在线序列极端学习机器在使用马来西亚语音病理学数据库检测语音病理学的准确性
Nur Ain Nabila Za'im1, Fahad Taha Al-Dhief2, Mawaddah Azman1
1Department of Otorhinolaryngology-Head and Neck Surgery, Faculty of Medicine, Universiti Kebangsaan Malaysia (UKM), Hospital Canselor Tuanku Muhriz, Jalan Yaacob Latif, Bandar Tun Razak, 56000, Kuala Lumpur, Malaysia.
概括
一个人工智能工具,在线序列极端学习机器 (OSELM),准确地检测语音病理. 这种人工智能在识别正常和失声声音方面表现出很高的准确性,有助于早期的医疗咨询.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 语音病理学 语音病理学
背景情况:
- 多维语音质量评估对于失声症患者至关重要.
- 目前的评估通常需要亲自访问耳鼻喉科诊所.
- 越来越需要可访问,准确的语音病理学检测方法.
研究的目的:
- 为了评估在线人工智能分类器,在线序列极端学习机器 (OSELM) 的准确性.
- 为了确定OSELM在检测语音病理学的有效性.
- 建立马来西亚语音病理学数据库 (MVPD) 的实用性,用于AI模型培训和测试.
主要方法:
- 开发和利用马来西亚语音病理学数据库 (MVPD),共有382名参与者 (252名正常,130名听障).
- 训练和测试OSELM算法使用语音样本,喉视频和声学分析数据从MVPD.
- 基于准确性,敏感性和特异性,对OSELM与其他分类器的性能进行比较分析.
主要成果:
- 在检测正常和失声声音方面,OSELM实现了90%的准确性,98%的灵敏性和73%的特异性.
- 该分类器以84%的准确度,89%的灵敏度和88%的特异性区分了结构性与非结构性声病理.
- 与其他分类器相比,OSELM在各种语音病理学检测方面表现出卓越的准确性和灵敏性.
结论:
- 在检测语音病理学方面,OSELM算法显示出高精度和灵敏度,包括区分病变类型.
- 欧塞尔姆是一个有前途的AI工具,用于在线选应用程序.
- 使用人工智能的早期查可以鼓励迅速咨询医生,以确定语音病理学诊断.
