לאחרונה, צוות המחקר בראשותו של פרופ 'לי חי במכון לבריאות ורפואה, מכוני Hefei למדע הפיזיקה של האקדמיה הסינית למדעים, פיתחה מסגרת למידה עמוקה חדשה המשפרת משמעותית את הדיוק והפרשנות של גילוי הפרעות נוירולוגיות באמצעות דיבור.
"שינוי קל באופן בו אנו מדברים עשוי להיות יותר מסתם החלקה של הלשון-זה יכול להיות סימן אזהרה מהמוח"אמר פרופ 'לי חי, שהוביל את הקבוצה,"המודל החדש שלנו יכול לאתר תסמינים מוקדמים של מחלות נוירולוגיות כמו מחלת פרקינסון, הנטינגטון ווילסון, על ידי ניתוח הקלטות קוליות."
המחקר פורסם לאחרונה ב מחשב עצביו
דיסארתריה היא סימפטום מוקדם שכיח להפרעות נוירולוגיות שונות. בהתחשב בעובדה כי חריגות בדיבור אלה משקפות לעתים קרובות תהליכים עצביים בסיסיים, אותות קוליים התגלו כמבטיחים סמנים ביולוגיים שאינם פולשניים לבדיקה מוקדמת ומעקב רציף אחר מצבים כאלה. ניתוח דיבור אוטומטי מציע יעילות גבוהה, עלות נמוכה ולא פולשנות. עם זאת, שיטות המיינסטרים הנוכחיות סובלות לעתים קרובות מהסתמכות יתר על תכונות בעבודת יד, יכולת מוגבלת לדגמן אינטראקציות משתנות זמניות ופרשנות לקויה.
כדי להתמודד עם אתגרים אלה, הצוות הציע שנאי אינטראקטיבי בין זמן צולב וציר (CTCAIT) לניתוח סדרות זמן רב-משתנות. מסגרת זו מעסיקה תחילה מודל שמע בקנה מידה גדול כדי לחלץ תכונות זמניות ממדיות גבוהות מהדיבור, המייצג אותם כהטבעות רב ממדיות לאורך זמן וצירי תכונה. לאחר מכן הוא ממנף את רשת זמן ההתחלה כדי לתפוס דפוסים רב-סולם ורב-מפלסי בסדרה. על ידי שילוב של מנגנוני קשב חוצה-ערוצי חוצה-ערוצים, CTCAIT לוכד למעשה חתימות דיבור פתולוגיות המוטמעות על פני ממדים שונים.
השיטה השיגה דיוק גילוי של 92.06% על מערך נתונים סיני מנדריני ו 87.73% במערך נתונים חיצוני באנגלית, והדגימה הכללות חוצה לשוניות חזקה.
יתר על כן, הצוות ערך ניתוחי פרשנות של תהליכי קבלת ההחלטות הפנימיות של המודל והשווה באופן שיטתי את היעילות של משימות דיבור שונות, מה שמציע תובנות חשובות לפריסה הקלינית הפוטנציאלית שלו.
מאמצים אלה מספקים הנחיות חשובות ליישומים קליניים פוטנציאליים של השיטה באבחון מוקדם ומעקב אחר הפרעות נוירולוגיות.
