Rakenteellisten äänihäiriöiden multimodaalinen analyysi puheen ja stroboskooppisen laryngoskooppivideon perusteella
perjantai 22. huhtikuuta 2022 päivittänyt: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Tämän tutkimuksen tarkoituksena on kerätä kliinistä dataa, kuten strobarylaryngoskoopin kuvia ja vokaaliäänitietoja potilaista, joilla on rakenteellisia äänihäiriöitä ja terveitä yksilöitä, sekä luoda multimodaalinen äänihäiriöiden diagnoosijärjestelmämalli käyttämällä syväoppimisalgoritmeja.
Äänihäiriöitä aiheuttavien sairauksien moniluokittelua voidaan soveltaa potilaisiin, joilla on äänihäiriöitä, mutta kliinisessä käytännössä diagnosoimattomia, mikä auttaa kliinikkoja sairauksien diagnosoinnissa ja vähentää virhediagnooseja ja diagnoosien puuttumista.
Lisäksi joitain äänihäiriöpotilaita voidaan hoitaa etänä äänidiagnoosimallin kautta, ja heille voidaan antaa parempia seuranta- ja hoitoehdotuksia.
Etääänihoidolla voidaan lievittää nykyistä puheterapeuttipulaa maamme syrjäisillä alueilla ja lisätä ääniterapiaa tarvitsevien potilaiden määrää.
tilaisuus.
Etääänihoito on kustannustehokkaampaa, joustavampaa ajallisesti ja kustannustehokkaampaa.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Ehdot
Yksityiskohtainen kuvaus
- Akustisten leesioiden havaitseminen ja luokittelu puheen syväoppimisen perusteella
- Akustisten leesioiden havaitseminen ja luokittelu kuvien syvälliseen oppimiseen
- Akustisten leesioiden havaitseminen ja luokittelu multimodaalisuuteen perustuvaan syvään oppimiseen
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
1
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: YueXin Cai
- Puhelinnumero: 13825063663
- Sähköposti: caiyx25@mail.sysu.edu.cn
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
20 vuotta - 80 vuotta (AIKUINEN, OLDER_ADULT)
Hyväksyy terveitä vapaaehtoisia
Joo
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Tässä tutkimuksessa 490 potilasta, joilla oli äänihäiriöitä (mukaan lukien kurkunpään syöpä, kurkunpään esisyövän vauriot ja hyvänlaatuiset kurkunpään vauriot) ja 50 tervettä ihmistä kerättiin stroboskooppisista laryngoskopiavideoista ja vokaaliäänitallenteista.
Sukupuoli, taudin kulku, VHI ja muut kliiniset tiedot.
Kuvaus
Sisällyttämiskriteerit:
Kurkunpään syöpä, kurkunpään esisyövän vauriot, hyvänlaatuiset kurkunpään leesiot, joihin liittyy äänihäiriöitä, terveet ihmiset, joilla ei ole kurkun sairauksia
Poissulkemiskriteerit:
- Kurkunpään leikkauksen historia
- Potilaat, joilla on eri syiden aiheuttamia äänihäiriöitä paitsi kurkunpään syöpä, kurkunpään esisyövän vauriot ja hyvänlaatuiset kurkunpään leesiot
- Äänenlaatu on epäselvä, stroboskooppinen laryngoskooppi ei näytä selkeästi äänisanaan liittyvää anatomista aluetta ja se on alivalottunut ja tukkeutunut;
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kone syväoppiminen luokittelee äänihäiriöt
Aikaikkuna: 6.5.2022–30.12.2023
|
Tarkkuus
|
6.5.2022–30.12.2023
|
|
Kone syväoppiminen luokittelee äänihäiriöt, joihin liittyy multimodaalisuutta
Aikaikkuna: 1.1.2024–30.12.2024
|
tarkkuutta
|
1.1.2024–30.12.2024
|
|
Kone syväoppiminen luokittelee patologisen äänenmuutoksen kurkunpääsyöpään
Aikaikkuna: 1.1.2024–30.12.2025
|
tarkkuutta
|
1.1.2024–30.12.2025
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kone syväoppiminen luokittelee äänihäiriöt, joihin liittyy multimodaalisuutta
Aikaikkuna: 1.1.2024–30.12.2025
|
palauttaa mieleen
|
1.1.2024–30.12.2025
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Yhteistyökumppanit
Tutkijat
- Opintojen puheenjohtaja: YueXin Cai, Sun Yat-sen Memorial Hospital,Sun Yat-sen University
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Martínez, David, Lleida Eduardo, Ortega Alfonso,Miguel Antonio, Villalba Jesús. Voice pathology detection on the Saarbrücken voice database with calibration and fusion of scores using multifocal toolkit. Advances in Speech and Language Technologies for Iberian Languages. Springer, Berlin, Heidelberg, 2012. 99-109
- Hegde S, Shetty S, Rai S, Dodderi T. A Survey on Machine Learning Approaches for Automatic Detection of Voice Disorders. J Voice. 2019 Nov;33(6):947.e11-947.e33. doi: 10.1016/j.jvoice.2018.07.014. Epub 2018 Oct 11.
- Al-Nasheri A, Muhammad G, Alsulaiman M, Ali Z. Investigation of Voice Pathology Detection and Classification on Different Frequency Regions Using Correlation Functions. J Voice. 2017 Jan;31(1):3-15. doi: 10.1016/j.jvoice.2016.01.014. Epub 2016 Mar 15.
- .Chuang, ZY,YuXT,Chen JY, Hsu YT,Xu ZZ,Wang CT,Lin FC,Fang SH. DNN-based approach to detect and classify pathological voice. In Proceedings of the 2018 IEEE International Conference on Big Data (Big Data), Seattle, WA, USA, 10-13 December 2018
- Fang SH, Tsao Y, Hsiao MJ, Chen JY, Lai YH, Lin FC, Wang CT. Detection of Pathological Voice Using Cepstrum Vectors: A Deep Learning Approach. J Voice. 2019 Sep;33(5):634-641. doi: 10.1016/j.jvoice.2018.02.003. Epub 2018 Mar 19.
- Bethani Gty As H , Suwandi, Anggraini C D . Classification System Vocal Cords Disease Using Digital Image Processing.The 2019 IEEE International Conference on industry 4.0,Artifical Intelligence,and Communications Technology.2019.129-132
- Unger J, Lohscheller J, Reiter M, Eder K, Betz CS, Schuster M. A noninvasive procedure for early-stage discrimination of malignant and precancerous vocal fold lesions based on laryngeal dynamics analysis. Cancer Res. 2015 Jan 1;75(1):31-9. doi: 10.1158/0008-5472.CAN-14-1458. Epub 2014 Nov 4.
- Xiong H, Lin P, Yu JG, Ye J, Xiao L, Tao Y, Jiang Z, Lin W, Liu M, Xu J, Hu W, Lu Y, Liu H, Li Y, Zheng Y, Yang H. Computer-aided diagnosis of laryngeal cancer via deep learning based on laryngoscopic images. EBioMedicine. 2019 Oct;48:92-99. doi: 10.1016/j.ebiom.2019.08.075. Epub 2019 Oct 5.
- Kim H, Jeon J, Han YJ, Joo Y, Lee J, Lee S, Im S. Convolutional Neural Network Classifies Pathological Voice Change in Laryngeal Cancer with High Accuracy. J Clin Med. 2020 Oct 25;9(11):3415. doi: 10.3390/jcm9113415.
- Godino-Llorente JI, Gomez-Vilda P. Automatic detection of voice impairments by means of short-term cepstral parameters and neural network based detectors. IEEE Trans Biomed Eng. 2004 Feb;51(2):380-4. doi: 10.1109/TBME.2003.820386.
- Ren J, Jing X, Wang J, Ren X, Xu Y, Yang Q, Ma L, Sun Y, Xu W, Yang N, Zou J, Zheng Y, Chen M, Gan W, Xiang T, An J, Liu R, Lv C, Lin K, Zheng X, Lou F, Rao Y, Yang H, Liu K, Liu G, Lu T, Zheng X, Zhao Y. Automatic Recognition of Laryngoscopic Images Using a Deep-Learning Technique. Laryngoscope. 2020 Nov;130(11):E686-E693. doi: 10.1002/lary.28539. Epub 2020 Feb 18.
- Bainbridge KE, Roy N, Losonczy KG, Hoffman HJ, Cohen SM. Voice disorders and associated risk markers among young adults in the United States. Laryngoscope. 2017 Sep;127(9):2093-2099. doi: 10.1002/lary.26465. Epub 2016 Dec 23.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (ODOTETTU)
Perjantai 6. toukokuuta 2022
Ensisijainen valmistuminen (ODOTETTU)
Tiistai 30. joulukuuta 2025
Opintojen valmistuminen (ODOTETTU)
Lauantai 20. helmikuuta 2027
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Tiistai 19. huhtikuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 22. huhtikuuta 2022
Ensimmäinen Lähetetty (TODELLINEN)
Keskiviikko 27. huhtikuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (TODELLINEN)
Keskiviikko 27. huhtikuuta 2022
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 22. huhtikuuta 2022
Viimeksi vahvistettu
Tiistai 1. maaliskuuta 2022
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- SYSEC-KY-KS-2022-040
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
PÄÄTTÄMÄTÖN
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .
Kliiniset tutkimukset Äänihäiriöt
-
Nationwide Children's HospitalAgency for Healthcare Research and Quality (AHRQ)Valmis
-
Syracuse UniversityNational Institute on Deafness and Other Communication Disorders (NIDCD)ValmisEssential Voice Tremor | Äänen vapina | Laulun vapina | Essential Tremor of VoiceYhdysvallat
-
Emory UniversityValmisOlennainen vapina | Essential Vocal Tremor | Essential Voice Tremor | Äänen vapina | Laulun vapinaYhdysvallat
-
University of British ColumbiaValmisKurkunpään sairaudet | Olennainen vapina | Syvä aivojen stimulaatio | Toiminta Vapina | Essential Voice Tremor | Vapina, hermoKanada