从支持向量机器到神经网络:在口腔裂变患者中推进自动化耳鼻功能障碍检测
Noah Alter1, Claiborne Lucas2, Ricardo Torres-Guzman1
1From the Department of Plastic Surgery, Vanderbilt University Medical Center, Nashville, TN.
Annals of plastic surgery
|September 5, 2025
概括
人工智能可以使用语音分析检测口腔裂儿童的耳鼻功能障碍 (VPD). 这项技术有望改善低收入和中等收入国家的VPD护理.
科学领域:
- 语言病理学
- 人工智能
- 机器学习
背景情况:
- 在口腔裂修复后, 清晰的言语至关重要.
- 耳鼻功能障碍 (VPD) 显著影响语言表现.
- 在低收入和中等收入国家 (LMICs) 中,VPD的患病率和影响尚不清楚.
研究的目的:
- 探索使用人工智能和机器学习 (ML) 来自语音样本自动检测VPD.
- 开发和测试一种深度学习模型,用于在口腔裂变患者中识别VPD.
- 评估人工智能驱动工具在资源有限的环境中增强VPD护理的潜力.
主要方法:
- 开发基于神经网络的,自我监督的深度学习ML模型.
- 使用了60名口腔裂患者 (30名VPD患者,30名对照患者).
- 在大约8000个音频语音样本上训练和测试模型.
主要成果:
- 在检测VPD时,ML模型实现了完美的准确性,精度,回忆和F1分数 (1.0).
- 该模型在增强和非增强数据集上都显示出高性能.
- 初步的结果表明ML在识别与VPD相关的语音模式方面具有强大的能力.
结论:
- 有希望的结果支持ML模型在语音中检测VPD的潜力.
- 需要进一步的研究来解决混因素并使多语言分析成为可能.
- 这种AI模型的临床实施可以显著改善LMIC口腔裂变患者的VPD护理.
