Busca avançada
Ano de início
Entree

Modelos neurais pré-treinados para detecção insuficiência respiratória em áudios

Processo: 20/16543-7
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de fevereiro de 2021
Data de Término da vigência: 31 de dezembro de 2022
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Marcelo Finger
Beneficiário:Marcelo Matheus Gauy
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:20/06443-5 - Estudo Spira: sistema de detecção precoce de insuficiência respiratória por meio de análise de áudio, AP.R
Assunto(s):Insuficiência respiratória   Inteligência artificial   Redes neurais (computação)   Informática médica   Áudio digital   Processamento de linguagem natural
Palavra(s)-Chave do Pesquisador:Automação de diagnósticos médicos | Informática Médica | Inteligência Artificial | Processamento de Áudio | Processamento de Linguagem Natural | Redes neurais | Inteligência Artificial

Resumo

Este projeto se insere no contexto da construção de um sistema de aprendizado automático que permita a detecção precoce de insuficiência respiratória por meio da análise de um sinal de áudio da voz de pacientes. Esta proposta visa a construção de modelos pré-treinados e processamento de áudio em língua portuguesa, que possam posteriormente ser utilizados por um treinamento específico como, por exemplo, a classificação do áudio em sendo proferida por uma pessoa que necessita ou que não necessita de internação por insuficiência respiratória. Modelos pré-treinados possuem duas fases. Numa primeira fase uma quantidade muito grande de dados é usada para treinamento não supervisionado; essa fase é chamada de pré-treinamento. Na segunda fase, o modelo é treinando especificamente para uma aplicação, comum a quantidade bem menor de dados; esta fase é chamada de treinamento específico. Modelos pré-treinados têm obtido bons resultados no processamento de textos; pretendemos desenvolver métricas que permitam aferir a qualidade de modelos pré-treinados de áudio.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)