- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05754606
Искусственный интеллект и распознавание доброкачественных поражений голосовых связок
Искусственный интеллект для распознавания доброкачественных поражений голосовых связок по аудиозаписям
Обзор исследования
Подробное описание
Следователи соберут аудиозаписи участников с дисфонией, пострадавших от BLVF. Все образцы голоса будут разделены на следующие группы на основании эндоскопического диагноза: кисты голосовых складок, отек Рейнке, узелки и полипы. Звуковые дорожки будут получены, если попросить произнести с обычной интенсивностью, высотой и качеством голоса слово /aiuole/ три раза подряд. Голоса будут записываться с использованием микрофона Shure модели SM48 (Evanston IL), расположенного под углом 45° на расстоянии 20 см от рта пациента. Входной сигнал насыщения микрофона будет зафиксирован на уровне 6/9 канала CH1, а уровень шума окружающей среды будет <30 дБ уровня звукового давления (SPL). Сигналы будут записаны в формате ".nvi" на аудио-рекордере высокой четкости Computerized Speech Lab, модель 4300B, от Kay Elemetrics (Lincoln Park, NJ, USA) с частотой дискретизации 50 кГц и преобразованы в формат ". формат "wav". Каждый аудиофайл будет анонимно помечен полом и типом BLVF.
Конвейер анализа Все последующие анализы будут выполняться с использованием MatLab R2019b, MathWorks, Natick MA, США. Конвейер анализа включал предварительную обработку сигналов, извлечение признаков, их скрининг и реализацию модели.
Извлечение признаков Из сегментированного сигнала будет извлечено 66 различных признаков во временной, частотной и кепстральной областях. Затем для извлеченных признаков будут вычислены семь статистических показателей, а именно: среднее значение, стандартное отклонение, асимметрия, эксцесс, 25-й, 50-й и 75-й процентили. Кроме того, из всего несегментированного сигнала будут получены джиттер, мерцание и наклон спектра мощности.
Скрининг признаков Скрининг признаков будет применяться с использованием биостатистического анализа всего набора данных, чтобы уменьшить количество дополнительных признаков, которые необходимо предоставить в качестве входных данных для классификатора. Два статистических теста будут использоваться для проверки соответствующих функций для задачи классификации: однофакторный дисперсионный анализ (ANOVA), когда все группы были нормально распределены, и тест Крускала-Уоллиса в противном случае. Нормальность групп будет проверена с помощью теста Колмогорова-Смирнова. Для всех тестов значение p <0,05 будет считаться статистически значимым.
A. Реализация модели Алгоритмом, выбранным для данного исследования, является нелинейная машина опорных векторов (SVM) с ядром Гаусса. Эффективность классификации будет измеряться точностью и средним баллом F1. Обе метрики будут предоставлены для описания результатов общей классификации и результатов, полученных по гендерным подгруппам.
Тип исследования
Регистрация (Ожидаемый)
Контакты и местонахождение
Контакты исследования
- Имя: Maria Raffaella Marchese
- Номер телефона: 3391144556
- Электронная почта: raffaellamarchese@gmail.com
Места учебы
-
-
-
Roma, Италия, 00198
- Рекрутинг
- Maria Raffaella Marchese
-
Контакт:
- Maria Raffaella Marchese
- Номер телефона: 3391144556
- Электронная почта: raffaellamarchese@gmail.com
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- отек Рейнке
- киста голосовой складки
- узелок голосовых складок
- полип голосовой складки
Критерий исключения:
- предшествующая операция на гортани или щитовидной железе
- предыдущая логопедия
- текущие легочные заболевания
- текущий гастроэзофагеальный рефлюкс
- нарушение движения гортани или рецидивирующий паралич гортанного нерва
- Не носители итальянского языка
Учебный план
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
проверка алгоритмов ML для распознавания различных BVFL
Временное ограничение: пять лет
|
Статистические показатели, вычисленные для извлеченных признаков, следующие: среднее значение, стандартное отклонение, асимметрия, эксцесс, 25-й, 50-й и 75-й процентили.
Кроме того, из всего несегментированного сигнала будут получены джиттер, мерцание и наклон спектра мощности.
|
пять лет
|
Соавторы и исследователи
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Ожидаемый)
Завершение исследования (Ожидаемый)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Оценивать)
Обновления учебных записей
Последнее опубликованное обновление (Оценивать)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 4519
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .
Клинические исследования Аудиозаписи
-
University of OregonЗавершенный