Une échographie de la langue augmentée au service de la rééducation orthophonique

Une équipe de chercheurs du laboratoire GIPSA-lab (CNRS/Université Grenoble Alpes/Grenoble INP) et d’Inria Grenoble Rhône Alpes ont annoncé avoir mis au point un système permettant de visualiser, en temps réel, nos propres mouvements de langue. Capturés à l’aide d’une sonde échographique placée sous la mâchoire, ces mouvements sont traités par un algorithme d’apprentissage automatique qui permet de piloter une « tête parlante articulatoire ». Des travaux sont publiés dans la revue Speech Communication d’octobre 2017.

En plus du visage et des lèvres, cet avatar fait apparaître la langue, le palais et les dents habituellement cachés à l’intérieur de l’appareil vocal. Ce système de « retour visuel », qui devrait permettre de mieux comprendre et donc de mieux corriger sa prononciation, pourra servir à la rééducation orthophonique ou l’apprentissage d’une langue étrangère.

Faciliter la rééducation orthophonique…
Comme pour les personnes atteintes d’un trouble de l’articulation s’appuie en partie sur la répétition d’exercices. Le praticien analyse qualitativement les prononciations du patient et lui explique oralement ou à l’aide de schémas comment placer ses articulateurs⁽¹⁾, et notamment sa langue, dont il n’a généralement que peu conscience. Une rééducation dont l’efficacité repose sur la bonne intégration par le patient des indications qui lui sont données. C’est à ce stade que peuvent intervenir les systèmes de « retour articulatoire visuel» qui permettent au patient de visualiser en temps réel ses propres mouvements articulatoires (et notamment les mouvements de sa langue) afin de mieux en prendre conscience et donc de corriger plus rapidement ses défauts de prononciation.

L’imagerie augmentée pour une meilleure approche…
Si le principe de l’échographie est pratiqué depuis plusieurs années notamment par les chercheurs anglo-saxons privilégiant la conception de ces systèmes de retour visuel. L’image de la langue est alors obtenue en plaçant sous la mâchoire d’un locuteur une sonde analogue à celle classiquement utilisée pour l’imagerie du coeur ou du foetus. Une image jugée difficile à exploiter par le patient, car elle n’est pas de très bonne qualité et ne donne aucune information sur la place du palais et des dents.

A contrario de dans ces nouveaux travaux, les chercheurs français proposent d’améliorer ce retour visuel en animant automatiquement et en temps réel une tête parlante articulatoire à partir des images échographiques. Ce clone virtuel d’un véritable locuteur, en développement depuis de nombreuses années au GIPSA-lab, permet une visualisation plus intuitive, car contextualisée, des mouvements articulatoires.

Un système, dont la force, repose sur un algorithme d’apprentissage automatique (machine learning), sur lequel les chercheurs travaillent depuis plusieurs années. Cet algorithme permet (dans une certaine limite) de traiter des mouvements articulatoires que l’utilisateur ne maîtrise pas encore lorsqu’il commence à utiliser le système. Cette propriété est indispensable pour les applications thérapeutiques visées.

Pour atteindre une telle performance, l’algorithme exploite un modèle probabiliste construit à partir d’une grande base de données articulatoire acquise sur un locuteur dit « expert », capable de prononcer l’ensemble des sons d’une ou plusieurs langues. Ce modèle est adapté automatiquement à la morphologie de chaque nouvel utilisateur, lors d’une courte phase d’étalonnage du système, au cours de laquelle le patient doit prononcer quelques phrases.

Ce système, validé en laboratoire pour des locuteurs sains, est aujourd’hui testé dans une version simplifiée dans une étude clinique pour des patients ayant subi une intervention chirurgicale de la langue. Par ailleurs, les chercheurs développent aussi une autre version du système dans laquelle la tête parlante articulatoire est animée automatiquement, non pas à partir d’échographie, mais directement à partir de la voix de l’utilisateur⁽²⁾.

La Rédaction

⁽¹⁾Organe qui participe activement à l'émission des sons de la parole comme les lèvres, la langue, les alvéoles, le voile du palais, etc.
⁽²⁾Voir Speaker-Adaptive Acoustic-Articulatory Inversion using Cascaded Gaussian Mixture Regression. Hueber, T., Girin, L., Alameda-Pineda, X., Bailly, G. (2015), in IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol. 23, no. 12, pp. 2246-2259.