음성 및 스트로보스코픽 후두경 영상을 기반으로 한 구조적 음성 장애의 다중 모드 분석
2022년 4월 22일 업데이트: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
본 연구는 구조적 음성장애 환자와 건강한 개인의 스트로바리 후두경 이미지, 모음 오디오 데이터 등의 임상 데이터를 수집하고, 딥러닝 알고리즘을 이용하여 다중 음성장애 진단 시스템 모델을 구축하고자 한다.
음성 장애를 유발하는 질병의 다분류는 음성 장애가 있지만 임상에서 진단되지 않은 환자에게 적용할 수 있으므로 임상의가 질병을 진단하고 오진 및 진단 누락을 줄일 수 있습니다.
또한 일부 음성장애 환자는 음성진단 모델을 통해 원격으로 관리할 수 있어 보다 나은 사후관리와 치료 제안을 받을 수 있다.
원격 음성 치료는 우리나라 오지의 언어 치료사 부족 현상을 완화하고 음성 치료가 필요한 환자 수를 늘릴 수 있습니다.
기회.
원격 음성 치료는 더 비용 효율적이고 시간이 더 유연하며 더 비용 효율적입니다.
연구 개요
상태
아직 모집하지 않음
정황
상세 설명
- 음성 딥러닝 기반 음향 병변의 검출 및 분류
- 영상 딥러닝 기반 음향 병변의 검출 및 분류
- Multimodality 기반 딥러닝 기반 음향 병변의 검출 및 분류
연구 유형
관찰
등록 (예상)
1
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: YueXin Cai
- 전화번호: 13825063663
- 이메일: caiyx25@mail.sysu.edu.cn
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
20년 (성인, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
이 연구에서는 음성 장애(후두암, 후두 전암성 병변 및 양성 후두 병변 포함)가 있는 490명의 환자와 50명의 건강한 사람들을 스트로보스코프 후두경 비디오 및 모음 오디오 녹음에서 수집했습니다.
성별, 질병 경과, VHI 및 기타 임상 데이터.
설명
포함 기준:
후두암, 후두전암병변, 음성장애를 동반한 양성후두병변, 인후질환이 없는 건강한 사람
제외 기준:
- 후두 수술의 역사
- 후두암, 후두전암병변, 양성후두병변을 제외한 다양한 원인에 의한 음성장애 환자
- 오디오 품질이 명확하지 않고 스트로보 스코픽 후두경이 성문과 관련된 해부학 적 영역을 명확하게 표시하지 않으며 노출 부족 및 차단됩니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
머신 딥 러닝으로 음성 장애 분류
기간: 2022년 5월 6일~2023년 12월 30일
|
정확성
|
2022년 5월 6일~2023년 12월 30일
|
|
머신 딥 러닝은 다중 양식으로 음성 장애를 분류합니다.
기간: 2024년 1월 1일~2024년 12월 30일
|
정도
|
2024년 1월 1일~2024년 12월 30일
|
|
머신 딥 러닝은 후두암의 병리학적 음성 변화를 분류합니다.
기간: 2024년 1월 1일~2025년 12월 30일
|
정도
|
2024년 1월 1일~2025년 12월 30일
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
머신 딥 러닝은 다중 양식으로 음성 장애를 분류합니다.
기간: 2024년 1월 1일~2025년 12월 30일
|
상기하다
|
2024년 1월 1일~2025년 12월 30일
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 의자: YueXin Cai, Sun Yat-sen Memorial Hospital,Sun Yat-sen University
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- 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.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (예상)
2022년 5월 6일
기본 완료 (예상)
2025년 12월 30일
연구 완료 (예상)
2027년 2월 20일
연구 등록 날짜
최초 제출
2022년 4월 19일
QC 기준을 충족하는 최초 제출
2022년 4월 22일
처음 게시됨 (실제)
2022년 4월 27일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 4월 27일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 4월 22일
마지막으로 확인됨
2022년 3월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .