一个基于深度学习的远程监控应用程序,可自动评估 bulbar amyotrophic lateral sclerosis 患者的口腔二催化剂
Lucia Migliorelli1, Lorenzo Scoppolini Massini1, Michela Coccia2
1Department of Information Engineering, Università Politecnica delle Marche, Ancona, Italy; AIDAPT S.r.l., Ancona, Italy.
Computer methods and programs in biomedicine
|October 13, 2023
概括
一个新的深度学习系统准确地计算动脉缩侧面硬化症 (ALS) 患者的语音测试中的音节. 这种远程监测工具有助于跟踪疾病进展和个性化护理计划.
科学领域:
- 神经学 神经学
- 语言病理学 语音病理学
- 人工智能的人工智能
背景情况:
- 对于疾病评估来说,监测腹筋发作的肌性侧面硬化症 (ALS) 中的肌性硬化症进展是至关重要的.
- 口腔二度动力学 (DDK) 测试,特别是音节重复,对于评估语音变化至关重要.
研究的目的:
- 开发一种基于远程深度学习的系统,用于分析DDK测试音频.
- 为了准确地计算DDK测试中重复的音节,在状发作的ALS患者中.
主要方法:
- 创建了一个Web应用程序来收集DDK测试的音频录音 (/pa/, /pa-ta-ka/, /oo-ee/音节).
- 一个深度学习网络,DDK-AID,旨在处理可变持续时间的音频信号,并计算音节.
主要成果:
- 在DDK-AID网络实现了90.23%的准确度在计数音节的圆柱形发病的ALS患者.
- 这种深度学习方法的表现优于传统的比较方法.
结论:
- 开发的远程监控系统显示了远程医疗应用的巨大潜力.
- 这项技术可以通过精确的疾病进展跟踪来支持ALS患者的定制护理计划.
