００に電力を供給する。電源４２０は、リチウムイオンバッテリといった、基板に取り付けられた充電式バッテリ及び光電池、風力タービン、及び／または水力発電タービンといった、基板に取り付けられた再生可能エネルギー源のうち少なくとも１つを備える。そういった電力は、電源ケーブルといった電気の幹線を介することができる。
コンピュータ４００はさらに、コンピュータキーボード、コンピュータマウス、タッチパッド、クリッカー、スキャナ、ファックス、生体読取機、ポインタ、または他の適切な入力装置といった入力装置のうち少なくとも１つを含むことができる及び／または動作可能なように接続できる。同様に、コンピュータ４００は、プリンタ、プロジェクタ、または他の適切な出力装置といった出力装置のうち少なくとも１つを含むことができる及び／または動作可能なように接続できる。さらに、コンピュータ２０４、ワークステーションコンピュータ２０８、タブレット２１０、デスクトップコンピュータ２１２、ラップトップコンピュータ２１４、及び携帯電話２１６のうち少なくとも１つは、コンピュータ４００の概要に従って組み立てられてもよい。
図５は、本開示に従う生成的モデルに基づく診断のためのプロセスの例示的実施形態のフローチャートである。サービスプロバイダセグメント及びサービスリクエスタセグメントのうち少なくとも１つを介してコンピュータ実装される時のプロセスは、複数の診断シェル５０２、５０６、５１４を採用する。プロセスはさらに、複数の診断セル５０４、５０８、５１０、５１２、５１６を採用する。シェルまたはセルはいくつでも、あらゆる組み合わせ方法に用いられてもよい。プログラムが動作できることをベースとしたプロセスは、第一診断シェル５０２（点描の長方形で表されたＤｘ1）を選択するために、マスターマトリックスといった第一データ構造及び、患者マトリックスといった第二データ構造内の患者情報を採用する。各診断シェルは、音を文字またはシンボルにマッチングするといったような、患者によって実行される特定のタスクを指定する。診断シェル５０２（Ｄｘ1）から、プログラムは、マスターマトリックスといった第一データ構造から選択された情報をシェル５０２へと挿入することで少なくとも１つの内容特定検査セル５０４（診断セルＤｘ1ｙ1-n）を生成する。そういったコンピュータ化された生成は、並列で、同時で、リアルタイムで、同時発生で、バッチ処理された、マルチスレッド化された、または非並列、非同時等といったそれらのあらゆる反対のものであってもよい。例えば、診断シェルＤｘ1が、コンピュータディスプレイ上に示された対象物をネーミングするタスクを指定する場合、その後特定の診断セルＤｘ1ｙ1、Ｄｘ1ｙ3、Ｄｘ1ｙ5などは、家庭用対象物、ツール、または「Ｂ」という文字から始まる名前を持つ物といった、各対象物の異なるカテゴリのネーミングに関係してもよい。セル５０４は、マスターマトリックスといった第一データ構造内の特定の基準の１セットに基づき、この特定の患者のために最も有効であるといったような、最適な順で患者に施される。本開示が診断及び治療のために事前設定された順番を必ずしも指示するわけではないため、セル５０４は不連続的順番で施されてもよい。
さらに、Ｄｘ1ｙ1の後にＤｘ1ｙ3及びＤｘ1ｙ5が続く。これは必ずしも、Ｄｘ1ｙ1、Ｄｘ1ｙ3、及びＤｘ1ｙ5が、事前定義された順で供給された事前定義された内容を伴う事前定義されたセルであるという意味ではない。むしろ、そういったセルは、各患者の結果分析を受けて生成される。このように、プロセスは、他の患者のための同じ診断シェルからの診断セルの異なるセット、セルの同じセットの異なる順番を配置してもよく、または識別された言語問題の根底となるものの少なくとも１つに完全に依存するそういったシェルを省略してもよい。
さらに、プロセスは診断セル５０４（Ｄｘ1ｙ1、Ｄｘ1ｙ3、Ｄｘ1ｙ5）を同時に生成可能だが、患者は、マスターマトリックスといった第一データ構造を介してそういった検査を継続して動的にセットされた順に受ける。セル５０４に基づく患者の回答は、セル５０８（Ｄｘ2ｙ1）における次の検査を生成するために診断シェル５０６（Ｄｘ2）の自動選択を可能にする。セル５０８（Ｄｘ2ｙ1）への患者の回答は、さらなる検査のための他のセル５１０（Ｄｘ2ｙ2）の自動生成を引き起こす。セル５１０（Ｄｘ2ｙ2）に対する患者の結果は、さらに粒度の細かい検査のために、プロセスがシェル５０２の再選択に自動的に戻ることを可能にするが、診断セル５１２（Ｄｘ1ｙ4）を生成するために今回はマスターマトリックスといった第一データ構造から読み出した新たな内容を伴う。患者の結果に基づき、患者はその後次の診断シェル５１４（Ｄｘ3）に進み、その後セル５１６（Ｄｘ3ｙ2）は、マスターマトリックスといった第一データ構造を介して順番に動的にセットされる。
図６は、本開示に従う生成的モデルに基づく治療のためのプロセスの例示的実施形態のフローチャートである。治療段階における各シェルは、訓練ユニット（Ｔｘ1-n）及び評価ユニット（Ｅｘ1-n）を含む。プログラムが実行できることに基づくプロセスは、最初に患者マトリックスといった第二データ構造に含まれるような診断段階からの患者の実行履歴を使用して、患者マトリックスといった第二データ構造をマスターマトリックスといった第一データ構造に対して比較、分析、フィルタリングすることを介して治療シェルの少なくとも一部に基づく治療のための治療セルを生成する。前回の治療セルにおける患者の実行はその後、患者マトリックスといった第二データ構造内で継続的にアップデートする情報として施される次のセルを決定する。治療段階におけるセルは、診断段階におけるような方法と同じまたは類似の方法で対応するシェルから生成される。シェルまたはセルはいくつでも用いられてもよい。
図６に示されるように、プロセスは１人の患者のための治療段階の一部を保存する。そういったプロセスは、サービスプロバイダセグメント及びサービスリクエスタセグメントのうち少なくとも１つを介してコンピュータ実装されてもよい。説明されるプロセスの段階において、図１〜４のコンピュータアーキテクチャを介するといったように、治療セル６０２（Ｔｘ1ｙ3Ｅｘ1ｙ3）が施される。次のセルに進むために、患者はマスターマトリックスといった第一データ構造によって指定された基準に従ってこのセル６０２に含まれる評価に合格しなければならない。患者が合格すると、マスターマトリックスといった第一データ構造から選択された内容を再度回収することを介して、プロセスはシェルＴｘ3Ｅｘ3から次のセル６０６（Ｔｘ3ｙ2Ｅｘ3ｙ2）の生成へと続く。しかしながら、患者がセル６０２（Ｔｘ1ｙ3Ｅｘ1ｙ3）の評価に合格できなかった場合、その後、プロセスは、ブロック６０４の通り、患者が合格するために必要なスキルを高めることを手助けするために演習セル（Ｐｘ1ｙ1）を生成する。繰り返される不合格にはさらなる演習セル（Ｐｘ1ｙ3）または他の治療セル（Ｔｘ4ｙ1Ｅｘ4ｙ1）が必要となる。他の治療セル（Ｔｘ4ｙ1Ｅｘ4ｙ1）は、この患者がオリジナルの治療セル（Ｔｘ1ｙ3Ｅｘ1ｙ3）に合格するために必要なスキルを高めることを手助けするために配置されてもよい。例えば２回など、数回の挑戦の後でも患者が同じセルＴｘ1ｙ3Ｅｘ1ｙ3に合格できない場合、その後、本明細書に記述されるようなライブアシスタント機能が介入する。
患者マトリックスといった第二データ構造に対して評価されるようなセル６０２に基づいてタスクがうまく実行されることで、患者は生成された治療セル６０６（Ｔｘ3ｙ2Ｅｘ3ｙ2）に進む。同様に、患者が合格した場合、その後患者は生成された次のセルであるセル６０８へ進む。しかしながら、患者が合格できない場合、セル６０２（Ｔｘ1ｙ3Ｅｘ1ｙ3）を含むサイクルと同様に、その後類似のプロセスが発生する。しかしながら、異なるセルを持つ不合格の異なるサイクルは、異なるタイプのセル及びその提示の異なる順番を必要としてもよい。例えば、セル６０２（Ｔｘ1ｙ3Ｅｘ1ｙ3）を含む不合格の第一サイクルを伴う図６に説明されるように、２つの演習セル（Ｐｘ1ｙ1、Ｐｘ1ｙ3）は他の治療セル（Ｔｘ4ｙ1Ｅｘ4ｙ1）の前に施された。プロセスは、セル６０６（Ｔｘ3ｙ2Ｅｘ3ｙ2）を含む不合格の第二サイクルと共に識別された問題に基づき、患者を手助けするための演習セルの類似または異なるタイプを配置してもよいが、ブロック６１０の通り、治療セル（Ｔｘ4ｙ2Ｅｘ4ｙ2）は演習セルの前に施された。しかしながら、セル６０８は、セル６０６に基づくタスクの上出来な合格をもって施される。いくつかのケースでは、必要に応じて、患者が次の治療セルに進む直前の評価と同じものに取り組む前に少なくともいくつかの解答が提供される。しかしながら、他のケースでは、試みに不合格したことを受けて、必要に応じて指示映像または他の補助教材が提供されてもよい。さらに、プロセスが進むにつれて、患者が新たな治療セルを通過する時に患者の回答は患者マトリックスといった第二データ構造に記録される。そういった記録に基づき、プロセスは患者の治療の修正及び拡大、マスターマトリックスといった第一データ構造からの情報に基づいて次を起動するためのセルのタイプ及び順番を継続的なアップデートを可能にする。診断段階及び治療段階のうち少なくとも１つは、各患者のために個人に合わせた診断および治療の作成のために、回答が良く生成的なモデルにこのように基づいている。
図７は、本開示に従う診断のためのプロセスの例示的実施形態のフローチャートである。そういったプロセスは、少なくとも複数のブロック７０２〜７２６を含む。さらに、そういったプロセスは、連続した番号順及び／または非連続的な番号順で実行できる。プロセスは、図１〜４といったように本明細書に記述されるように、コンピューティングアーキテクチャを介して実行する。国内的及び／または国際的のいずれにもかかわらず、プロセスは実行でき、実行を手助けでき、及び／またはサービスプロバイダセグメントといった動作主体の少なくとも１つを介して、そういった実行を補助できる。例えば、そういったプロセスは、患者コンピュータ３０８と相互作用するコンピュータシステム３０４を介して実行できる。
ブロック７０２では、患者マトリックスといった第二データ構造を、マスターマトリックスといった第一データ構造に対してコンピューティング、分析、またはフィルタリングすることを介するといったように、システム３０４は第一フィルタリングデータを得る。
ブロック７０４では、システム３０４はブロック７０２から第一フィルタリングデータの少なくとも一部に基づく診断シェルを選択する。
ブロック７０６では、システム３０４はブロック７０４から診断シェルの少なくとも一部に基づく診断セルを生成する。
ブロック７０８では、システム３０４はブロック７０６で選択された診断セルを実行する。そういった実行は、患者コンピュータ３０８と通信するネットワークを介するといったように、患者コンピュータ３０８との相互作用を含んでもよい。患者コンピュータ３０８は、診断セルを実行して、患者入力を受け取る。
ブロック７１０では、システム３０４は患者マトリックスといった第二データ構造に診断セルの結果を格納する。動的であり得るそういった格納は、リアルタイムまたは遅延型の方法のいずれにかかわらず、患者コンピュータ３０８からの患者入力の少なくともいくつかを受け取ることの少なくとも一部に基づいている。
ブロック７１２では、システム３０４は、コンピュータ化データベースといった分析データ構造内に統計値を格納する。動的であり得るそういった格納は、第二データ構造内に格納されるような結果から統計値を得ることの少なくとも一部に基づいている。あるいは、統計値は、リアルタイムまたは遅延型の方法のいずれにかかわらず、患者コンピュータ３０８からの患者入力の少なくともいくつかを受け取ることの少なくとも一部に基づき得られてもよい。
ブロック７１４では、ブロック７１０でアップデートされたように、患者マトリックスといった第二データ構造を、マスターマトリックスといった第一データ構造に対してコンピューティング、分析、またはフィルタリングすることを介するといったように、システム３０４は第二フィルタリングデータを得る。
ブロック７１６では、システム３０４はブロック７１４から第二フィルタリングデータの少なくとも一部に基づく患者の実行を分析する。そういった分析は、必要に応じてブロック７０４からの同じシェルを用いた他の診断セルが必要かどうかを判断する。さらに、そういった分析は、本明細書に記述されるように、要因の少なくとも一部に基づいている。
ブロック７１８では、システム３０４は次の診断セルの生成が起こるべきかどうかについて決定する。答えが「はい」の場合は、プロセスはブロック７２４へと続く。それ以外の場合は、プロセスはブロック７２０へと続く。
ブロック７２０では、システム３０４は次の診断シェルの選択が起こるべきかどうかについて決定する。答えが「はい」の場合は、プロセスはブロック７２６へと続く。それ以外の場合は、プロセスはブロック７２２へと続く。
ブロック７２２では、システム３０４は患者診断が完了したことを判断する。そういった判断は、患者コンピュータ３０８への出力を含んでもよい。例えば、そういった出力は、視覚的、聴覚的、振動的、または他のものであってもよい。
ブロック７２４では、システム３０４はブロック７０４から診断シェルの少なくとも一部に基づく次の診断セルを生成する。そういったセルの内容は、マスターマトリックスといった第一データ構造に基づき生成される。
ブロック７２６では、システム３０４は起動のために次の診断シェルを選択する。このプロセスは、第一データ構造及び第二データ構造からの情報が、プロセスが治療段階まで任意に続くことができるこの患者のための診断検査段階が完了することを示すまで、必要に応じて多くのサイクルとして通過する。さらに、多くのステップがシステム３０４を介して実行されるので、患者コンピュータ３０８は他のバックグラウンドタスク用のリソースが不足する。診断段階は、いつでも患者によって休止または再開できる。
図８は、本開示に従う治療のためのプロセスの例示的実施形態のフローチャートである。そういったプロセスは、少なくとも複数のブロック８０２〜８２６を含む。さらに、そういったプロセスは、連続した番号順及び／または非連続的な番号順で実行できる。プロセスは、図１〜４といったように本明細書に記述されるように、コンピューティングアーキテクチャを介して実行する。国内的及び／または国際的のいずれにもかかわらず、プロセスは実行でき、実行を手助けでき、及び／またはサービスプロバイダセグメントといった動作主体の少なくとも１つを介してそういった実行を補助できる。例えば、そういったプロセスは、患者コンピュータ３０８と相互作用するコンピュータシステム３０４を介して実行できる。
ブロック８０２では、患者マトリックスといった第二データ構造を、マスターマトリックスといった第一データ構造に対してコンピューティング、分析、またはフィルタリングすることを介するといったように、システム３０４は第一フィルタリングデータを得る。
ブロック８０４では、システム３０４はブロック８０２から第一フィルタリングデータの少なくとも一部に基づく治療シェルを選択する。
ブロック８０６では、システム３０４はブロック８０４からの治療シェルの少なくとも一部に基づく治療セルを生成する。
ブロック８０８では、システム３０４はブロック８０６で選択された治療セルを実行する。そういった実行は、患者コンピュータ３０８と通信するネットワークを介するといったように、患者コンピュータ３０８との相互作用を含んでもよい。患者コンピュータ３０８は、治療セルを実行して、患者入力を受け取る。例えば、そういった治療セルはＴｘiｙjＥｘiｙjであってもよい。
ブロック８１０では、システム３０４は患者マトリックスといった第二データ構造に治療セルの結果を格納する。動的であり得るそういった格納は、リアルタイムまたは遅延型の方法のいずれにかかわらず、患者コンピュータ３０８からの患者入力の少なくともいくつかを受け取ることの少なくとも一部に基づいている。
ブロック８１２では、システム３０４は、コンピュータ化データベースといった分析データ構造内に統計値を格納する。動的であり得るそういった格納は、第二データ構造内に格納されるような結果から統計値を得ることの少なくとも一部に基づいている。あるいは、統計値は、リアルタイムまたは遅延型の方法のいずれにかかわらず、患者コンピュータ３０８からの患者入力の少なくともいくつかを受け取ることの少なくとも一部に基づき得られてもよい。
ブロック８１４では、ブロック８１０でアップデートされたように、患者マトリックスといった第二データ構造を、マスターマトリックスといった第一データ構造に対してコンピューティング、分析、またはフィルタリングすることを介するといったように、システム３０４は第二フィルタリングデータを得る。
ブロック８１６では、システム３０４はブロック８１４から第二フィルタリングデータの少なくとも一部に基づく患者の実行を分析する。そういった分析は、必要に応じてブロック８０４からの同じシェルを用いた他の治療セルが必要かどうかを判断する。さらに、そういった分析は、本明細書に記述されるように、要因の少なくとも一部に基づいている。第二データ構造へと入力された新しい情報と以前の情報の両方とも、ブロック８０４のように同じシェルＴｘiＥｘiを用いた他の治療セルが必要かどうかを判断するために、第一データ構造を通じて比較され、分析され、またはフィルタリングされる。
ブロック８１８では、システム３０４は次の治療セルの生成が起こるべきかどうかについて決定する。答えが「はい」の場合は、プロセスはブロック８２０へと続く。それ以外の場合は、プロセスはブロック８２４へと続く。
ブロック８２４では、システム３０４は次の治療シェルの選択が起こるべきかどうかについて決定する。答えが「はい」の場合は、プロセスはブロック８２２へと続く。それ以外の場合は、プロセスはブロック８２６へと続く。
ブロック８２０では、システム３０４はブロック８０４からの治療シェルの少なくとも一部に基づく次の治療セルを生成する。そういったセルの内容は、マスターマトリックスといった第一データ構造に基づき生成される。
ブロック８２２では、システム３０４は起動のために次の治療シェルを選択するこのプロセスは、第一データ構造及び第二データ構造からの情報が、この患者のための治療段階が完了することを示すまで、必要に応じて多くのサイクルとして通過する。さらに、多くのステップがシステム３０４を介して実行されるので、患者コンピュータ３０８は他のバックグラウンドタスク用のリソースが不足する。
ブロック８２６では、システム３０４は、少なくとも、１つの治療セッションまたは１つの治療行動のために患者の治療が完了したことを判断する。そういった判断は、患者コンピュータ３０８への出力を含んでもよい。例えば、そういった出力は、視覚的、聴覚的、振動的、または他のものであってもよい。治療段階は、いつでも患者によって休止または再開できる。
図９は、本開示に従う診断及び治療の例示的実施形態のダイアグラムである。単語分割診断検査における刺激アイテムは、ｂｅといいう単語である。こういった検査では、患者は単語をそれ自体が持つ個々の音へ分割しなければならない。この刺激アイテムのための、マスターマトリックスといった第一データ構造における対応するノードは、その正しい回答（／ｂｉ／）につながっており、かつ誤った回答を予測する。誤った回答は、自然言語、言語学、言語習得または発達の根底にあるプロセスの原則及びきまりの知識によって予測される、全てでないがほとんどの可能性のある例と、特別統制された言語（すなわちコミュニケーション障害を持つ個人といった、一般的集団の外部に位置する話者による言語）を含む。刺激単語ｂｅのケースでは、予測される誤った回答は、ユーザが子音／ｂ／を除くかまたはこの子音または母音／ｉ／を置き換えることによる例を含む。少なくとも上で識別された分野の１セットからの知識は、例えば、／ｂ／が置き換えられる場合、それらの音声的類似性により、類似の置換音素は／ｐ／または／ｄ／である、といったことを予測するために役立つ。グラフは同様に他の可能性のある置換を考慮に入れる。さらに、／ｂ／なしといった、患者の特定の誤った回答は、特定のコンピュータ動作（／ｂ／を伴う単語を生成する）を引き起こす。生成された単語は、望ましい音の組み合わせを持つ、語彙における実際の単語または無意味語であってもよい。患者の誤った回答が／ｂ／を／ｐ／といったような置換誤りである時、最小ペア
のような重大な差異を持つ単語の少なくとも１つのペアがコンピュータ生成される。患者の回答が１つ以上の誤りを含む場合、全てでないがほとんどの、グラフ上の影響を受けたノードが起動し、これは、治療段階における単語の１つ以上のリストで演習を行わなければならないことを意味する。単語のこのリストが聞いて繰り返す治療シェルに置かれる時、その後患者はそういったリスト内の各単語を１つずつこなすことで、必要なタスクを実行する。さらに、フルテキストが通常いくつかの刺激アイテムを含むので、そういった検査は患者からの誤った回答の１つ以上を生じさせる場合がある。よって、いくつかのグラフは、１つの検査出力からマスターマトリックスといった第一データ構造内で有効化されてもよい。例えば、迅速ネーミング診断検査は、いくつかの単語を含む誤りを生じさせる場合がある。こういったケースでは、コンピュータ実装された優先順位アルゴリズムは、検査のどのセットまたは演習アイテムが次に患者に次を示すかを決定する。
図１０は、本開示に従う子音のための音韻認識診断シェル及びセルの例示的実施形態のダイアグラムである。そういった手法は、本明細書に記述される技術を介して実装される。
図１〜４のコンピューティングアーキテクチャに基づくといったような実行の１つのモードでは、診断段階は、話者、聞き手、読者、及び書き手として言語的情報を処理するための患者の能力における包括的概要を提供するために作られる。根底にある構造は、評価制度を確認するための組み込まれたメカニズムで、そういった決まりを実行することにおいて重要な言語構成要素の全てではないがほとんどにおいて患者が慎重に進むことができるよう設計される。例えば、プロセスは音韻認識診断シェルから始まる。図１０に示されるように、セルＡを生成された第一音韻認識診断セルは、語中の位置において／ｂ／から／ｐ／を区別する患者の能力を検査する。音素／ｐ／及び／ｂ／は、発声の音声素性によって互いから区別される。たった１つの音声素性により区別された単語のペアは、ｓｔａｐｌｅ及びｓｔａｂｌｅといった最小ペアと呼ばれる。音韻認識診断セルＡが／ｐ／〜／ｂ／の対比と共に施される時、患者はｓｔａｐｌｅ、ｃｌａｍｂｅｒ、またはｆｌａｐｐｙといったような／ｐ／または／ｂ／を含む一連の単語をランダム順で聞く。患者は／ｐ／の音を持つ単語だけを選ぶよう指示される。患者がこのセルにおいて誤りを犯さなかった場合、その後、プロセスはｐｒｉｍ、またはｂｒｉｍといった語頭位置における／ｐｒ／〜／ｂｒ／の対比と共に次のセルＢを生成する。患者がさらに誤りを犯さなかった場合は、その後、プロセスは／ｔ／〜／ｄ／である次の一連の音韻対比へと進展する。患者がセルＢで誤りを犯した場合は、その後、プロセスは、語頭位置及び語末位置において患者が／ｐ／〜／ｂ／を区別する能力を検査するためにセルＤ〜Ｆを生成し、語中位置における前回の誤りの少なくとも１つを同様に確認する。
患者がセルＡで誤りを犯した場合には、その後、プロセスは、セルＡにおける誤りを再度確認するために、語中位置における／ｐ／〜／ｂ／対比を伴う次のセルＣを生成する。セルＣから患者が誤りを犯さなかった場合は、その後、プロセスは、語頭位置において／ｐｒ／〜／ｂｒ／を区別する患者の能力を検査するためにセルＧの生成を可能にする。セルＢ及びＧは両方とも、語頭位置における同じ／ｐｒ／〜／ｂｒ／対比を検査するが、プロセスを通じた患者の異なる道筋を示すため及びプロセスが異なる内容で各セルを生成するという事実を明確に示すために分類される。なぜなら、患者がセルＣにおいて誤りを犯した場合、その後、プロセスは、語頭位置に／ｐｒ／〜／ｂｒ／の対比を持つセルＪを生成する前に、語頭及び語末位置に／ｐ／〜／ｂ／の対比を含むセルＨ及びＩを最初に生成するからである。語頭の前に語中の対比が存在する理由の１つは、前者は後者より検知がより難しいと思われるためである。従って、患者がより難しいタスクを最初に実行できた場合、その後に施されるより易しいタスクは必ずしも必要ではない。
／ｐ／〜／ｔ／（ｐｉｐ、ｔｉｐ）、／ｐ／〜／ｆ／（ｐｉｔ、ｆｉｔ）、／ｐ／〜／ｋ／（ｐｉｃｋ、ｋｉｃｋ）、及び
（ｋｅｅｐ、ｋｅｙ）といったような音素／ｐ／に関連する他の対比は、上記のように同じ方法において含まれてもよい。／ｐｌ／〜／ｂｌ／（ｐｌｕｍｅ、ｂｌｏｏｍ）、／ｐｒ／〜／ｔｒ／（ｐｒｉｃｋ、ｔｒｉｃｋ）、／ｓｐｌ／〜／ｓｌ／（ｓｐｌａｙ、ｓｌａｙ）、といった子音連結簡略化は、語頭及び語末の両方の位置において、さらなる診断セルを通じて診断段階へと同様に組み込まれてもよい。
音韻認識タスクは、処理速度計測に組み込まれてもよい。そういったケースでは、迅速処理診断シェルが用いられる。音韻認識タスクは、上記のように引き続き残るが、患者は制限時間内に実行する。例えば、患者は自然な発話の標準的な迅速スピードで音素対比を聴覚的に検知する。このスピードにおいて患者がほとんどの対比を検知できなかった場合、その後同じタスクが、１分間に６０〜８０語といったようなより遅いスピードで行われる。通常スピードでの患者の実行と遅いスピードでの患者の実行のはっきりとした相違は、処理速度における問題を指摘するものである。
プロセスは、診断セルの提示を重要順にレンダリングすることの効率を確かにするためにさらに独自に構築される。より明らかな対比の前に、よりきめ細かい対比が検査される。例えば、患者が
の対比（ｈｏｌｅ、ｈａｌｌ）を間違えた場合、患者が前回同様に検知できそうな文字を検知できることでより易しい対比の検査が必要でないため、患者は／ｏ／〜／ａｕ／対比（ｈｏｌｅ、ｈｏｗｌ）においてのみ検査される。
診断セルからの結果の全てではないがほとんどは、後で治療セルを生成するために、患者マトリックスといった第二データ構造に記録される。診断段階のこの部分は、全てではないがほとんどが言語における音素または音素群を対象とする。そういった診断の最後では、プロセスは完全ではなくとも内容の充実した、どの音素及び音素群が音環境において問題があることを示す患者の音韻的概要を生み出す。
診断セルは同様に治療段階に組み込まれてもよい。例えば、／ｓｐｒ／〜／ｓｋｒ／といった、さらに複雑な子音群は、治療段階の最後において、／ｐ／のためにこの音素を伴う長引く問題が未だにあるかどうかを確認するために検査されてもよい。
音韻認識診断シェルから、プロセスは音声シンボルマッチング診断シェルに進んでもよい。プロセスは音声シンボルマッチングのためのセルを生成するために、音韻認識診断セルの結果を使用できる。例えば、患者が音韻認識シェルにおいて／ｖ／〜／ｗ／対比で誤りを犯した場合、その後、プロセスは、録音された音／ｖ／及び／ｗ／と一致する文字を、タイピングを介してといったように患者に入力することを指示する音声シンボルマッチングセルを生成できる。よって、音声シンボルマッチングセルは、以前に施された音韻認識セルの結果を確認するために使用できる。
音韻認識診断シェルから、プロセスは分節法診断シェルと単語分割診断シェルに別々に進んでもよい。以前の音韻認識検査から患者にとって問題になることが明らかとなった音から、特定の音素をもつあらゆる単語は分節法診断セルにおいて生成できる。例えば、患者が語中及び語末位置に／ｐ／を含む音韻認識セルにおいて誤りを生み出した場合、その後分節法診断セルは、ｈａｒｐｓｉｃｈｏｒｄという単語を含み、それにより患者がこの単語を音節に分割した時に／ｐ／の音を残すかどうかを確認する。患者が／ｐ／を除外した場合、その後次の単語分割診断セルはｍｉｓｈａｐｓ及びｃａｐｓｉｚｅｄといった／ｐ／をそれらの位置に伴う単語をより多く含むことができる。患者は、患者の音素能力のさらなる詳細を提供するため、それらの単語を個々の音に分割するよう指示される。分節法及び単語分割シェルにおけるそれらのタスクの実行では、新たな誤りが、特定の音環境では最初問題があるとは見なされなかった音素のために再度音韻認識セルを実行するためのプログラムを引き起こす場合がある。
音韻検査の他の種類は同様に、押韻を含む音韻認識から施されてもよい。具体的には、患者が音韻認識シェルにおいて母音の誤りを犯した時、プロセスは、患者がｂｅｅｒ ｖ． ｂｅｅといったような以前の音韻認識シェルにおいて対比された
を検知することができなかった時、患者に
の韻を持つ単語を生み出すよう指示するといったような、押韻診断セルを生成できる。このタスクを実行するために、患者はマイクロフォン、タイプを用いて単語を記録してもよく、または韻を持つ単語のペアを選択してもよい。
音声シンボルマッチングから、診断段階は語彙アクセス及び語彙回復といった単語レベル検査へと進むことができる。音韻認識及び音声シンボルマッチング診断の結果が、患者が特定の音環境において音素／ｂ／の処理の困難に直面していることを意味する場合、その後、プロセスは、録音またはタイピングのどちらかによって語頭、語中、語末位置に／ｂ／の音を持つ単語を設定時間内に可能な限りたくさん生み出すことを患者に指示する語彙アクセス診断セルを生成できる。／ｂ／の音を持つ単語にアクセスすることが問題なのか、それ自体が問題なのかを判断するために制限時間内に生み出すことができる単語の数をプロセスは最初に得点付ける。その後、プロセスはさらなる問題を検出するために、及び患者の処理困難に関する追加的な詳細を得るために、患者の表出を格納された単語に対してマッチさせる。例えば、患者がｂｌｕｂｂｅｒをｂｌｕｍｍｅｒと綴り間違いした場合、その後そういった誤りは患者が語中位置における／ｂ／〜／ｍ／対比に困難を持つことを確認する。しかしながら、患者が同じタスクにおいてｂｕｂｂｌｅを正しく綴る場合には、その後この結果は患者の問題が、単語が／ｒ／で終わる場合の語中位置における／ｂ／〜／ｍ／対比にのみ限定されるかもしれないことを意味する。つまり、プロセスにおける次の診断セルが、患者の処理問題について確認でき、かつさらなる詳細を生み出すことができる。
語彙回復診断シェルは語彙アクセスシェルから続くことができ、または語彙アクセスシェルに先行することができる。語彙アクセスシェルに続く時、語彙回復診断セルは音声レベルで処理困難によって悪影響を受けてきた患者の脳内辞書（脳内に格納された単語のネットワーク）のさらなる詳細を追跡するために使用できる。例えば、語彙回収診断セルは、患者にスクリーン上の画像から対象物ｐｅａｒ、ｒａｉｌ、及びｃｒｅｓｔの名前を挙げるよう要求してもよい。患者が回答ｐａｉｌ、ｗａｉｌ、及びｑｕｅｓｔを記録した場合、その後そういった結果は患者が全ての位置における音素／ｒ／に困難を持つことを意味するだけでなく、／ｌ／及び／ｗ／からの障害のせいで／ｒ／を持つ患者の格納された単語が不適格であることも同様に意味する。
これらの単語レベル診断セルから、患者は形態素認識といった他のものに進むことができる。例えば、プロセスは、音韻認識、分節法、及び／または単語分割における音素／ｒ／を伴う患者の以前の誤りに基づき、患者に接尾辞−ｅｒを持つ単語をタイプすることを指示する形態素認識診断セルを生成する。
他の重要な単語レベル検査は、迅速ネーミングである。例えば、プロセスは、患者にディスプレイ上に表示された単語を単語が現れた通りに読み上げること要求する迅速ネーミングセルを生成する。ｂｅａｔ ｖ． ｂｉｔといったようにそれらが以前の診断セルにおいて問題であると見なされた場合、用いられた単語は母音／ｉ／〜／Ｉ／を含んでもよい。迅速処理シェルに組み込まれる時、プロセスは、流暢な読み上げのために必要なスピードで速く、かつ自動的に単語を認識することを患者に要求する。
他の診断シェルは、サンプルの診断シェルセクションに記述されるような文章レベル及びテキストレベル検査を含むことができる。同様に、シェルは読むことまたは書くことを含んでもよい。さらに、いくつかの診断セルは患者の年齢に影響を受ける一方で、他のセルは影響を受けない。例えば、全てではないがほとんどの患者が言語における音素の一覧の全てを取得することを求められる。しかしながら、セルに用いられる少なくとも１つの単語は、年齢に基づいて選択される。
治療段階では、治療シェルは診断シェルとして用いることができ、逆もまた同様である。以下に記述される３つの治療シェル、本明細書で施されるような音素識別、迅速単語認識、及び単語拡充は、本分野にとって今までにないものである。
治療セルに関して、診断段階の音韻認識シェルを介して見付けられた問題は、音素識別治療シェルを起動するためのプロセスを引き起こしてもよい。音素識別シェルにおいて、単語の最小ペア（例えばｐｌｅａｔｓ、ｂｌｅａｔｓ）は影響の音素対比（／ｐ／〜／ｂ／）のために用いられる。これらの２つの単語はディスプレイ上に示される。音声録音がそういった２つの単語を設定スピードでランダムに再生し、その間に患者はその時点で話された単語を時間内にクリックするかまたは他の入力方法で選択する。患者は１分間に６０単語（ｗｐｍ）の遅いスピードで始めてもよく、１００ｗｐｍを超える加速したスピードへ進展してもよい。１つの目標は、発話音声の聴覚弁別のため及び流暢な読み上げでの単語の自動認識のために必要なスピードに近づくことである。
迅速単語認識シェルにおいて、単語の最小ペアは音素識別シェルにおけるような、影響の音素対比のために用いられる。そういった２つの単語はディスプレイ上に示される。今回、患者はディスプレイ上にハイライトされた単語を言う。さらに、患者は遅いスピードで始めてもよく、１００ｗｐｍを超えるスピードへ進展してもよい。迅速単語認識シェルは音素識別シェルとは関係なく施されてもよく、または、音素識別シェルにおいて患者がより速いスピードに進むことができない時、迅速単語認識シェルは音素識別シェルに続いてもよい。第二シナリオでは、迅速単語認識シェルは音素識別シェルのためにスピード改善を示す。
単語拡充シェルでは、患者はイントネーション、強弱パターン、及び母音音質といった単語または表現の韻律的特徴に注意することを教わる。例えば、患者が診断中に音韻認識シェルにおいて／ｐｒ／子音群に問題が現れた場合、その後、プロセスは、特に／ｐｒ／分節の開始の音節を引き延ばし、かつ単語のイントネーション外形を誇張して人が話す映像または音声ファイルを再生する単語拡充セルを生成してもよい。これは、保護者が乳児に用いる誇張した韻律パターンを持つ言語である母親言葉に類似していてもよい。患者の表出を録音し再生することにより、または患者の唇、舌、顎、などといった患者の調音器官の位置及び動きについての一連の質問に応えることで、または音程及び連接といった様々な聴覚特徴に気付くことで、患者はこの拡充したパターンを模倣するよう指示される。
一連の治療シェル起動は、診断段階で識別された問題及び治療段階で発見された新たな問題に基づく。説明するために、診断段階で患者が語頭位置における／ｐ／〜／ｂ／対比に問題を表した場合、その後、プロセスは、患者がモデル、演習、記録、及び／ｐ／及び／ｂ／音素のろれつの報告から、患者が熟考することができるろれつ治療セルを起動する。次に、プロセスは、音声録音が表現または文を再生する時、患者が正しい単語（またはその単語に関連する画像）を選択することを要求する単語認識シェルを患者に示す。このセルは５つの表現または文を再生してもよい。患者の正しい回答及び誤った回答は、次の分析のために患者マトリックスといった第二データ構造へと入力される。次に、プロセスは、語頭位置に／ｐ／〜／ｂ／対比を含む５つの最小ペアを備えた音素識別シェルを起動する。このタイプのセルのための上記のようなタスク実行において誤りがない場合には、その後患者はペアツーペアから、加速したスピードへと移動する。しかしながら、患者がこの方法で継続する問題に直面する場合、その後、プロセスは患者が二回目にハードルをクリアできるかどうか見るために、音素識別に戻る前に同じ最小対比を含む迅速単語認識といった他のセルを実行してもよい。他のセルは、さらに詳細な刺激を与える追加のろれつ治療セルといった他の不合格した試みにおいて起動してもよく、またはライブアシスタントがこの時点で呼び出されてもよい。これを受けて、プロセスは、ｐが／ｆ／（ｐｈ）として発音されることを認識するために患者に教えることを含む、／ｐ／のための綴りパターンセルを起動する。さらに、プロセスは患者に文字ｐ（／ｐ／または／ｆ／の音）、及び音／ｂ／を含む単語の迅速ネーミングを訓練しかつ検査する。プロセスは、単語識別で及び迅速ネーミングセルで単語を生成するための他の所で犯した誤りを利用してもよい。患者は１単語に付き１．０秒の低速で初めてもよく、１単語に付き０．３秒に近づくよう加速したスピードまで進展する。４年生以上の一般的発達児は１分間に１２０〜１８０の正しい単語を得ることが予測される。一度患者がこの目標まで到達すると、語頭位置における／ｐ／〜／ｂ／対比のための訓練段階は完了し、患者は次のシェルまたはセルへと進む。診断段階中の代わりに患者が語中位置における／ｐ／〜／ｂ／対比に問題を表した場合、その後分節法治療セルが起動する。これは分節法治療セルが、ｆｌａｂｂｙ
及びｆｌａｐｐｙ
の違いに焦点を当てるといった、単語の真ん中における音声素性に患者が注意することを訓練するのを手助けできるためである。
図１１は、本開示に従う母音のための音韻認識診断シェル及びセルの例示的実施形態のダイアグラムである。そういった手法は、本明細書に記述される技術を介して実装される。音韻認識診断セルＵは、患者の
・（ｌｅｄ、ｌａｄ）を区別する能力を検査する。患者が誤りを犯さなかった場合、その後、プロセスは
対比（ｆａｉｒ、またはｆｕｒ）を検査するためのセルＶを生成する。患者がセルＵにおいて誤りを犯した場合、その後、プロセスは
対比の問題を確認するためのセルＷと、新たな対比
（ｂｅｔ、またはｂｕｔｔ）を検査するためのセルＸを生成する。患者がセルＸにおいて誤りを犯さなかった場合、患者は次のセルへ進む。しかし患者がセルＸにおいて誤りを犯した場合、プロセスは
対比を検査するためにセルＹを生成する。
さらに、患者ベースまたはオペレータベースのいずれにかかわらず、本明細書に記述される技術に基づくいかなるエンドユーザも、モノクロ、グレースケール、またはカラーのいずれにかかわらず、いかなるグラフィカルユーザインターフェースを介して採用されてもよい。例えば、そういったインターフェースは、ウィンドウ、メニュー、アイコン、コントロールユニット／ウィジェット、またはタブといった構造要素を含むことができる。同様に、例えばそういったインターフェースは、カーソル、選択ユニット、または調整ハンドルといった相互作用要素を含むことができる。
さらに、いくつかの実施形態では、コンピュータ４００は、位置情報ユニット４１４を介してといったように患者の位置情報を自動的に検知するよう構成されてもよい。そういった検知に基づき、コンピュータ４００は、一部または全体にかかわらず、診断段階、及び一部または全体にかかわらず、言語または位置情報に関連する方言に基づく治療段階のうちの少なくとも１つを、少なくとも部分的に出力するよう構成されてもよい。例えば、コンピュータ４００が、患者がフランスにいることを検知した場合、その後コンピュータ４００は、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、フランスに基づく一部または全てにかかわらず治療段階のうちの少なくとも１つを少なくとも部分的に出力する。関連セルデータ、シェルデータ、ゲームデータ等は、一部または全てにかかわらずコンピュータ４００を介して及び／または既に事前翻訳されたものを利用して一部または全てにかかわらず自動的に翻訳される。そういった実行はコンピュータシステム３０４及び／または患者コンピュータ３０８を介してあらゆる方法で実行できる。さらに、旅行目的のためといったように、患者はそういった機能を一部または全てにかかわらず優先にすることができ、及び／または一部または全てにかかわらず無効にすることができる。
さらに、いくつかの実施形態では、発話または音声認識ソフトウェアを介してといったようにマイクロフォン４１８へ向かって音声入力した時に、コンピュータ４００は患者の言語を自動的に検知するよう構成されてもよい。その後、そういった検知に基づきコンピュータ４００は、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、その言語に基づく一部または全てにかかわらず治療のうちの少なくとも１つを少なくとも部分的に出力する。
さらに、いくつかの実施形態では、コンピュータ４００は、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、その言語に基づく一部または全てにかかわらず治療段階のうちの少なくとも１つを少なくとも部分的に出力の間に他のＮＦＣ電気回路と相互作用するＮＦＣ電気回路を使用するように構成できる。例えば、セルタスクに基づき、患者は、ＮＦＣユニットといった他のオブジェクトに対して手を振ることまたはタッチすることを介してなどでコンピュータ４００を動かすよう指示されてもよい。そういった動作では、タスクが実行されたかにかかわらず、実行された場合はその後タスクが適切に実行されたかにかかわらず、ＮＦＣ電気回路はコンピュータ４００に指示を出すことができる。
さらに、いくつかの実施形態では、携帯電話２１６といったコンピュータ４００は、全体または一部にかかわらず診断段階及び／または治療段階のためといったように、本明細書に記述される技術の少なくともいくつかを少なくとも部分的に統合するソフトウェアアプリケーションを実行するよう構成されてもよい。ソフトウェアアプリケーションはコンピュータ４００のバックグラウンドで静かに実行できる。ソフトウェアアプリケーションは、患者が仕事、学校、家などで一日を過ごし、かつ他の人々と会話する時に、コンピュータ４００がマイクロフォン４１８を介して患者の回答を聞くように構成されてもよい。そういった聞き取りは、電話通話または電話会議セッションを介して通じているといったように、患者がコンピュータ４００を使用している及び／またはコンピュータ４００がテーブル上に置かれている時などといったような患者がコンピュータ４００を使用していないかのいずれであってもよい。アプリケーションは、背後の雑音及び／または患者以外の声を自動的にフィルタするよう構成されてもよい。さらに、プライバシーのため及び／またはデータ保全目的のため、アプリケーションは同様に、前もって事前設定したように背後の雑音及び／または患者以外の声を自動的に削除するよう構成されてもよい。しかしながら、あらゆる言語のために、患者を介して話され、かつアプリケーションを介して記録されたように、システム３０４は、コンピュータ４００から受け取ったようなそういった情報を処理するよう構成されてもよく、かつ全体または一部にかかわらず、診断セル及び／または治療セルを介してといったように、この情報を診断段階及び／または治療段階の準備のために利用するために構成されてもよい。
さらに、いくつかの実施形態では、コンピュータ４００は補聴器といったような埋め込み可能型であってもよく、または光学ヘッドマウントディスプレイ（ＯＨＭＤ）を備えるといったようなウェアラブルであってもよい。そういったコンピュータ４００は、音の聞き取りのためといった骨伝導のバイブレータ、またはろれつ分析のための類似装置を備えることができる。例えば、バイブレータは顎骨が音を患者の内耳に伝導するよう顎骨への振動性出力を供給できる。さらに、コンピュータ４００は、患者の声帯の振動及び患者の口腔内の気流様式としてのそういった特徴を監視することで、特定の音の患者のろれつにおける情報を供給するよう構成されてもよい。従って、コンピュータ４００は、一部または全体にかかわらず、診断段階、及び一部または全体にかかわらず、コンピュータ４００の位置情報に基づき位置情報ユニット４１４を介して選択されたような言語にさえおける治療段階のうちの少なくとも１つを、少なくとも部分出力を供給するよう構成されてもよい。
さらに、いくつかの実施形態では、コンピュータ４００は、一部または全てにかかわらない診断段階、及び一部または全てにかかわらない治療段階のうちの１つの間、感情判断及びろれつの訓練または発話治療のためといった、彼らの表情を介した患者の顔の動きをカテゴリ化するための顔面分析のために構成されてもよい。そういったカテゴリ化は、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、治療段階のうちの少なくとも１つを向上するための反復フィードバックループとして使用することができる。例えば、コンピュータ４００は、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、治療段階のうちの少なくとも１つにおいて患者の顔を検知でき、患者の顔の幾何学的特徴を抽出し、患者のそれぞれの顔の動きの時間的概要を作り出すことができる。コンピュータ４００は、その後そういった概要を第一データ構造へ、及び／または第二データ構造へ、かどうかにかかわらず、一部または全てにかかわらず診断段階、及び一部または全てにかかわらず、治療段階のうちの少なくとも１つにおいて向上するよう反復フィードバックループとして使用するために、コンピュータシステム３０４へ等に供給する。
さらに、いくつかの実施形態では、コンピュータ４００は埋め込み型またはウェアラブルであってもよい。そういったコンピュータ４００は、診断段階及び治療段階のうちの少なくとも１つを通じて決定されたような言語処理のために患者の脳の問題エリアを識別でき、かつマップできる。埋め込み型またはウェアラブル装置として、コンピュータ４００は神経細胞の活動を監視でき、脳信号を使用して、診断段階及び治療段階のうちの少なくとも１つを通じてプログラムによってマップされた脳の物質エリアと機能エリアを相互に関連付けできる。そういったコンピュータ４００は、その後治療段階を通じた修正措置を通じて脳回路を刺激できる。そういったコンピュータ４００は、脳の活性化及び治療セルからの患者の出力を通じて決定されたような脳回路内の変化を監視できる。例えば、脳内の活性化されたエリアの監視は、患者が治療における目標音への到達が近いことを示す。そういったケースでは、プログラムは、患者がこれまでの目標に到達するためにこの連接での患者の治療を高め、確実な習得を確保するために患者の訓練を促進する。
さらに、いくつかの実施形態では、コンピュータ４００は第二言語学習のために構成されてもよい。そういったケースでは、マスターマトリックスといった第一データ構造は、問題になっている言語または方言に関して第二言語学習者が犯しやすい誤りを予測するよう構成されてもよい。特に学習者が生まれつきのような流暢さを求める場合には、治療シェルのほとんどが引き続き残るようになる。特にコンピュータシステム３０４を利用する他の患者から少なくともいくつかの情報が得られる場合、新たな診断及び治療シェルは、文法、文章構造、及び語用論（文脈における言語の使用）のさらなる要素を対象とする及び／または対象とするためにアップデートする。
さらに、いくつかの実施形態では、コンピュータ４００は、患者の生まれつきのアクセントを修正するために患者が受ける発話治療におけるアクセント修正のために構成されてもよい。例えば、人は地域的または職業上の理由で汚名を着せられたアクセントを取り除くことを決断してもよい。そういったケースでは、患者の治療は、迅速単語認識よりも音韻認識及び識別及び言語拡充により焦点を当てられる。適切な治療セルは、そういったプログラムのために選択された診断シェルによって生成されてきた。すなわち、診断シェルは、分節的（音）及び韻律的（発話）レベルにおいて、ろれつを主に対象とする。他の実施形態では、患者は、機械学習目的のためといったように、タスク実行中に人間に近い発話を生み出す機械であってもよい。そういった例では、コンピュータ４００は、患者‐機械が分節的、韻律的、及び構文的レベルにおいて自然な発話に近づくように、矯正訓練を提供するよう構成されてもよい。
さらに、出願人は、本開示の基本を形作る、直接届けられる治療方法に関する研究を行った。この研究における実験グループは、個人に合わせた訓練演習を生成するために、適応性のある、各生徒の詳細にわたる、進行中の言語認識プロフィールを用いたデータ駆動型の手法を採用した。管理グループはオートン・ギリンガムに基づく方法を用いた。実験グループと管理グループ間の分割スキルの差は、前者では統計的に重大な移動効果を示し、後者はわずかな低下を示した。実験グループでは、音素認識と迅速自動化ネーミングを組み合わせた訓練は、単語認識においてより強固な実績をもたらした。
さらに詳細には、研究は、中学校で読むことに困難を抱えている者へ介入するために、本明細書に記述される手法に基づく個人に合わせた方法を標準化された方法と比較した。オートン・ギリンガム原理に基づくウィルソンリーディングシステムは、管理グループにおいて標準化された方法としての機能を果たした。実験グループに用いられた個人に合わせた方法は、各生徒において識別された特定のリーディング及び言語処理問題に対処するための、創造性に富んだ問題解決を用いた新たな形の介入である。本明細書で応答介入と呼ばれる方法は、訓練をカスタマイズするために、各生徒の詳細にわたる言語認識プロフィールの発展が必要となる。研究設計は、効果的な研究のために、全国リーディング公開討論会（２０００年）及び教育科学協会（２０１３年）の推奨基準に従う。結果は、現存の介入問題における弱点の確認及び説明をさらに提供する２つの方法間の分割スキルにおける重大な影響差を示した。
現在の研究場所は、約２６０人の特別教育を受ける生徒を含む、在籍者数１４００以上の公立中学校であった。この中学校は、ニューヨーク州の主に中流から上流中産階級所得者が住むエリアに位置していた。研究は、２０１４年３月から６月に現場で行われた放課後リーディングプログラムと合わせて行われた。プログラムは、研究チームによって計画され、参加者への社会奉仕活動として提供された。
この研究は、強固な正当証拠を提供する、よく設計された実験のために、全国リーディング公開討論会（２０００年）と教育科学協会（２０１３年）の基準に従う。リーディング研究の全国リーディング公開討論会（２０００年）メタ分析は、たった１つか２つの音素認識（ＰＡ）スキルにおける集中的かつ明確な教育を子供たちが受けた時、エフェクトサイズは長くなったとの結論を出した。さらに、文字と音素の両方に焦点を当てたプログラムは、１つだけを対象としたものよりより効果的であった。現在の研究では、実験グループは、文字と音素に加えてＩＰＡ（国際音声学会）シンボルを学んだ。実験グループは、直接教わったＰＡスキルとして、単語において個々の音を認識すること（音素分離）を実施した。しかしプログラム終盤の評価は、転移を判断するために他のＰＡスキル、分割を検査した。
全国リーディング公開討論会の再調査は、生徒が小さいグループで教わった場合、教室または１対１環境に比べて、効果がより良くなったことを発見した。教育の最適な合計時間は５〜１８時間であるとわかった。現在の研究では、グループサイズはセッションごとに平均７〜１０人の生徒に及んだ。教育時間は各セッション平均３５分で合計８．２５時間であった。内在的有効性を確かにするために、以下に記述されるように、参加者は２つのグループにランダムに割り当てられた。カイ二乗検査によって確かめられたように、２つのグループは大きな要因（以下に記述される）において同じであった。学校にいる間ウィルソン介入を受けた生徒は、プログラムを辞めることを指示され、統計分析に考慮されなかった。
全国リーディング公開討論会（２０００年）は、研究がリーディング改善を計るために実験者が考案した検査を用いた時、転移効果がより良くなることを発見した。これは、標準化された検査が、研究中のスキル変化を検知することに、それほど敏感ではないためである。現在の研究に用いられた事前検査及び事後検査は、分割能力を計るために作成者によって開発された。介入の完了後に運連の長期効果を時々査定するための後続の事後検査を導く１つの最終提案は、この研究に実装できない場合があった。これは、プログラムが、学年が終わる時に終了するためである。
参加者は、放課後リーディングプログラムから恩恵を受ける特別教育の生徒として学校の教師によって指名された。６年生から１５人、７年生から１１人の２６人の生徒が放課後プログラムに参加した。参加者を管理及び実験グループに割り当てるために、生徒は最初に学年ごとに分けられた。各学年の生徒は、管理または実験グループのいずれかにランダムに割り当てられた。プログラムに参加した２６人の生徒のうち、１８人は学年の終わりまで管理研究に入って放課後セッションに参加した。両方のグループにおいて６及び７年生の配分は、それぞれ９人（６年生が６人、７年生が３人）と、同じであった。
管理研究の全ての生徒は両親が揃った家庭環境にあった。１８人の生徒のうち、５人は女性（管理グループが３人、実験グループが２人）で１３人が男性（管理グループが６人、実験グループが７人）であり、７人（管理グループが４人、実験グループが３人）は少数派の学生であった。管理グループの生徒のうちの５人と実験グループの６人は、発話／言語治療サービスを受けた。研究の参加者は全員がニューヨーク州の４年生の国語科目（ＥＬＡ）においてレベル１または２を記録した。レベル１は、この学年レベルにおいて期待される英語知識及びスキル（ニューヨーク州教育局２０１２）の理解において能力を発揮しなかったという「基準以下」であると見なされる。レベル２における能力は、部分的な理解を発揮する。それより上は、レベル３（「習熟基準に達する」）及びレベル４（「習熟基準を超える」）である。管理グループの生徒の１人と実験グループの生徒の１人は、５年生のＥＬＡスコアが利用可能であったが、両方ともレベル２であった。管理グループの生徒の２人のＥＬＡスコアは利用できなかった。読むことに困難を持つ者は、ＩＱスコアに影響を与える可能性がある言語処理問題を抱えているため、ＩＱスコアは考慮されなかった。一連のカイ二乗検査は、管理グループと実験グループの間に性別、少数派状態、発話／言語治療への参加、学年レベル、及び片親／両親がいる家庭環境であるかの観点からは、重大な違いがないことを明らかにした。管理グループの２人の生徒と、実験グループの３人の生徒は、彼らの学年レベルの規定年齢を超えており、彼らが留年したことを意味する。この要因は２つのグループ間では統計的には重要でないことが同様にわかった。
管理グループ及び実験グループのための放課後セッションは、２０１４年３月から６月の毎週火曜日の４５分間、１週間の中間試験休みを除き行われた。始まるまでと、遅く出るバスに乗るための準備用の１０分間を引いた後、教育時間は３５分となった。各グループは分かれた教室で教師から教わった（以下の管理グループ及び実験グループを参照）。各教師は、セッションの７５％を教育助手による補助を受けた。教育助手がグループにおける各生徒の参加レベルを記録する間、教師は出席記録をつけた（以下の実施の忠実度を参照）。両方の教師は１週間に合計１時間しかかからない宿題を与えた。
管理グループで教えた教師は、学校で行われた特別教育の教師の中から希望者を選抜する選考プロセスを通じて採用された。選ばれた指導者は、９年の教育経験及びウィルソンレベル１の認定を有していた。
管理グループはウィルソンリーディングシステムに厳格に従った。クラスはウィルソンリーディングシステムの指示マニュアル第三版、ルールズ・ノートブック、及びスチューデントリーダー１及び２を使用した。企業のウェブサイトで説明されるように、ウィルソンリーディングシステムは、記号化及び解読スキルを教えること及び単音節から多音節の単語に進展することを目的とした段階的なプログラムである。それは生徒に、学習区分（Ｗｉｌｓｏｎ Ｌａｎｇｕａｇｅ Ｔｒａｉｎｉｎｇ Ｃｏｒｐ.,２０１０）を学ぶ際に、単語の音を引き出すことを指示する。
プログラム中、管理グループは、閉音節及び例外、二重音字（ｅｅといった、１つの音を形成する２つの文字の組み合わせ）、連接音（例えばａｌｌ、ｉｎｇ）、混成及び分割、母音（ａ、ｅ、ｉ、ｏ、ｕ）及び子音に取り組んだ。教師は演習及び復習ができるよう、新たな概念を入念に紹介した。クラスの活動は、全てがウィルソン方法により決定され、単語における連接音（ｂａｌｌ）、文字（音を表わす）を単語に混成すること（ｒ−ａｍ＝ｒａｍ）、与えられた単語で文章を埋めること、与えられた文字で単語を完成すること、及び単純な一節を読むこと、といった概念を識別することを含んでいた。教師は毎週、家での復習用にウィルソンカリキュラムからパケットを配布した。
実験グループの教師は、本出願の発明者の１人であった。その発明者は、大学レベルでの教育経験は２０年を超えるが、非第三次レベルにおける経験はなかった。その発明者は、８年間リーディング障害を持つ生徒と１対１環境で取り組んできたが、いかなる標準化された方法においても訓練は受けていなかった。
実験的介入は、各生徒に見られる言語問題を直接受けて引き起こされた。その結果、実験グループにおける介入の形及びペースは、患者の障害及び発達に応じて生徒ごとに変えた。このタイプの応答介入を実行するために、各生徒の問題領域を識別するために作成者によって設計された一連の短い検査を通じて生徒の言語能力及び弱点の最初のプロフィールが集められた。生徒ごとに１５分程度の検査が、プログラムが始まる前に、１対１で静かな教室で実施された。検査は基本的な音韻知識を対象とした。生徒は単語における母音を識別すること（ｂｅａｔにおける／ｉ／）、単語分割（／ｆ ｒ ｅ ｍ ｄ／ｆｒａｍｅｄ）、及び単語を音節に分割すること（ａｄ‐ｖａｎ‐ｔａｇｅ）を指示された。
最初の評価は、各週の生徒の受容及び表出誤りにおけるさらなる観察と記録を受けて続けられた。これらのデータソースは、音素（子音及び母音）、音韻的処理（例えば
への強弱のない母音の中和）、正字法（綴りのパターン）、形態構造（単語情報）、及び形態音素の処理（例えば
ｓｌａｐｐｅｄといった、音声のない子音で終わる単語の基礎の過去形形態素の無声化）に問題を持つ各生徒の情報を含む個人プロフィールを生成するために用いられる。生徒の言語認識プロフィールは受容（聞くこと及び読むこと）及び表出（話すこと及び綴ること）における問題を含んだ。プログラムは３か月しか行われなかったので、実験クラスは、語彙（単語）コロケーション、表現法、文章、及びテキストは対象としなかった。音韻的、正字法的、及び形態学的知識は、読むことの発達において重要な構成要素であり（Ｂｅｒｎｉｎｇｅｒ、Ａｂｂｏｔｔ、Ｎａｇｙ、＆Ｃａｒｌｉｓｌｅ、２０１０）、直接教わるべきである（Ｔｏｒｇｅｓｅｎ２００４）ということは、本分野においては一般的に認められている。
各生徒の累積プロフィールは、次週のための患者に特化した新たな演習を生成するために用いられた。実験グループの４人の生徒は、ろれつの問題を抱えており、かつ空気の流れと声量を調節することに困難を経験していた。これらの生徒は、プログラムのろれつ運動から始め、必要に応じ小道具を用いて練習した。例えば、唇の動き（唇を広げたりすぼめたり）を確認するための手鏡や、母音を発する際の舌の位置を感じるための棒付きキャンディを使用した。個々のペースにかかわらず、実験グループは全体として、発音、音素の聴覚弁別、及び音声シンボルの形で音を表わすことから、音素‐書記素（音‐文字）マッピング及び綴りパターンへと概して進展した。
プログラム後半での演習は、以前に学んだ綴りパターンを含む単語の迅速ネーミングに焦点を当てた。迅速自動ネーミング（ＲＡＮ）は３０年以上もの間、評価及び研究に用いられてきた（Ｄｅｎｃｋｌａ＆Ｒｕｄｅｌ、１９７６年）が、リーディング障害における迅速ネーミングの実際の本質及びきまりは、未だ明らかではない（Ｅｌｌｉｏｔｔ＆Ｇｒｉｇｏｒｅｎｋｏの研究報告、２０１４年を参照）。ＲＡＮは、綴りパターンの認識における生徒の誤りを捕えること、及び次の演習を開発するために収集した情報を用いること、という、研究における異なる目的のために採用された。ＲＡＮは従来、文字、数字、及びオブジェクト名を含んだが、この研究に採用されたＲＡＮのバージョンでは、参加者はマイクロソフト社のパワーポイントを用いて規定時間スクリーンに現れた単語を一つ一つ読み上げた。各単語リストは、平均４０単語を含んだ。単語のほとんどは、ｒｕｔといった単一音節語、またはｒｏａｓｔｅｒといった２音節語のいずれかであった。各リストには、ｈａｐｐｉｎｅｓｓといった２つ以上の音節を含む単語は３つ以下であった。記録者は、検査単語の正しい及び誤った読み上げを記録し、次週のための新たな演習を作るために利用した。例えば、生徒がｓｉｔｔｉｎｇをｓｉｇｈｔｉｎｇと読み間違えた時、次の演習は母音／ａｉ／（‐ｉｇｈｔ、‐ｉｔｅ、‐ｉｅ、など）と／Ｉ／（ｉ）のための綴りパターン間の識別を含んだ。クラスでの教育は、同様に個人に合わせられたものであった。教室での時間のほとんどは、１対１の協議、共同作業、及びグループワークに費やされた。各生徒は、言語における患者の特定の問題に合わせられた週ごとのパケットを受けた。重要な事は、分割スキルはクラスでは直接的及び明確には教えられていなかった点である。生徒たちの週ごとのパケットは同様に、分割訓練は含んでいなかった。これは、転移効果が起きるかどうかを確認するためであった。
実施の忠実度は、教育研究及びＩＥＳ（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｓｃｉｅｎｃｅｓ、２０１３）の発展のための一般的ガイドラインに従って、有効的な研究のために考察された。管理グループにおけるウィルソン法実施の忠実度は、教室の観察、生徒の出席及び参加、クラスの時間の利用、教育方針、及び教材と内容の組み合わせを通じて観察された。管理グループの教師は、ウィルソンリーディングシステムのレッスン計画用紙に完全に記入することで、教えられる特定の単語を詳しく説明するレッスン計画を準備した。研究チームは、必要な時に第二週目への教材の継続といった変更点のみで、計画に近い状態であることを確認した。さらに、管理グループの教育助手は管理グループの観察者として働く、参加校ではなく作成者の大学の関係者であった。教育助手の観察は、１週間おきに少なくとも１回、書くことまたはオーラルコミュニケーションを通じてのいずれかにおいて行われた。教育助手の報告は、ウィルソンリーディングシステム（登録商標）に教師がしっかりと従ったことを確認した。ウィルソンリーディングシステムは、体系的かつ累積的な言語構造を提供し、多感覚手段を通じて概要を強化し、質問する技術を用いて生徒たちの誤りに基づいたフィードバックを与える、ものである。さらに、経験ある指導者として、教師はクラス活動及び生徒が参加し続けるためのペースを変えた。
両方のクラスの教育助手は、出席率、手元の課題への注意力、教師の質問への回答、及び注意力散漫性（例えば、携帯電話の使用）に基づいて、それぞれのグループ内の生徒を教室での彼らの出席及び参加のレベルにおいてランク付けした。４ポイント階級システム（優、良、可、劣）において、管理グループは以下の評価を受けた。優‐３、良‐４、可‐１、劣‐１。実験グループは以下の評価を受けた。優‐２、良‐３、可‐２、劣‐２。
実験クラスは実施の忠実性を容易に観察できない流動性が高く自由奔放な配置に従った。それにもかかわらず、生徒の出席及び参加、グループの全生徒が協議したノート、及び全ての生徒のために個人に合わせられた週ごとのパケット配付、という情報が各週の訓練セッションから集まった。集められたデータは、各セッションには全ての生徒が参加していて、教師または教育助手から少なくとも1回、１対１の協議を受けたということを示した。参加した全ての生徒はさらに、個人に合わせられた週ごとのパケットを受けた。両方のクラスは同じ建物内で同じ日に同じ時間に開かれ、終了した。
放課後プログラム（事前検査）が始まる1週間前、及びプログラム（事後検査）の最終週に同じ分割検査が施された。分割検査は１０個の一般単語のリストからなり、ｐｒａｉｓｅといった単一音節語及びｆｌｏｗｅｒといった２音節語をいくつか含んだ。７つの単語が最も良く使用される単語の上位５０００（Ｄａｖｉｅｓ＆Ｇａｒｄｎｅｒ、２０１０年）として現れた。検査は静かな部屋で各生徒に個別に施された。生徒の口音表出は、気付かれた連接（音の間の途切れ）と共にＩＰＡ音声シンボルへと直に書き換えられた。必要な時は、書き換えられたものを確認するために生徒は問題となる単語を再度分割するよう指示された。両方のグループにおける全ての生徒は、同じ検査を同じ方法で施された。ポイントは以下の通り割り当てられた。0点‐検査単語が単一ユニットとして発音された、生徒が違う音で発音した、単語における音の位置が間違えていた、生徒が音の代わりに文字を言った（例えば、／ｗ／の音の代わりに「ダブルＵ」Ｗ）、または生徒が単語を分割しようとすることを諦めた。１点‐単一の音素または音素群が単語において正しい位置にあった。（生徒が単語を完全に分割しなかった場合、患者の得点と総点の比較が患者の分割が完全ではなかったことを示す場合、であったとしても、ポイントは音素群のために与えられた）。
プログラム終盤に近付くと、全ての参加者は単語認識におけるスピードを検査される。３６単語がマイクロソフト社のパワーポイントスライドへと（Ｃａｌｉｂｒｉ ４４ポイントサイズのフォント）１つずつ置かれ、かつ０．３秒で（すなわち１分に２００単語）ディスプレイへセットされた。全ての単語は、ａｎｙｔｈｉｎｇとｌｅａｓｔ（Ｄａｖｉｅｓ＆Ｇａｒｄｎｅｒ、２０１０年）といった現代アメリカ英語において最も良く使われる単語の上位１０００の中にあった。スクリーン上に表示される単語の迅速読み上げの間に、患者が休止できるように、１０番目の単語ごとに３つのスライドに分けられた。検査は、他の生徒がいない静かなエリアで個別に施された。完全な単語の形状で読み上げられたもののみが認められた。例えば、患者がｒｅｓｐｏｎｓｅをｒｅｓｐｏｎｄと読んだ場合には、ポイントは与えられなかった。
生徒に口頭で与えるための正確な指示を含む検査マニュアルから、分割検査は施された。分割を明確にするために実施例が与えられた（「例えば、ｃａｔは
です」）。各生徒は、個々の音（音素）へ分割する前に正しい単語が聞かれたかを確認するために、検査の単語を繰り返すよう指示された。生徒は、各項目を完了するために必要な時間を与えられた。全ての検査項目及び回答のために、検査者は友好的であったが、いかなるフィードバックも提供しなかった。ＲＡＮ検査のために、検査者は生徒が画面上の単語を読む準備が確かにできたかどうかを確認した。生徒に準備時間を与えるために１０の空白のスライドが最初の単語の前に先行した。検査者は、正しい読み上げを確認するために、スライドプレゼンテーションの順番に単語リストを用いた。
本出願の発明者の数人は、検査者としての役割を持ち、この研究の前に1年以上にわたって他の生徒のための同じ分割検査を施し、記録するために同じ手順を用いて実行した。相互評価者信頼度を判断するために、全ての分割事前検査は両方の作成者によって単独で記録され、分割事後検査の３３．３％は２番目の評価者によって記録された。事前検査の相互評価者信頼度は９９．４％であり、事後検査では９９．７％であった。記録はリスト上の検査単語の正しい読み上げを確認することのみに関するので、相互評価者信頼度はＲＡＮ検査では測定されなかった。
一連の共分散分析（ＡＮＣＯＶＡｓ）は、分割スキルにおける介入の効果を分析するために実行された。ＥＬＡと分割事前検査記録の両方が共変量として入力された。表１は、これらの分析のための未調整及び調整された方法を示す。分割検査のためのＡＮＣＯＶＡは介入の著しい効果、Ｆ（１、１２）＝１５．１１、ｐ＝．００２、η2 ＝．５５７（表２参照）を明らかにした。実験グループの生徒はこの評価において、管理グループより優れた成績を収めた。管理グループの２人の生徒における分割成績は、彼らのＥＬＡ得点が利用できなかったため、計算には含まれなかった。しかし、事前検査及び事後検査における彼らの成績は、彼らの管理グループ内での他者の成績の範囲内にあった。（事前検査：２０、及び５９から２０；事後検査：１３、及び５９から１７）
両方のグループの生徒は似たような未調整方法の成績（２５ｖ．５９から２６）でプログラムを始めたが、最終的には著しく分かれた（４５ｖ．２１）。管理グループの４人のメンバーは、実際には成績において大幅な下落を示し、うち３人は２０．０％以上の低下を経験した。その一方で、実験グループの９人中５人の生徒は、３３．９％以上の向上を示した。プログラムの始めでは、両方のグループが概して単語を音節に分割できただけで、事前検査の成績に見られたような音素への分割ではなかった。介入の後では、実験グループの全生徒が検査単語の大部分を単一音素へと分割することができた。実験グループの１人の生徒はプログラムの中盤におけるセッションを１か月休み、事後検査において５９から４０以上得点することができなかった。
ＲＡＮは実験グループにおいて応答介入プログラムの一部であった。先に記したように、ＲＡＮは流暢な読み上げに必要なスピードで綴りのきまりの適用において弱点を見つけ出すために用いられた。介入の始めでは、実験グループの全生徒が１分間に６０単語（ｗｐｍ）より遅いスピードにおいても誤りを犯しており、１２０ｗｐｍ以上ではほとんどの生徒がタスクを実行できなかった。４年生以上の一般的発達児は１分間に１２０〜１８０の正しい単語（ｃｗｐｍ）を得ることが予測される（Ｓｈａｙｗｉｔｚ、２００３年、ｐ．２７７）。プログラムの2か月間後には、実験グループの生徒は１２０〜２００ｗｐｍのスピードで実行することができた。例えば、１人の生徒が先のＲＡＮ評価においてｒｏｏｓｔｉｎｇ、ｔｏｏｔ、ｒｏｏｔｅｄ、及びｎｏｏｓｅの音／u／を読み間違えた。さらなる演習の後、その生徒は次のＲＡＮ検査において単語ｔｏｏｔｉｎｇ、ｄｒｏｏｐｉｎｇ、ｌｏｏｓｅ、及びｃｒｏｏｎを２００ｗｐｍで正しく読むことができた。
プログラム終盤近くでは、ＰＡとスピード訓練との組み合わせが、単語認識において実験グループの正確さを改善したかどうかを確認するために、ＲＡＮ検査が両方のグループに施された。実験グループの各生徒は２００ｗｐｍで平均４４．４％の検査単語を正確に読み、対して管理グループは３１．０％であった。さらに重要な事には、管理グループではたったの１人であったのに対し、実験グループの９人のうち５人の生徒が５０．０％以上得点した。
表１
グループによる分割事後検査の未調整及び調整方法の記述統計
モデルにおける共変量の出現は以下の値で評価された：ＥＬＡ４年生成績＝６２６．８８、分割事前検査成績＝２６．２５００。
表２
分割事後検査科目間検査の効果
ｂ．平方Ｒ＝.７０４（調整された平方Ｒ＝.６３０）
ｃ．アルファを用いた計算＝.０５
いくつかの実施形態では、与えられた位置及び／または１つ以上の装置またはシステムの動作との接続において、様々な機能または活動が行うことができた。いくつかの実施形態では、与えられた機能または活動の一部は、第一装置または位置において実行でき、残りの機能または活動は、１つ以上の追加の装置または位置において実行できた。
いくつかの実施形態では、装置またはシステムは、少なくとも１つのプロセッサ、及び少なくとも１つのプロセッサによって実行される時、装置またはシステムに本明細書に記述されるような１つ以上の方法論的活動を実行させる、メモリに格納された指示を含む。いくつかの実施形態では、メモリは、１つ以上の構造、メタデータ、ライン、タグ、ブロック、ストリング、または他の適切なデータ編成といったようなデータを格納する。
当業者に理解されるように、本開示の態様は、システム、方法またはコンピュータプログラム製品として統合されてもよい。従って、本開示の態様は、完全なハードウェア実施形態、完全なソフトウェア実施形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）または、実施形態として本明細書で「回路」、「モジュール」または「システム」と全てを概して呼ばれるソフトウェア及びハードウェア態様の組み合わせの形となることができる。さらに、本開示の態様は、統合されたコンピュータ読み取り可能なプログラムコードを有する１つ以上のコンピュータ読み取り可能な媒体に統合されたコンピュータプログラム製品の形となることができる。
１つ以上のコンピュータ読み取り可能な媒体のいかなる組み合わせも利用することができる。コンピュータ読み取り可能な媒体は、コンピュータ読み取り可能な信号媒体またはコンピュータ読み取り可能な記録媒体であってもよい。コンピュータ読み取り可能な記録媒体は、例えば、電子的、磁気的、光学的、電磁気的、赤外線的、または半導体系の機器または装置、またはあらゆる適切な前述の組み合わせであってもよいが、これに限定はされない。コンピュータ読み取り可能な記録媒体のさらに詳細な実施例（完全に網羅されていないリスト）は、１つ以上のワイヤを有する電気的接続、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、消去可リードオンリーメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、光ファイバ、ポータブルコンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、光学記憶装置、磁気記憶装置、またはあらゆる適切な前述の組み合わせを含む場合がある。本文書の内容において、コンピュータ読み取り可能な記録媒体は、指示実行システム、機器、または装置に用いられるためかまたは接続されるプログラムを含むかまたは格納することができる、あらゆる有形的表現媒体であり得る。
コンピュータ読み取り可能な信号媒体は、例えばベースバンドで、または搬送波の一部として本明細書に統合されたコンピュータ読み取り可能なプログラムコードを持つ伝搬されたデータ信号を含む。伝搬された信号は、電磁気的、光学的、または適切なそれらの組み合わせを含む様々な形をなすことができるが、これに限定はされない。コンピュータ読み取り可能な信号媒体は、指示実行システム、機器、または装置に用いられるためかまたは接続されるプログラムを通信するか伝搬するかまたは送ることができるコンピュータ読み取り可能な記録媒体ではない、あらゆるコンピュータ読み取り可能な媒体であり得る。コンピュータ読み取り可能な媒体に統合されたプログラムコードは、通信線、光ファイバケーブル、無線周波数（ＲＦ）等、またはあらゆる適切な前述の組み合わせを含む適切な媒体を用いて送られてもよいが、これに限定はされない。
本開示の態様のために動作を実行するコンピュータプログラムコードは、Ｊａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋など、または「Ｃ」プログラミング言語または類似のプログラミング言語といった従来の手続き型プログラミング言語のうち１つ以上のあらゆる組み合わせで書かれてもよい。プログラムコードは、ユーザのコンピュータ上で完全に、スタンドアロンソフトウェアパッケージとしてユーザのコンピュータ上で部分的に、ユーザのコンピュータ上で部分的または遠隔コンピュータ上で部分的にまたは遠隔コンピュータまたはサーバ上で完全に、実行することができる。後者のシナリオでは、遠隔コンピュータは、ローカルエリアネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）を含むあらゆるタイプのネットワークを通じてユーザコンピュータに接続でき、接続は外部コンピュータによって行われてもよい（例えば、インターネットサービスプロバイダを利用したインターネット経由で）。
以下の請求項における対応する構造、材質、活動、及び全ての方法またはステッププラス機能要素の同等のものは、特に請求されたものとして他の請求された要素との組み合わせにおいて機能を実行するためのあらゆる構造、材質、または活動を含むことを意図する。本開示の詳細は、説明および記述の目的のために述べられてきたが、開示された形式を網羅するかまたは限定することを意図してはいない。本開示の目的の範囲及び主旨から逸脱することのない多くの修正及び変更が当業者に明らかとなるであろう。実施形態は、本開示及び実用的応用の原理を最適に説明するために、及び計画された特定用途に適した様々な修正を伴う様々な実施形態のために当業者が本開示を理解できるよう選択され、記述された。
本明細書に描写されたダイアグラムは説明に役立つものである。記述されたダイアグラムまたはステップ（または動作）への本開示の趣旨から逸脱しない範囲での多くの変化があり得る。例えば、ステップは異なる順序で実行されてもよく、またはステップは追加され、削除され、または修正されてもよい。これらの変化は全て、本開示の一部と見なされる。今もこれからも、以下に続く請求項の範囲内で様々な改良及び強化が行われてもよいことは、当業者に理解されるであろう。

Claims (10)

  1. 生成的コンピュータモデルに従って、広域ネットワークを介して、ユーザクライアントに対してディスプレイ実装又はスピーカ実装された検査を行うことで、言語処理障害を識別するためのユーザ回答データを監視するコンピュータ実装された方法であって、本方法は、
    ａ）第一サーバによって、主データ構造のデータに対して、ユーザデータ構造のユーザプロフィールに関連する第一データを比較、分析、又はフィルタリングすることで第一フィルタリングデータを得ることであって、前記ユーザデータ構造及び前記主データ構造は、前記第一サーバに接続した第二サーバ上で動作するデータベース管理システムによって管理されるデータベースに格納され、前記ユーザデータ構造は、前記第一データを格納する、第一フィルタリングデータを得ること、
    ｂ）前記第一サーバによって、前記第一フィルタリングデータに基づいて、第一テーブルのユーザ検査シェルを選択することであって、前記ユーザ検査シェルは、前記広域ネットワークを介して前記ユーザクライアントに供給され、言語機能の検査としての機能を持つ検査内容のタスクカテゴリタイプを規定し、前記第一テーブルは、前記データベースに格納される、第一テーブルのユーザ検査シェルを選択すること、
    ｃ）前記第一サーバによって、前記選択した検査シェルに従って第二テーブルからユーザ検査セルを生成することであって、前記ユーザ検査セルは、前記ユーザクライアントに接続された入力デバイスによって行われるタスクを定めるコンピュータ実装された検査内容データを含む、第二テーブルからユーザ検査セルを生成すること、
    ｄ）前記コンピュータ実装された検査内容データが前記ユーザクライアントのオペレーティングシステム上で動作するブラウザ内に表示されるグラフィカルユーザインタフェースに出力されるように、前記第一サーバによって、通信プロトコルに基づいて前記広域ネットワークを介して、前記ユーザクライアントに、前記検査セルに従ってコンピュータ実装された検査データを供給すること、
    ｅ）前記第一サーバによって、前記広域ネットワークを介して、前記ユーザクライアントから前記ユーザ回答データを受信することであって、前記ユーザ回答データは、前記ユーザクライアント上の前記入力デバイスによる回答入力を表し、かつ前記ブラウザ内に表示されたコンピュータ実装された検査データに対応する、前記ユーザ回答データを受信すること、
    ｆ）前記第一サーバによって、前記ユーザ回答データを前記ユーザデータ構造内に格納すること、
    ｇ）前記第一サーバによって、前記主データ構造のデータに対して、前記ユーザデータ構造の前記ユーザプロフィールに関連する第二データを比較、分析、又はフィルタリングすることで第二フィルタリングデータを得ることであって、前記第二データは、前記ユーザ回答データを含み、前記ユーザデータ構造は前記第二データを格納する、第二フィルタリングデータを得ること、
    ｈ）前記第一サーバによって、前記第二フィルタリングデータを分析し、前記分析に基づいてステップ（ｃ）から（ｇ）を選択的に繰り返し、１又は２以上のさらなるコンピュータ実装された検査セルを生成し、次に、前記広域ネットワークを介して、前記１又は２以上のさらなるコンピュータ実装された検査セルを前記ユーザクライアントに供給して、前記ブラウザの前記グラフィカルユーザインタフェースに表示して、前記広域ネットワークを介して、前記１又は２以上のさらなるユーザ検査セルに従って入力デバイスによる回答データを前記ユーザクライアントから得ること、
    ｉ）前記第一サーバによって、前記ユーザ検査セル又は各ユーザ検査セルに従って前記ユーザ回答データを分析し、ステップ（ｂ）から（ｈ）を選択的に繰り返して、前記広域ネットワークを介して、１又は２以上のさらなるコンピュータ実装されたユーザ検査シェルを前記ユーザクライアントに供給し、前記ユーザ検査シェルの各々は１又は２以上のさらなるユーザ検査セルを有し、さらに前記広域ネットワークを介して、前記１又は２以上のさらなるユーザ検査シェル及びそれぞれのセルに従って、前記ユーザクライアントから回答データを得ること、
    を含み、
    前記ユーザ検査シェルの各々は、言語機能の検査としての機能を持つユーザ検査内容の異なるタスクカテゴリタイプを規定する、方法。
  2. 前記主データ構造は、前記ユーザ検査セルを生成するためのセル生成データを備える、請求項１に記載の方法。
  3. 前記主データ構造は、複数のユーザプロフィールに関する予測されたユーザ回答データのセットを備える、請求項１に記載の方法。
  4. 前記第一サーバによって、前記検査セルに関する回答データを分析して、統計データを生成し、前記第一サーバによって、前記データベースに格納された分析データ構造内に前記統計データを格納することをさらに含む、請求項１に記載の方法。
  5. 生成的コンピュータモデルに従って、前記ユーザプロフィールのコンピュータ実装された訓練を実行することをさらに含み、本方法は、
    ｊ）前記第一サーバによって、前記主データ構造のデータに対して、前記ユーザデータ構造の前記ユーザプロフィールに関連する第三データを比較、分析、又はフィルタリングすることで第三フィルタリングデータを得ることであって、前記第三データは、ステップ（ｅ）で得た前記ユーザ回答データを含む、第三フィルタリングデータを得ること、
    ｋ）前記第一サーバによって、第三フィルタリングデータに基づいて第三テーブルのユーザ訓練シェルを選択することであって、前記ユーザ訓練シェルは、前記広域ネットワークを介して、前記ユーザクライアントに提供される訓練のタスクカテゴリタイプを定め、前記第三テーブルは、前記データベースに格納される、第三テーブルのユーザ訓練シェルを選択すること、
    ｌ）前記第一サーバによって、選択した訓練シェルに従って第四テーブルからユーザ訓練セルを生成することであって、前記ユーザ訓練セルは、前記入力デバイスを介して行われる訓練タスクを定めるコンピュータ実装された訓練内容データを備える、ユーザ訓練セルを生成すること、
    ｍ）前記コンピュータ実装された訓練内容データが前記グラフィカルユーザインタフェースに出力されるように、前記第一サーバによって、前記広域ネットワークを介して、前記訓練セルに従って前記ユーザクライアントに前記コンピュータ実装された訓練データを供給すること、
    ｎ）前記第一サーバによって、前記広域ネットワークを介して、前記ユーザクライアントから前記ユーザ回答データを受信することであって、前記ユーザ回答データは、前記ユーザクライアント上の前記入力デバイスによる前記回答入力を表し、かつ前記ブラウザ内に表示された前記コンピュータ実装された訓練データに対応する、前記ユーザ回答データを受信すること、
    ｏ）前記第一サーバによって、前記ユーザ回答データを前記ユーザデータ構造内に格納すること、
    ｐ）前記第一サーバによって、前記主データ構造のデータに対して、前記ユーザデータ構造の前記ユーザプロフィールに関連する第四データを比較、分析、又はフィルタリングすることで第四フィルタリングデータを得ることであって、前記第四データは、前記ユーザ回答データを含む、第四フィルタリングデータを得ること、
    ｑ）前記第一サーバによって、前記第四フィルタリングデータを分析し、前記分析に基づいてステップ（ｌ）から（ｐ）を選択的に繰り返し、１又は２以上のさらなるコンピュータ実装された訓練セルを生成し、次に、前記広域ネットワークを介して、前記１又は２以上のさらなるコンピュータ実装された訓練セルを前記ユーザクライアントに供給して、前記グラフィカルユーザインタフェースに表示して、前記広域ネットワークを介して、前記１又は２以上のさらなるユーザ訓練セルに従って前記ユーザクライアントから回答データを得ること、
    ｒ）前記第一サーバによって、前記訓練セル又は各訓練セルに従って前記ユーザ回答データを分析し、ステップ（ｋ）から（ｑ）を選択的に繰り返して、前記ネットワークを介して、１又は２以上のさらなるコンピュータ実装されたユーザ訓練シェルを前記ユーザクライアントに供給し、前記ユーザ訓練シェルの各々は、１又は２以上のさらなるユーザ訓練セルを有し、さらに前記広域ネットワークを介して、前記１又は２以上のさらなるユーザ訓練シェル及びそれぞれのセルに従って、前記ユーザクライアントから回答データを得ること、
    を含み、
    前記ユーザ訓練シェルの各々は、ユーザ訓練内容の異なるタスクカテゴリタイプを規定する、請求項１に記載の方法。
  6. 前記訓練セルの少なくとも１つは、訓練ユニット及び評価ユニットを備える、請求項５に記載の方法。
  7. 前記第一サーバによって、前記訓練セルに関する前記回答データを分析して、統計データを生成し、前記統計データを分析データ構造内に格納することをさらに含む、請求項５に記載の方法。
  8. 前記ステップ（ｈ）における分析は、誤った回答を識別することを含み、前記１つ以上の追加のユーザ検査セルは、前記誤った回答に基づいて生成される、請求項１から３のいずれか１項に記載の方法。
  9. 単語分割、単語認識、音素識別、形態素認識、迅速ネーミング、迅速処理、及び、読み上げ流暢さのいずれかのタスクカテゴリを含む、
    請求項１〜８のいずれか１項に記載の方法。
  10. 前記入力デバイスがマイクロホンである、請求項１から９のいずれか１項に記載の方法。
JP2016552224A 2013-10-31 2014-10-29 言語関連障害の診断及び治療のためのコンピューティング技術 Active JP6586099B2 (ja)

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
JP2019162903A Division JP7005567B2 (ja) 2013-10-31 2019-09-06 言語関連障害の診断及び治療のためのコンピューティング技術

Publications (2)

Publication Number Publication Date
JP2017504444A JP2017504444A (ja) 2017-02-09
JP6586099B2 true JP6586099B2 (ja) 2019-10-02

Family

ID=52995850

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2016552224A Active JP6586099B2 (ja) 2013-10-31 2014-10-29 言語関連障害の診断及び治療のためのコンピューティング技術
JP2019162903A Active JP7005567B2 (ja) 2013-10-31 2019-09-06 言語関連障害の診断及び治療のためのコンピューティング技術

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2019162903A Active JP7005567B2 (ja) 2013-10-31 2019-09-06 言語関連障害の診断及び治療のためのコンピューティング技術

Country Status (8)

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

Families Citing this family (57)

* 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
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
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
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
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
CN110123342B (zh) * 2019-04-17 2021-06-08 西北大学 一种基于脑电波的网瘾检测方法及系统
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
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
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
US20230317274A1 (en) * 2022-03-31 2023-10-05 Matrixcare, Inc. Patient monitoring using artificial intelligence assistants
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

Family Cites Families (33)

* 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
CA2260836A1 (en) * 1996-07-12 1998-01-22 Edwin C. Iliff Computerized medical diagnostic system utilizing list-based processing
CA2289022C (en) 1997-04-07 2009-03-31 Teri A. Lawton Methods and apparatus for diagnosing and remediating reading disorders
US6017219A (en) * 1997-06-18 2000-01-25 International Business Machines Corporation System and method for interactive reading and language instruction
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
US6801751B1 (en) * 1999-11-30 2004-10-05 Leapfrog Enterprises, Inc. Interactive learning appliance
US6299452B1 (en) * 1999-07-09 2001-10-09 Cognitive Concepts, Inc. Diagnostic system and method for phonological awareness, phonological processing, and reading skill testing
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
US6816703B1 (en) * 1999-11-30 2004-11-09 Leapfrog Enterprises, Inc. Interactive communications appliance
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
US20060240393A1 (en) * 2001-11-08 2006-10-26 Reeves Dennis L System, method, and computer program product for an automated neuropsychological test
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
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
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
CN101739868B (zh) * 2008-11-19 2012-03-28 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
US8527275B2 (en) * 2009-07-17 2013-09-03 Cal Poly Corporation Transforming a tactually selected user input into an audio output
WO2012116334A2 (en) * 2011-02-24 2012-08-30 Patient Tools, Inc. Methods and systems for assessing latent traits using probabilistic scoring
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

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
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
CN105792752A (zh) 2016-07-20

Similar Documents

Publication Publication Date Title
JP7005567B2 (ja) 言語関連障害の診断及び治療のためのコンピューティング技術
Rogerson-Revell Computer-assisted pronunciation training (CAPT): Current issues and future directions
Liu et al. Learning a tonal language by attending to the tone: An in vivo experiment
US9058751B2 (en) Language phoneme practice engine
Popovici et al. Professional challenges in computer-assisted speech therapy
Parnandi et al. Development of a remote therapy tool for childhood apraxia of speech
Preston et al. Tutorial: Speech motor chaining treatment for school-age children with speech sound disorders
Nagle Revisiting perception–production relationships: Exploring a new approach to investigate perception as a time‐varying predictor
Scherer et al. Early speech and language intervention in Brazilian-Portuguese toddlers with cleft lip and/or palate
Chenausky et al. Review of methods for conducting speech research with minimally verbal individuals with autism spectrum disorder
Tse et al. Phonological awareness of Cantonese-speaking pre-school children with cochlear implants
Ellis et al. Enhanced milieu teaching with phonological emphasis: A pilot, telepractice study for parent training in early intervention
Reichle et al. Playing the long game: considering the future of augmentative and alternative communication research and service
Burda et al. Effectiveness of intense accent modification training with refugees from Burma
Lundeborg Hammarström et al. A shift of treatment approach in speech language pathology services for children with speech sound disorders–a single case study of an intense intervention based on non-linear phonology and motor-learning principles
US20240355225A1 (en) Computing technologies for diagnosis and therapy of language-related disorders
Li et al. Video Self-Modeling (VSM) as a Strategy to Instruct CFL Students’ Sentence-Level Stress
Ceron et al. The PraxiFala Battery: A diagnostic accuracy study
Mehigan et al. Modelling an holistic artificial intelligent education model for optimal learner engagement and inclusion
AIRES BIOVISUALSPEECH: DEPLOYMENT OF AN INTERACTIVE PLATFORM FOR SPEECH THERAPY SESSIONS WITH CHILDREN
Escudero-Mancebo et al. Incorporation of a module for automatic prediction of oral productions quality in a learning video game
Danubianu et al. Modern Tools in Patient-Centred Speech Therapy for Romanian Language
West Dynamic Visuospatial Support for Mandarin Tone Learning in a Language-Driven Game
Bunta Speech science applications for practicing clinicians and audiology or speech-language pathology students
Gasparyan Determining the Effectiveness of Voice to Text as a Consequence Intervention to Address Speech Sound Production in Children with Speech Sound Disorders

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160706

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171027

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180608

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180618

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20180910

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20181114

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181218

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190214

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190327

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190808

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190906

R150 Certificate of patent or registration of utility model

Ref document number: 6586099

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250