音声とストロボ喉頭鏡ビデオに基づく構造的音声障害のマルチモーダル解析
2022年4月22日 更新者:Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
本研究では、構造的音声障害患者および健常者のストロボ喉頭鏡画像や母音音声データなどの臨床データを収集し、深層学習アルゴリズムを用いてマルチモーダル音声障害診断システムモデルを確立することを目的としています。
音声障害を引き起こす疾患の多分類は、臨床診療では診断されていない音声障害のある患者に適用でき、それによって臨床医が疾患を診断し、誤診や見逃された診断を減らすのに役立ちます。
さらに、音声障害のある一部の患者は、音声診断モデルを介してリモートで管理でき、より適切なフォローアップと治療の提案を行うことができます。
遠隔音声療法は、わが国の僻地における言語療法士不足の現状を緩和し、音声療法を必要とする患者の数を増やすことができます。
機会。
遠隔音声療法は、費用対効果が高く、時間の柔軟性が高く、費用対効果が高くなります。
調査の概要
状態
まだ募集していません
条件
詳細な説明
- 音声深層学習に基づく音響障害の検出と分類
- 画像の深層学習に基づく音響病変の検出と分類
- マルチモダリティに基づく深層学習に基づく音響病変の検出と分類
研究の種類
観察的
入学 (予想される)
1
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前:YueXin Cai
- 電話番号:13825063663
- メール:caiyx25@mail.sysu.edu.cn
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
20年~80年 (アダルト、OLDER_ADULT)
健康ボランティアの受け入れ
はい
受講資格のある性別
全て
サンプリング方法
非確率サンプル
調査対象母集団
この研究では、音声障害 (喉頭がん、喉頭前がん病変、および良性喉頭病変を含む) の 490 人の患者と 50 人の健康な人が、ストロボスコープ喉頭鏡ビデオと母音音声録音から収集されました。
性別、疾患の経過、VHI およびその他の臨床データ。
説明
包含基準:
喉頭がん、喉頭前がん病変、喉頭良性病変で音声障害のある方、のどの病気のない健康な方
除外基準:
- 喉頭手術の歴史
- 喉頭がん、喉頭前がん病変、喉頭良性病変以外のさまざまな原因による音声障害の患者
- 音質がはっきりしない、ストロボ喉頭鏡は声門に関連する解剖学的領域をはっきりと表示せず、露出不足でブロックされている。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか?
デザインの詳細
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
機械深層学習による音声障害の分類
時間枠:2022 年 5 月 6 日~2023 年 12 月 30 日
|
正確さ
|
2022 年 5 月 6 日~2023 年 12 月 30 日
|
機械の深層学習は、マルチモダリティによって音声障害を分類します
時間枠:2024年1月1日~2024年12月30日
|
精度
|
2024年1月1日~2024年12月30日
|
機械深層学習による喉頭がんの病理学的音声変化の分類
時間枠:2024年1月1日~2025年12月30日
|
精度
|
2024年1月1日~2025年12月30日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
機械の深層学習は、マルチモダリティによって音声障害を分類します
時間枠:2024年1月1日~2025年12月30日
|
想起
|
2024年1月1日~2025年12月30日
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- スタディチェア:YueXin Cai、Sun Yat-sen Memorial Hospital,Sun Yat-sen University
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- 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.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (予期された)
2022年5月6日
一次修了 (予期された)
2025年12月30日
研究の完了 (予期された)
2027年2月20日
試験登録日
最初に提出
2022年4月19日
QC基準を満たした最初の提出物
2022年4月22日
最初の投稿 (実際)
2022年4月27日
学習記録の更新
投稿された最後の更新 (実際)
2022年4月27日
QC基準を満たした最後の更新が送信されました
2022年4月22日
最終確認日
2022年3月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。