Uus tehisintellekt teeb vahet haige ja terve inimese häälel

$content['photos'][0]['caption'.lang::suffix($GLOBALS['category']['lang'])]?>
Uus algoritm leiab üles näiteks gripihaiged. Autor/allikas: evanmischelle/Creative Commons

Haige inimese hääl erineb terve inimese omast. Seda teadmist kasutades lõi Eesti teadlase osalusega rahvusvaheline teadlasrühm uue algoritmi, mis tunneb hääle põhjal ära näiteks gripihaiged inimesed.

"Naise ja mehe hääle omadused ei ole ühesugused," ütleb Tallinna Tehnikaülikooli tarkvarateaduse professor Sadok Ben Yahia. Niisamuti erinevad akustilistelt omadustelt vana ja noore inimese hääl. "Gripihaige või mõne muu tervisehädaga inimese häälel pole jällegi samu omadusi ega kvaliteeti, mis terve inimese häälel," lisab Ben Yahia.

Nende teadmiste pinnalt lõi ta koos Tuunesia kolleegi Sameh Souli ja Saudi-Araabia kolleegi Rimah Amamiga algoritmi nimega ST-DCNN, mis tunneks inimese hääle põhjal ära, kas too on terve või mitte.

Esimene omataoline

Hääle patoloogilisi häireid saab Sadok Ben Yahia sõnul spetsiaalsete arvutipõhiste tööriistadega tõhusalt tuvastada. "Need tööriistad suudavad hääle patoloogiaid juba varakult märgata ja pakkuda välja sobiv ravi," märgib ta. 

Oma värskes artiklis püüdis ta koos kaasautoritega luua tõhusat sügavõppel põhinevat häälte liigitamise tööriista, mis kasutaks funktsioonide väljavõtmist ehk jagaks hääle väiksemateks osadeks ja analüüsiks neid osi eraldi. Selleks, et liigitus veelgi täpsem saaks, kasutasid autorid patoloogiliste häälte andmete peal ka eeltreenitud konvolutsioonilist närvivõrku (CNN) ehk mitmekihilist tehisnärvivõrku.

Välja pakutud uus tööriist ST-DCNN põhineb hajutusteisendusel ja sügav-konvolutsioonilisel närvivõrgul (DCNN). Ben Yahia sõnul analüüsib tööriist hääli mitmes etapis. Esmalt vaatab see läbi Massachusettsi silma- ja kõrvakliiniku (MEEI) haigustunnustega häälte andmebaasi. Seejärel eeltöötleb algoritm andmeid, eraldab häälele iseloomulikud tunnused ja määrab sellele vastava DCNN klassifikatsiooni.

"Eraldasime haigete ja tervete inimeste häälele iseloomulikud omadused lainejupikesteks, et panna kokku eristatavate tunnuste kogum," kirjeldab Ben Yahia. Leitud tunnuseid tutvustasid uurijad omakorda tehisnärvivõrgule, et see võiks neist õppida ja edukalt hääli liigitada.

Kuna algoritmi õpetamiseks pole veel kusagilt võtta COVID-19 kohta käivat andmebaasi, ei oska uus tööriist koroonahaigeid märgata. Küll aga leiab see üles näiteks gripihaiged. "Hajutusteisenduse ja süva-konvolutsioonilise närvivõrgu kombinatsioon on meie teada esimene katse üldse midagi sellist teha," märgib Ben Yahia.

Sadok Ben Yahia ja kolleegid kirjutavad uuest algoritmist ajakirjas Applied Acoustics.

Hea lugeja, näeme et kasutate vanemat brauseri versiooni või vähelevinud brauserit.

Parema ja terviklikuma kasutajakogemuse tagamiseks soovitame alla laadida uusim versioon mõnest meie toetatud brauserist: