Et tungesporende kunstigt strubehoved

Forskere i Sydafrika arbejder på en ny slags kunstig strubehoved, der ikke vil have den raslede stemme fra eksisterende enheder. Systemet sporer kontakten mellem tungen og ganen for at bestemme, hvilket ord der bliver tale om, og bruger en talesynthesizer til at generere lyde.

Kontakt: Palatometeret på det øverste billede bruges normalt i logopædi. Forskere i Sydafrika træner apparatet til at genkende ord fra folk, der har fået fjernet strubehovedet. Rum-tid-grafen i det nederste billede svarer til tunge-gane-kontaktmønsteret for ordet været.

Ifølge National Cancer Institute 10.000 amerikanere diagnosticeres med larynxkræft hvert år, og de fleste patienter med fremskreden cancer skal have fjernet deres stemmeboks.

Alle de aktuelt tilgængelige enheder producerer så dårlig lyd – det lyder enten robotagtigt eller har en barsk talestemme, siger Megan Russell, en ph.d.-kandidat ved Universitetet i Witwatersrand i Johannesburg, Sydafrika. Vi følte, at teknologien var der for en kunstig syntetiseret stemmeløsning.

Systemet bruger et palatometer: en enhed, der ligner en tandreguleringsplade, og som normalt bruges til taleterapi. Enheden, lavet af Komplet tale fra Orem, UT, sporer kontakt mellem tungen og ganen ved hjælp af 118 indlejrede berøringssensorer. Softwaren til den kunstige strubehoved er skrevet af Russell og kolleger ved University of the Witwatersrand. Deres arbejde bliver præsenteret på International konference om biomedicinsk og farmaceutisk teknik denne uge i Singapore.

For at bruge enheden sætter en person palatometeret i munden og taler normalt. Systemet forsøger at oversætte disse mundbevægelser til ord, før de gengiver dem på en lille lydsynthesizer, måske gemt i en skjortelomme.

Indtil videre har Russell trænet systemet til at genkende 50 almindelige engelske ord ved at sige hvert ord flere gange med palatometeret i munden. Informationen kan repræsenteres på en binær rum-tid graf og lægges ind i en database. Hver gang brugeren taler, sammenlignes kontaktmønstrene med databasen for at identificere det korrekte ord.

Russells team har testet ordidentifikationssystemet ved hjælp af en række forskellige teknikker. Én tilgang involverer justering og gennemsnit af de producerede data, mens du træner enheden i nogle få tilfælde af et ord for at skabe en skabelon til sammenligning. En anden sammenligner funktioner såsom arealet af dataplotterne på grafen og massecentret på X- og Y-akserne. Et afstemningssystem sammenligner resultaterne af udvalgte metoder for at se, om der er enighed. Forskerne har også testet et prædiktivt analysesystem, som overvejer det sidste ord for at hjælpe med at bestemme det næste.

Russell siger, at når afstemnings- og forudsigelseselementerne kombineres, identificerer systemet det korrekte ord 94,14 procent af tiden, selvom dette ikke inkluderer ord, som systemet klassificerer som ukendte og vælger at springe over. Russell siger, at det sker omkring 18 procent af tiden. Men at vælge det forkerte ord kan føre til nogle meget vanskelige sociale situationer, siger Russell, så det er bedst for systemet at afvise uklare ord og forblive tavs.

Holdet håber at eliminere palatometerets båndkabler, som løber ud af brugerens mund, og i stedet skabe et system, hvor data transmitteres trådløst fra palatometeret til en talesynthesizer. Gruppen skal også forbedre det prædiktive analysesystem og udvide databasen med ord.

Russells team bliver også nødt til at teste mange flere emner, inklusive dem uden strubehoved, før enheden kan blive bredt tilgængelig.

Vi har også til hensigt at implementere en grad af brugerstyret modulation af tonehøjde og lydstyrke for at opnå en mere naturlig lyd, siger David Rubin, adjungeret professor i elektro- og informationsteknik ved University of the Witwatersrand og en af ​​Russells rådgivere vedr. projekt. For eksempel har vi til hensigt, at brugeren skal være i stand til at opnå den typiske opadgående bøjning i stemmen, når han stiller et spørgsmål i forhold til at fremsætte et udsagn.

Det er også vigtigt for teamet at forbedre enhedens behandlingshastighed. Det tager nu mere end et sekund for systemet at identificere og afspille det korrekte ord. I sidste ende skal denne tid reduceres til under 0,3 sekunder, for at det skal se ud for observatører, at personens læber og stemme er synkroniseret, siger Russell.

Forskere ved University of Hull i Storbritannien udforsker en anden tilgang til problemet. De placerer magneter i munden og disse for at måle ændringer i magnetfeltet omkring munden, der svarer til bevægelse. I øjeblikket bruger Hull-forskerne kirurgisk lim til at fastgøre seks magneter til læberne, halsen og tungen. I sidste ende ville magneterne blive implanteret. Vi er stadig ved at finde ud af, hvor det er bedst at placere dem, siger James Gilbert , en lektor i teknik ved Hull.

Ligesom Witwatersrand-teamet håber Hull-gruppen at fjerne meget af ledningerne og udvide sit datasæt. I øjeblikket kan Hull-systemet kun identificere 10 ord, og nøjagtigheden kan variere fra alt mellem 70 og 100 procent.

Gilbert stiller dog spørgsmålstegn ved, om alle ord nogensinde kunne identificeres ved hjælp af et palatometer. Analysemetoderne virker fornuftige, siger han, men tilføjer, at der for nogle ord er meget begrænset kontakt med ganen.

Witwatersrand-teamet mener, at dets design er overlegent, fordi det ikke kræver kirurgiske implantater. I tilfælde af at den overordnede idé viser sig at være gennemførlig, håber vi at kunne indgå aftaler med de virksomheder, der producerer eksisterende systemer, så vi kan komme videre med denne tilgang til en kunstig strubehoved, siger Rubin.

skjule