Modelos Neurais Pré-treinados para detecção de condições respiratórias por análise de áudio

• Processo: 22/16374-6
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de junho de 2023
• Data de Término da vigência: 31 de dezembro de 2024
• 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
• Empresa: Universidade de São Paulo (USP). Centro de Inovação da USP (INOVA)
• Vinculado ao auxílio: 19/07665-4 - Centro de Inteligência Artificial, AP.eScience.CPE
• Assunto(s): Informática médica Inteligência artificial Processamento de áudio Processamento de linguagem natural Redes neurais
• 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 como continuação de um estudo (chamado de SPIRA, projeto FAPESP 2020/06443-5) que visa a produção de um sistema de aprendizado automático que seja capaz de detectar precocemente a insuficiência respiratória por meio da análise do sinal de áudio da voz de pacientes.Esta proposta tem por objetivo central o desenvolvimento de modelos pré-treinados em processamento de áudio de português brasileiro. Tais modelos posteriormente serão refinados nos dados de insuficiência respiratória, bem como potencialmente outras tarefas similares, com o intuito de obter modelos eficientes nessas tarefas apesar da pouca quantidade de dados disponível.Modelos pré-treinados são treinados em duas fases. Na primeira fase, o modelo é treinado em uma grande quantidade de áudios não anotados utilizando-se de tarefas genéricas. Posteriormente, na segunda fase, estes modelos são refinados com dados anotados, muitas vezes presentes em quantidades pequenas, para uma tarefa específica (como a detecção de insuficiência respiratória). Neste projeto, iremos estudar e implementar as melhores formas possíveis de pré-treinamento a fim de ampliar os resultados já obtidos pelo projeto SPIRA para outras tarefas de informática médica, uma vez que a quantidade de dados de refinamento é pequena e depende de um pré-treinamento eficiente para atingir boa performance.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BERTI, LARISSA CRISTINA; GAUY, MARCELO; DA SILVA, LUANA CRISTINA SANTOS; RIOS, JULIA VASQUEZ VALENCI; MORAIS, VIVIAM BATISTA; ALMEIDA, TATIANE CRISTINA DE; SOSSOLETE, LEISI SILVA; QUIRINO, JOSE HENRIQUE DE MOURA; MARTINS, CAROLINA FERNANDA PENTEAN; FERNANDES-SVARTMAN, FLAVIANE R.; et al. Acoustic Characteristics of Voice and Speech in Post-COVID-19. HEALTHCARE, v. 13, n. 1, p. 14-pg., 2025-01-01. (23/00488-5, 22/16374-6)