تسعى الأبحاث الحديثة في مجال الذكاء الاصطناعي إلى تحسين التقنيات المستخدمة في تحليل الصوت. وقد حققت دراسة حديثة تقدماً ملحوظاً في هذا المجال من خلال تطوير إطار عمل هرمي لتحليل البيانات الصوتية، يهدف إلى تمييز الوظائف الصوتية الخطرة (Phonotraumatic Vocal Hyperfunction - PVH) عن الوظائف غير الخطرة (Non-Phonotraumatic Vocal Hyperfunction - NPVH) مقارنة بمجموعات التحكم الصحية.

يستخدم هذا الإطار نظام استشعار غير تداخلي يعتمد على تسارع السطح الرقبي (Neck-Surface Acceleration) لمراقبة الوظائف الصوتية بدقة. لتنفيذ الدراسة، تم استغلال مجموعة بيانات Challenge NeckVibe، حيث تم تطبيق تقنيات تحليل فعالة تشمل ميزات ثابتة وديناميكية وتناسبية والارتباط، مما يساعد في التقاط التفاعلات بين مصادر الصوت.

أظهرت النتائج أن التحليل الإحصائي الأحادي المتغير أظهر انفصالاً قوياً للوظائف الصوتية الخطرة، بينما تبقى النتائج قليلاً غير واضحة للوظائف غير الخطرة. لكن، باستخدام تقنيات التعلم الآلي المخصصة للتكامل بين الميزات عالية الأبعاد، تم التوصل إلى أن الميزات المرتبطة تلعب دورًا حيويًا في التفريق بين النوعين. وقد أظهرت الدراسة تحقيق AUC يبلغ 0.891 للوظائف الصوتية الخطرة و0.728 للوظائف غير الخطرة، مما يشير إلى أن الوظائف الصوتية الخطرة قريبة من الانفصال الخطي، بينما تحتاج الوظائف غير الخطرة إلى نمذجة التفاعلات غير الخطية للميزات.

تفتح هذه التكنولوجيا الجديدة آفاقاً واسعة في تشخيص وعلاج اضطرابات الصوت، ما يُبشر بمستقبل أكثر إشراقًا في هذا المجال. فما رأيكم في هذه التطورات المثيرة؟ شاركونا آراءكم في التعليقات.