使用深度学习分析评估连接语音对良性喉疾病的诊断潜力
Jeong Hoon Lee1, Jungirl Seok2, Jae Yeong Kim3
1Department of Radiology, Stanford University School of Medicine, Stanford, California.
Journal of voice : official journal of the Voice Foundation
|February 13, 2024
概括
分析连接语音的人工智能 (AI) 模型在检测良性喉疾病方面比使用母音的模型更有效. 这种人工智能方法显示出改善语音障碍诊断的前景.
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
- 语音分析 语音分析
背景情况:
- 良性喉疾病会影响语音质量.
- 准确的诊断对于有效的治疗至关重要.
- 当前的诊断方法可能是主观的.
研究的目的:
- 评估人工智能模型用于检测良性喉疾病.
- 为了比较人工智能使用连接语音与元音的性能.
- 评估AI在语音障碍中的诊断潜力.
主要方法:
- 对772名患者的语音样本进行了回顾性分析.
- 利用深度学习架构,包括卷积神经网络 (CNN) 和时间序列模型.
- 使用连接的语音段和孤立的元音声音,比较AI模型的性能.
主要成果:
- 分析连接语音的CNN模型明显优于使用母音的模型 (AUC0.895对比0.845).
- 连接语音分析显示,与感知评估的相关性更强.
- 时间序列模型的表现不如CNN那么有效.
结论:
- 使用人工智能的连接语音分析优于元音声音分析,用于诊断喉语音障碍.
- 人工智能技术在增强基于语音的诊断方面具有重大潜力.
- 建议在这个领域进一步研究和验证人工智能.


