[ad_1]
Bahkan sebelum COVID-19 membuat mereka berbicara di ruang kelas online atau memproyeksikan suara mereka dari balik topeng, para guru berisiko tinggi mengalami kelelahan vokal. Kondisi ini dapat menyebabkan suara serak yang terus-menerus, sakit tenggorokan, dan kerusakan permanen pada pita suara. Saat ini, mendiagnosis kelelahan vokal memerlukan konsultasi langsung. Tetapi suatu hari nanti, perangkat yang dapat dipakai atau aplikasi pintar dapat mendeteksi kelelahan vokal sejak dini dan membantu penderita mencegah masalah lebih lanjut.
Namun, sebelum itu terjadi, sebuah mesin harus belajar mengenali perbedaan antara suara yang sehat dan suara yang lelah. Di situlah Gui De Souza masuk. DeSouza — seorang profesor asosiasi teknik elektro dan ilmu komputer — dan seorang kolaborator dari Jerman telah menghabiskan waktu bertahun-tahun melatih komputer untuk mendeteksi masalah vokal dengan menyediakan sistem dengan ratusan sampel dari siswa guru dan kelompok kontrol.
“Siswa guru dipengaruhi oleh kelelahan vokal lebih banyak daripada profesional lainnya,” kata DeSouza. “Kami menangani sisi diagnostik karena deteksi dini dapat memperingatkan seseorang untuk mengubah kebiasaan mereka atau mengambil tindakan korektif.”
Dengan dana dari National Institutes of Health, tim peneliti telah mengumpulkan 160 sampel suara dari 90 peserta. Tim menggunakan sensor elektromiografi permukaan (EMG) yang ditempatkan di leher untuk mendeteksi getaran. Seorang peserta diminta untuk mengucapkan vokal dan konsonan tertentu yang cenderung menunjukkan masalah pada pita suara.
Peneliti kemudian menggunakan data tersebut untuk melatih sistem mendeteksi perubahan yang mengindikasikan kelelahan vokal.
Menemukan sistem yang andal
Awalnya, tim menguji model menggunakan sampel simulasi, dan hasilnya menjanjikan. Namun, dalam penelitian yang lebih baru, tim sengaja mengabaikan sampel suara dari satu peserta manusia dan melihat penurunan akurasi.
“Jika Anda melihat literatur, belum ada yang melakukan itu sebelumnya,” kata DeSouza, mengacu pada metode “tinggalkan satu”. “Itu menunjukkan bahwa mesin itu bagus dalam mempelajari suara orang, tetapi belum tentu belajar mengenali kelelahan.”
Komplikasi lain adalah bahwa tidak ada standar yang konsisten untuk mengklasifikasikan kelelahan. Saat ini, dokter menggunakan survei pasien untuk mengumpulkan informasi tersebut. Namun, satu orang mungkin memiliki toleransi yang tinggi terhadap ketidaknyamanan dan melaporkan peringkat yang rendah. Orang lain yang lebih sensitif dapat memberikan peringkat yang lebih tinggi untuk tingkat rasa sakit yang pada dasarnya sama.
“Satu masalah besar bagi kami adalah bagaimana memahami data ketika itu sangat subjektif,” kata DeSouza. “Kumpulan data tidak diberi label dengan cara yang dapat diandalkan. Pada akhirnya, kami ingin memiliki sistem yang secara andal mengatakan itu adalah kelelahan atau tidak kelelahan yang terlepas dari pengukuran subjektif atau penilaian diri.
Tim peneliti menguraikan temuan mereka dalam jurnal Ilmu Terapan awal tahun ini. Baru-baru ini, mereka mempresentasikan hasil tes mereka di 14th Konferensi Internasional tentang Kemajuan dalam Laringologi Kuantitatif, Penelitian Suara dan Pidato.
Mereka juga memiliki dana tambahan dari National Institutes of Health untuk melihat apakah stres menyebabkan masalah vokal.
“Kami sekarang menyelesaikan studi asli kami dan juga melihat data MRI untuk melihat apakah aktivitas otak memiliki korelasi dengan fenomena yang terjadi pada suara,” kata DeSouza. “Idenya adalah kami akan menempatkan pasien pada semacam stresor untuk melihat apakah itu termanifestasi dalam suara. Banyak kelelahan dalam suara dapat dikaitkan dengan stres emosional. ”
Sumber: Universitas Missouri
[ad_2]
