Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله طرح

مشخصات مقاله

شرکت دانش‌بنیان متقاضی: شتاب دهنده داده پردازی دور نمای دانش فردا
تاریخ پایان: آذر 1401

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

40
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات طرح

عنوان

ارائه مدل تشخیص نارسایی های گفتاری با استفاده از یادگیری عمیق

نهاد حامی

 صندوق نوآوری و شکوفایی ریاست جمهوری

صفحات

 صفحه شروع | صفحه پایان

چکیده

 "با توجه به اهمیت تشخیص بسیاری از بیماری ها به خصوص بیماری های عصبی و روان, در مراحل اولیه, لزوم استفاده از ابزاهای مجهز به هوش مصنوعی و سیستم های تصمیم یار بالینی, بیشتر احساس می شود. در این طرح یک سیستم تصمیم یار بالینی ایجاد شده است که با استفاده از صدا و گفتار بیمار, وجود بیماری در سه دسته کلی بیماری های حنجره, بیماری های عصبی و مشکلات روانی, به عنوان بیماری هایی که پروزودی گفتار را تحت تاثیر قرار می دهند, تشخیص می دهد. در انجام این کار, ابتدا یک مرور دامنه برای شناسایی الگوریتم های یادگیری ماشین جهت تشخیص بیماری های پروزدیک گفتاری با استفاده از صدا یا گفتار با تمرکز بر سه دسته بیماری های عصبی, حنجره و روان انجام گرفت. در مرحله دوم طرح, برای هر دسته از بیماری های هدف این طرح, مدل یادگیری عمیق پیاده سازی گردید و معیارهای ارزیابی مدل ها ارائه شد. در مرحله سوم یک سیستم تصمیم یار بالینی, بر پایه مدل های یادگیری عمیق پیاده سازی شده در مرحله قبل, جهت تشخیص وجود بیماری حنجره, عصبی یا روانی ایجاد شد. نتایج مرحله اول نشان داد که الگوریتم های یادگیری ماشین برای تشخیص بیماری های حنجره صرفا از ویژگی های آکوستیک صدا و برای تشخیص بیماری های روان عمدتا از ویژگی های پروزودیک استفاده کرده است. همچنین در خصوص بیماری های عصبی نیز, ویژگی های آکوستیک بیشتر از ویژگی های پروزودیک مورد استفاده قرار گرفتند. از دیگر نتایج حاصل شده در این طرح می توان به کاربردپذیری سیستم تصمیم یار بالینی پیاده سازی شده اشاره کرد. نتایج این طرح نشان داد که می توان از صدا یا گفتار بیمار به عنوان یک منبع غنی برای تشخیص بیماری های عصبی, روان و حنجره بهره جست. "

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    لنگری زاده، مصطفی، مقبلی، فاطمه، اروجی، اعظم، زرامین، زهرا، و رضایی، محمدجواد. (آذر 1401). ارائه مدل تشخیص نارسایی های گفتاری با استفاده از یادگیری عمیق. تهران، ایران: صندوق نوآوری و شکوفایی ریاست جمهوری. https://sid.ir/paper/1134783/fa

    Vancouver: کپی

    لنگری زاده مصطفی، مقبلی فاطمه، اروجی اعظم، زرامین زهرا، رضایی محمدجواد. [Internet]. ارائه مدل تشخیص نارسایی های گفتاری با استفاده از یادگیری عمیق. تهران، ایران: صندوق نوآوری و شکوفایی ریاست جمهوری؛ آذر 1401. Available from: https://sid.ir/paper/1134783/fa

    IEEE: کپی

    مصطفی لنگری زاده، فاطمه مقبلی، اعظم اروجی، زهرا زرامین، و محمدجواد رضایی، “ارائه مدل تشخیص نارسایی های گفتاری با استفاده از یادگیری عمیق،” ایران، صندوق نوآوری و شکوفایی ریاست جمهوری، آذر 1401. [Online]. Available: https://sid.ir/paper/1134783/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا