此页面是自动翻译的，不保证翻译的准确性。请参阅英文版对于源文本。

人工智能与声带良性病变识别

2023年2月21日更新者：Marchese Maria Raffaella、Fondazione Policlinico Universitario Agostino Gemelli IRCCS

从录音中识别声带良性病变的人工智能

人工智能 (AI) 的发展、语音技术的演进、音频信号分析的进步以及自然语言处理/理解方法为语音的众多潜在应用开辟了道路，例如语音生物标志物的识别用于诊断、分类或加强临床实践。最近，研究集中在语音音频信号作为致病过程特征的作用上。发声困难表明发声过程中发生了一些负面变化。发声困难的总体患病率约为 1%，但实际发生率可能更高，具体取决于所研究的人群和特定语音障碍的定义。语音健康可以通过几个声学参数来评估。语音病理学与声学语音特征之间的关系已在临床上建立，并由语音专家在定量和主观方面得到证实。自动系统旨在确定样本属于健康受试者还是非健康受试者。声学参数的准确性与用于估计语音噪声识别的特征有关。当前的语音搜索即使具有广泛的视角，也大多局限于基本问题。关于特定声带疾病的声音生物标志物的文献是轶事，与功能性声带疾病或罕见的喉部运动障碍有关。发声困难最常见的原因是声带良性病变 (BLVF)。目前，可视喉镜检查虽然是侵入性的，但却是诊断 BLVF 的金标准。然而，这是侵入性且昂贵的程序。由于能够组合和分析语音特征的大型数据集，与更传统的程序相比，新的 ML 算法最近提高了目标变量中选定特征的分类准确性。即使大多数研究都集中在疾病的诊断上，他们会区分健康和不健康的受试者，但研究人员认为，更重要的任务通常是两种或多种疾病之间的鉴别诊断。尽管这是一项具有挑战性的任务，但将决策支持提升到这一水平至关重要。本研究的主要目的是研究、开发和验证 ML 算法，以从数字语音记录中识别不同的 BVLVFL。

研究概览

地位

招聘中

条件

发音困难

干预/治疗

诊断测试：录音

详细说明

调查人员将收集受 BLVF 影响的发音障碍参与者的录音。根据内窥镜诊断，所有语音样本将分为以下几组：声带囊肿、Reinke 水肿、结节和息肉。音轨将通过要求以通常的语音强度、音调和质量连续三次发音单词/aiuole/来获得。将使用舒尔 SM48 型麦克风（Evanston IL）以 45° 角放置在距患者嘴部 20 厘米处采集声音。麦克风饱和输入将固定为 CH1 的 6/9，环境噪声 <30 dB 声压级 (SPL)。这些信号将使用来自 Kay Elemetrics（美国新泽西州林肯公园）的 4300B 型高清录音机 Computerized Speech Lab 以“.nvi”格式记录，采样率为 50 kHz，并转换为“.nvi”格式。 wav”格式。每个音频文件都将匿名标记性别和 BLVF 类型。

分析管道以下所有分析都将使用美国马萨诸塞州内蒂克的 MathWorks MatLab R2019b 进行。分析流程包括信号预处理、特征提取、特征筛选和模型实现。

特征提取在分割后的信号上，将提取时域、频域和倒谱域的 66 个不同特征。然后，将对提取的特征计算七个统计度量，即：均值、标准差、偏度、峰度、第 25、50 和 75 个百分位数。此外，将从整个未分段信号中获得功率谱的抖动、闪烁和倾斜。

特征筛选将使用对整个数据集的生物统计分析来应用特征筛选，以减少作为分类器输入的特征的扩展数量。将使用两个统计检验来筛选分类任务的相关特征：单向方差分析 (ANOVA)，当所有组都呈正态分布时，以及 Kruskal-Wallis 检验，否则。这些组的常态性将通过 Kolmogorov-Smirnov 测试进行验证。对于所有测试，p 值 <0.05 将被视为具有统计显着性。

A. 模型实现具有高斯核的非线性支持向量机 (SVM) 是本研究选择的算法。分类性能将通过准确性和平均 F1 分数来衡量。将提供这两个指标来描述整体分类性能和在性别子组上获得的性能。

研究类型

观察性的

注册 (预期的)

300

联系人和位置

本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。

学习联系方式

姓名：Maria Raffaella Marchese
电话号码：3391144556
邮箱：raffaellamarchese@gmail.com

学习地点

意大利
- - Roma、意大利、00198
    - 招聘中
    - Maria Raffaella Marchese
    - 接触：
      
      Maria Raffaella Marchese
      
      电话号码：3391144556
      
      邮箱：raffaellamarchese@gmail.com

参与标准

研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

18年至 65年 (成人、年长者)

接受健康志愿者

不适用

有资格学习的性别

全部

取样方法

概率样本

研究人群

患有声带良性病变的患者

描述

纳入标准：

赖因克氏水肿
声带囊肿
声带小结
声带息肉

排除标准：

既往喉部或甲状腺手术史
先前的言语治疗
目前的肺部疾病
目前胃食管反流
喉运动障碍或喉返神经麻痹
非意大利语母语人士

学习计划

本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。

研究是如何设计的？

设计细节

研究衡量的是什么？

主要结果指标

结果测量	措施说明	大体时间
验证 ML 算法以识别不同的 BVFL 大体时间：5年	对提取的特征计算的统计度量如下：均值、标准差、偏度、峰度、第 25、50 和 75 个百分位数。此外，将从整个未分段信号中获得功率谱的抖动、闪烁和倾斜。	5年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

赞助

Fondazione Policlinico Universitario Agostino Gemelli IRCCS

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2021年11月1日

初级完成 (预期的)

2025年11月1日

研究完成 (预期的)

2025年11月1日

研究注册日期

首次提交

2023年2月1日

首先提交符合 QC 标准的

2023年2月21日

首次发布 (估计)

2023年3月6日

研究记录更新

最后更新发布 (估计)