Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Kunstig intelligens og godartede læsioner af stemmefoldsgenkendelse

21. februar 2023 opdateret af: Marchese Maria Raffaella, Fondazione Policlinico Universitario Agostino Gemelli IRCCS

Kunstig intelligens til genkendelse af godartede læsioner af stemmefolder fra lydoptagelser

Udviklingen af ​​kunstig intelligens (AI), udviklingen af ​​stemmeteknologi, fremskridt inden for audiosignalanalyse og naturlige sprogbehandlings-/forståelsesmetoder har åbnet vejen for adskillige potentielle anvendelser af stemme, såsom identifikation af vokale biomarkører til diagnose, klassificering eller for at forbedre klinisk praksis. For nylig fokuserede forskning på stemmens lydsignals rolle som en signatur af den patogene proces. Dysfoni indikerer, at der er sket nogle negative ændringer i stemmeproduktionen. Den overordnede forekomst af dysfoni er ca. 1 %, selvom de faktiske rater kan være højere afhængigt af den undersøgte population og definitionen af ​​den specifikke stemmelidelse. Stemmesundhed kan vurderes ud fra flere akustiske parametre. Forholdet mellem stemmepatologi og akustiske stemmetræk er blevet klinisk etableret og bekræftet både kvantitativt og subjektivt af taleeksperter. De automatiske systemer er designet til at afgøre, om prøven tilhører et sundt forsøgsperson eller et ikke-sundt forsøgsperson. Nøjagtigheden af ​​akustiske parametre er knyttet til de funktioner, der bruges til at estimere dem til identifikation af talestøj. Aktuelle stemmesøgninger er for det meste begrænset til grundlæggende spørgsmål, selvom de har brede perspektiver. Litteraturen om vokale biomarkører for specifikke stemmefoldssygdomme er anekdotisk og relateret til funktionelle stemmefoldsforstyrrelser eller sjældne bevægelsesforstyrrelser i strubehovedet. De mest almindelige årsager til dysfoni er benigne læsioner i stemmefolden (BLVF). I øjeblikket er videolaryngostroboskopi, selvom den er invasiv, guldstandarden for diagnosen BLVF. Men det er invasiv og dyr procedure. De nye ML-algoritmer har for nylig forbedret klassificeringsnøjagtigheden af ​​udvalgte funktioner i målvariabler sammenlignet med mere konventionelle procedurer takket være evnen til at kombinere og analysere store datasæt af stemmefunktioner. Selvom størstedelen af ​​undersøgelserne fokuserer på diagnosticering af en lidelse, hvor de skelner mellem raske og ikke-raske forsøgspersoner, mener efterforskerne, at den vigtigere opgave ofte er differentialdiagnostik mellem to eller flere sygdomme. Selvom det er en udfordrende opgave, er det af afgørende betydning at flytte beslutningsstøtte til dette niveau. Hovedformålet med denne forskning ville være undersøgelse, udvikling og validering af ML-algoritmer til at genkende de forskellige BVLVFL fra digitale stemmeoptagelser.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Efterforskerne vil indsamle lydoptagelser af dysfoniske deltagere, der er ramt af BLVF. Alle stemmeprøver vil blive opdelt i følgende grupper baseret på den endoskopiske diagnose: stemmefoldscyster, Reinkes ødem, knuder og polypper. Lydsporene opnås ved at bede om at udtale ordet /aiuole/ med sædvanlig stemmeintensitet, tonehøjde og kvalitet tre gange i træk. Stemmer vil blive erhvervet ved hjælp af en Shure model SM48 mikrofon (Evanston IL) placeret i en vinkel på 45° i en afstand på 20 cm fra patientens mund. Mikrofonmætningsindgangen vil blive fastsat til 6/9 af CH1, og den omgivende støj var <30 dB lydtryksniveau (SPL). Signalerne vil blive optaget i ".nvi"-format med en high-definition audio-optager Computerized Speech Lab, model 4300B, fra Kay Elemetrics (Lincoln Park, NJ, USA) med en samplinghastighed på 50 kHz frekvens og konverteret til ". wav" format. Hver lydfil vil være anonymt mærket med køn og type BLVF.

Analysepipeline Alle følgende analyser vil blive udført ved hjælp af MatLab R2019b, MathWorks, Natick MA, USA. Analysepipelinen omfattede signalforbehandling, ekstraktion af funktioner, screening af funktionerne og modelimplementering.

Funktionsudtrækning På det segmenterede signal vil 66 forskellige funktioner i tids-, frekvens- og cepstraldomænet blive ekstraheret. Derefter vil syv statistiske mål blive beregnet på de ekstraherede funktioner, nemlig: middel, standardafvigelse, skævhed, kurtose, 25., 50. og 75. percentiler. Derudover vil jitter, shimmer og tilt af effektspektret blive opnået fra hele det usegmenterede signal.

Funktionsscreening Funktionsscreening vil blive anvendt ved hjælp af biostatistiske analyser på hele datasættet, for at reducere det udvidede antal funktioner, der skal angives som input til klassificeringen. To statistiske test vil blive brugt til at screene relevante funktioner for klassifikationsopgaven: envejsvariansanalysen (ANOVA), hvor alle grupperne var normalfordelt, og Kruskal-Wallis testen ellers. Gruppernes normalitet vil blive verificeret gennem Kolmogorov-Smirnov-testen. For alle testene vil en p-værdi <0,05 blive betragtet som statistisk signifikant.

A. Modelimplementering En ikke-lineær Support Vector Machine (SVM) med en Gauss-kerne er den valgte algoritme til denne forskning. Klassifikationspræstationen vil blive målt gennem nøjagtigheden og den gennemsnitlige F1-score. Begge metrics vil blive givet til beskrivelsen af ​​de overordnede klassifikationspræstationer og dem opnået på kønsundergrupper.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

300

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år til 65 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

N/A

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter ramt af godartede læsioner af stemmelæber

Beskrivelse

Inklusionskriterier:

  • Reinkes ødem
  • cyste i stemmebåndet
  • nodule af stemmebåndet
  • polyp af stemmebåndet

Ekskluderingskriterier:

  • tidligere larynx- eller skjoldbruskkirteloperationer
  • tidligere taleterapi
  • aktuelle lungesygdomme
  • nuværende gastroøsofageal refluks
  • larynxbevægelsesforstyrrelse eller tilbagevendende larynxnervelammelse
  • Italiensktalende som ikke modersmål

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
validering af ML-algoritmer for at genkende de forskellige BVFL
Tidsramme: fem år
De statistiske mål beregnet på de ekstraherede funktioner er følgende: gennemsnit, standardafvigelse, skævhed, kurtosis, 25., 50. og 75. percentiler. Derudover vil jitter, shimmer og tilt af effektspektret blive opnået fra hele det usegmenterede signal.
fem år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Fondazione Policlinico Universitario Agostino Gemelli IRCCS

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. november 2021

Primær færdiggørelse (Forventet)

1. november 2025

Studieafslutning (Forventet)

1. november 2025

Datoer for studieregistrering

Først indsendt

1. februar 2023

Først indsendt, der opfyldte QC-kriterier

21. februar 2023

Først opslået (Skøn)

6. marts 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Skøn)

6. marts 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

21. februar 2023

Sidst verificeret

1. februar 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 4519

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Dysfoni

Kliniske forsøg med Lydoptagelser

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Cote d'Ivoire

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner