An unsupervised anomaly-based severity proxy for voice pathology assessment
यह अध्ययन प्रदर्शित करता है कि स्वस्थ भाषण पर प्रशिक्षित एक अनसुपरवाइज्ड टीचर-स्टूडेंट मॉडल लघु रिकॉर्डिंग से एक निरंतर विसंगति स्कोर (anomaly score) उत्पन्न कर सकता है जो प्रभावी रूप से संवेदी गंभीरता रेटिंग के साथ सहसंबंध रखता है, बेसलाइन विधियों से बेहतर प्रदर्शन करता है, और नैदानिक स्वर परिणामों की भविष्यवाणी करने के लिए पूरक जानकारी प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानवीय स्वर एक नाजुक वाद्य यंत्र है, जो श्वास, मांसपेशियों और ऊतकों का एक जटिल परस्पर खेल है जिसे बीमारी या चोट से आसानी से बाधित किया जा सकता है। जब वोकल फोल्ड्स—गले के वे कोमल ऊतक जो ध्वनि उत्पन्न करने के लिए कंपन करते हैं—सूज जाते हैं, लकवाग्रस्त हो जाते हैं या उन पर कोई वृद्धि (ग्रोथ) हो जाती है, तो परिणामी आवाज अक्सर कर्कश, सांस भरी या भारी सुनाई देती है। दशकों से, डॉक्टर इन समस्याओं की गंभीरता का आकलन करने के लिए अपने स्वयं के कानों और आंखों पर भरोसा करते रहे हैं, जिसमें वे मानकीकृत रेटिंग स्केल का उपयोग करते हैं जो उन्हें सुनने और इस आधार पर एक स्कोर देने के लिए कहते हैं कि आवाज सामान्य से कितनी विचलित होती है। हालांकि यह मानवीय निर्णय वर्तमान स्वर्ण मानक (गोल्ड स्टैंडर्ड) है, लेकिन यह स्वाभाविक रूप से व्यक्तिपरक है; दो विशेषज्ञ एक ही आवाज को सुनकर उसे अलग-अलग स्कोर दे सकते हैं, और एक रोगी विशेषज्ञ की उपस्थिति के बिना घर पर अपनी प्रगति को आसानी से ट्रैक नहीं कर सकता है। इसके अलावा, गले के भीतर सीधे देखने के लिए उपयोग किए जाने वाले हाई-टेक कैमरे महंगे होते हैं और उनके लिए क्लिनिक जाना आवश्यक होता है, जिससे वे नियमित निगरानी के लिए दुर्गम हो जाते हैं। यह चिकित्सा देखभाल में एक अंतराल छोड़ देता है: एक ऐसे वस्तुनिष्ठ, स्वचालित तरीके की आवश्यकता जो सरल रिकॉर्डिंग के साथ काम कर सके और जिसमें ध्वनि की व्याख्या करने के लिए डॉक्टर की उपस्थिति की आवश्यकता न हो।
लाइपज़िग विश्वविद्यालय के शोधकर्ताओं ने एक ऐसा कंप्यूटर सिस्टम विकसित करके इस अंतर को भरने की दिशा में एक कदम उठाया है जो यह सीखता है कि एक स्वस्थ आवाज कैसी सुनाई देती है और फिर यह मापता है कि कोई अन्य आवाज उस मानक से कितनी विचलित होती है। कंप्यूटर को विशिष्ट रोगों जैसे कि पॉलिप या पक्षाघात (पैरालिसिस) को पहचानने के बजाय, टीम ने इसे सामान्य, स्वस्थ भाषण के पैटर्न सिखाए। उन्होंने 'टीचर-स्टूडेंट फ्रेमवर्क' नामक एक विधि का उपयोग किया, जहाँ एक शक्तिशाली, पूर्व-प्रशिक्षित कंप्यूटर मॉडल एक "शिक्षक" के रूप में कार्य करता है जो मानव भाषण की सामान्य संरचना को समझता है, और एक छोटा, सरल "छात्र" मॉडल केवल स्वस्थ लोगों की रिकॉर्डिंग का उपयोग करके उस समझ की नकल करने का प्रयास करता है। छात्र यह अनुमान लगाने में सीखता है कि शिक्षक एक स्वस्थ आवाज के बारे में क्या कहेगा। एक बार जब छात्र प्रशिक्षित हो जाता है, तो शोधकर्ताओं ने इसे विभिन्न स्वर विकारों वाले लोगों की रिकॉर्डिंग पर परखा। चूंकि छात्र ने कभी बीमार आवाज नहीं देखी है, इसलिए जब वह उनके सामने आता है तो वह पैटर्न को सही ढंग से अनुमानित करने में संघर्ष करता है। इस संघर्ष का आकार—जो छात्र द्वारा अपेक्षित और वास्तव में जो हुआ उसके बीच का अंतर है—एक स्कोर के रूप में कार्य करता है कि आवाज कितनी असामान्य है।
अध्ययन ने इस दृष्टिकोण का परीक्षण जर्मन वक्ताओं द्वारा बीस-एक से बीस-नौ तक की संख्याएँ बोलने की रिकॉर्डिंग का उपयोग करके किया। शोधकर्ताओं ने दो समूहों से डेटा एकत्र किया: संतानतः स्वास्थ्यप्रद व्यक्तियों के ९७ लोग, जिनमें ज्यादातर युवा वयस्क शामिल थे जो शिक्षण या संगीत जैसे स्वर-संबंधी व्यवसायों से जुड़े थे, और विभिन्न निदानित स्वर स्थितियों वाले २२० मरीज, जिनमें क्रोनिक सूजन से लेकर कैंसर तक शामिल हैं। मरीज औसत रूप से काफी उम्रदराज थे, जिनका मध्य आयु लगभग सत्तावन वर्ष थी, जबकि स्वस्थ समूह की मध्य आयु लगभग बीस वर्ष थी। कंप्यूटर सिस्टम ने छोटी संख्या वाले शब्दों का विश्लेषण किया और प्रत्येक मरीज को एक "एनोमली स्कोर" (विसंगति स्कोर) प्रदान किया, जो एक एकल संख्या है जो यह दर्शाती है कि उनकी आवाज सामान्य से कितनी दूर चली गई है। परिणामों ने एक स्पष्ट पैटर्न दिखाया: जैसे-जैसे स्वर विकार की गंभीरता बढ़ती है, जैसा कि मानव विशेषज्ञों द्वारा मानक रफनेस-ब्रेथिनेस-हॉर्सनेस (खुरदरापन-सांस भरी आवाज-भारीपन) स्केल का उपयोग करके आंका गया है, कंप्यूटर का एनोमली स्कोर भी बढ़ता जाता है। सिस्टम विशेष रूप से 'हॉर्सनेस' (भारीपन/कर्कशता) का पता लगाने में अच्छा था, जिसने उस विशिष्ट गुण के लिए मशीन के स्कोर और मानवीय रेटिंग के बीच एक मजबूत संबंध दिखाया।
महत्वपूर्ण रूप से, शोधकर्ताओं ने पाया कि कंप्यूटर केवल वही दोहरा नहीं रहा था जो मानव डॉक्टर पहले से ही कह रहे थे। जब उन्होंने सांख्यिकीय विधियों का उपयोग यह देखने के लिए किया कि क्या कंप्यूटर का स्कोर मानवीय रेटिंग और आयु एवं लिंग जैसे बुनियादी विवरणों के परे नई जानकारी प्रदान करता है, तो इसने ऐसा किया। एनोमली स्कोर ने स्वर कार्य के भौतिक मापों, जैसे कि एक व्यक्ति कितनी जोर से बोल सकता है और वह कितनी देर तक एक स्वर को रोक सकता है, की भविष्यवाणी करने में मदद की, भले ही डॉक्टरों ने पहले ही उनकी रेटिंग कर दी हो। यह सुझाव देता है कि कंप्यूटर आवाज के सूक्ष्म ध्वनिक विवरणों को पकड़ रहा है जिन्हें मानवीय कान शायद मिस कर दें या जो मानक रेटिंग स्केल द्वारा पूरी तरह से कैप्चर नहीं किए जाते हैं। अध्ययन ने इस पद्धति की तुलना एक सरल, पुराने सांख्यिकीय तकनीक से भी की और पाया कि उनका टीचर-स्टूडेंट दृष्टिकोण स्वस्थ आवाजों और रोगग्रस्त आवाजों के बीच अंतर करने में बेहतर प्रदर्शन करता है।
हालांकि, लेखक सावधानीपूर्वक नोट करते हैं कि यह अभी तक एक पूर्ण चिकित्सा उपकरण नहीं है। अध्ययन ने "प्रॉक्सी" उपायों—अप्रत्यक्ष संकेतकों जैसे कि आवाज की तीव्रता और अवधि—पर भरोसा किया क्योंकि स्वर विकार वास्तव में कितना गंभीर है, इसका कोई एक, पूर्ण 'ग्राउंड ट्रुथ' (वास्तविक सत्य) नहीं है। इसके अतिरिक्त, स्वस्थ समूह और बीमार समूह आयु और पृष्ठभूमि में काफी भिन्न थे, जिसका अर्थ है कि कंप्यूटर ने कुछ ऐसे अंतर सीख लिए होंगे जो बीमारी के बजाय आयु के कारण थे। शोधकर्ताओं का सुझाव है कि इस पद्धति को एक विश्वसनीय मानक बनने के लिए, भविष्य के अध्ययनों में स्वस्थ लोगों के बहुत व्यापक और अधिक आयु-संतुलित समूह को शामिल करने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि "सामान्य" आवाज का मॉडल वास्तव में सामान्य आबादी का प्रतिनिधित्व करता है। इन सीमाओं के बावजूद, यह कार्य यह प्रदर्शित करता है कि केवल स्वस्थ आवाजों से सीखकर एक ऐसा सिस्टम बनाना संभव है जो वस्तुनिष्ठ रूप से स्वर संबंधी असामान्यताओं को चिह्नित और वर्गीकृत कर सके, जो अधिक सुलभ और सुसंगत स्वर देखभाल की ओर एक आशाजनक मार्ग प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।