Endoszkópos és hasi ultrahang leletek diktálása
A BME TMIT Beszédakusztikai Laboratóriumában kifejlesztésre került egy Windows XP alatt működő beszédfelismerő fejlesztői környezet, amely alkalmas különböző középszótáras 1000-10000 szavas szövegek betanítására és felismerésére.
A felismerő a statisztikai alapon működő HMM akusztikai fonémamodellekkel, valamint a statisztikai alapú bi-gram nyelvi modellel működik, akusztikai és nyelvi adaptációt használva. Az akusztikai modelleket az MRBA beszédadatbázissal tanítottuk.
Az alábbi ábrán a statisztikai alapú gépi beszédfelismerés egyszerűsített blokkvázlata látható. (Az ábra nagyításához, kérjük, kattintson az ábrára!)
A nyelvi betanításhoz a budapesti SOTE II. sz. Belgyógyászati Klinikájától (2700 gasztroszkópiai és 2500 hasi ultrahang lelet) és a szegedi Orvostudományi Egyetemről (6365 lelet) gyűjtött korábbi leletanyag korpuszt használtuk.
A felismerő optimális működését az akusztikai [4] és nyelvi modellek változtatásával állítottuk be. Lényegében a nyelvi modellhez n-gram modelleket használtunk, de az egyik megoldásban a hagyományos szóalakok az alkotó elemek, a másik megoldásban viszont a morfémák.
Külön súlyt fektettünk a valós idejű felismerés elérésére: a dinamikus címzésen és az akusztikai modellek indirekt megközelítésén túl memóriaelérési optimalizáció, valamint nyalábolt keresésnél (Beam Search) változó terű nyaláb alkalmazásával.
További információkért kattintson ide:
kozepszotarasMSZNY2005_2.pdf
A beszédfelismerő műszaki leírása elérhető pdf formátumban:
gasztro_ultahang_muszaki_leiras.pdf
A gasztroszkópiai leletező klinikai véleménye, tesztelési tapasztalatait tartalmazó dokumentum pdf formátumban:
gasztro_ultahang_orvosi tesz_velemeny.pdf
Amennyiben nem tudja megnyitni a fenti dokumentumokat, töltse le a legfrissebb Acrobat READER programot az alábbi ikonra kattintva.
