البنية متعددة الوسائط لعدم دقة تصنيف الفونيمات في الكلام العصبي الناتجة عن العصب: دمج المحولات وشبكات TCN في إعادة التأهيل السريري

ملخص

تفحص هذه المراجعة كيف يمكن للبنى متعددة الوسائط التي تجمع بين المعلومات السمعية والنطقية والبصرية، إلى جانب نماذج المحول وTCN، أن تحسن التعرف على الفونيمات في الكلام الخلفي. يؤكد على إمكاناتها لتحسين تقييم وضوح الكلام والعلاج الشخصي بما يتجاوز قدرات أنظمة ASR التقليدية.

الملخص

بسبب مشاكل النطق وتغير الفونيمات، تشكل اضطرابات النطق مثل عسر النطق تحديات كبيرة في إعادة التأهيل السريري. أنظمة التعرف التلقائي على الكلام (ASR) التقليدية، التي عادة ما تدرب على مجموعات بيانات معيارية، غالبا ما تفشل في فك شفرة الكلام العصبي بدقة. سمحت الاختراقات الحديثة في الذكاء الاصطناعي والتعلم العميق بدمج البنى متعددة الوسائط، مثل دمج المعلومات السمعية والنطقية والبصرية لتسجيل أنماط الكلام المعقدة، مما جعل ذلك ممكنا بشكل متزايد. في هذه المراجعة، استكشفنا تقارب المحولات والشبكات الالفافية الزمنية (TCNs) ضمن أطر متعددة الوسائط لمعالجة عدم دقة تصنيف الفونيمات في الكلام الخلفي. هنا، نناقش كيف يمكن للنمذجة السياقية المعتمدة على المحولات والدقة الزمنية المدفوعة ب TCN أن تعزز اكتشاف حدود الفونيمات، وتصنيفها، وردود الفعل التعويضية. تناقش المراجعة أيضا إمكانات مثل هذه الأنظمة الهجينة في علاج النطق الفردي، وقضايا قابلية التفسير، والتطبيقات السريرية. البنى متعددة الوسائط هي نهج ترجمي لتعزيز المراقبة العلاجية، ووسائل الاتصال، وتقييم وضوح الكلام للأشخاص الذين يعانون من اضطرابات النطق الحركي من خلال الربط بين الطب السريري والمعلوماتية الطبية.

المقدمة

يمكن أن يؤدي ضعف الجهاز العصبي غالبا إلى عواقب صحية خطيرة ومفاجئة، تشمل اضطرابات الجهاز العضلي الهيكلي، واضطرابات الأوعية الدموية العصبية، وغيرها من اضطرابات التواصل العصبي. تشمل اضطرابات التواصل العصبي اضطرابات مثل عسر النطق وفقدان النطق، والتي يمكن تعريفها بأنها تلعثم في الكلام بسبب ضعف العضلات وصعوبة في تخطيط حركات الكلام، على التوالي¹. يتكون الكلام من خمسة أنظمة فرعية: التنفس، النغمات، الرنين، النطق، والنطق، والعروض، ويجب أن تعمل جميعها معا بشكل تآزري وسلس للتواصل الفعال². عسر النثرية، الناتج عن خلل في هذه الأنظمة الفرعية، يقلل من السمع، وطبيعيتها، وقابلية الفهم، وكفاءة التواصل، مما يؤثر بشكل كبير على حياة المرضى وعائلاتهم. يمكن أن يكون عسر النهر ناتجا عن مجموعة متنوعة من الأمراض العصبية والأمراض الكامنة الكامنة، بما في ذلك خلل في القشرة الدماغية، العقد القاعدية، المخيخ، النوى القاعدية، الأعصاب القحفية، أو الأعصاب الطرفية. تشمل العوامل الأخرى مشاكل حركية أولية في اللسان، والحنجرة، والحنجرة³.

عسر النطق هو مصطلح شامل لاضطرابات الكلام الحركي الناتجة عن تغير في التحكم العصبي العضلي يؤثر على التنفس، والصلام، والرنين، وإنتاج الكلام، وإصدار الأصوات، والإيقاع. لذا، عسر النطق هو اضطراب في النطق غالبا ما يرتبط بالإعاقات العصبية العضلية، حيث تكون العضلات المستخدمة في الكلام إما ضعيفة أو بطيئة أو مشلولة. تشمل الأنواع المحددة من العضلات التي تشارك في الكلام عضلات اللسان، والحلق، والوجه، والشفاه، والحبال الصوتية، والفك، وعضلات الجهاز التنفسي العلوي. قد يتخذ الضرر الذي يلحق بهذه العضلات أشكالا مختلفة، بما في ذلك إصابات في الخلايا العصبية الحركية التي تعصبها أو في الأوعية الدموية لديها، مما يحرمها من الأكسجين. تشمل الأضرار العصبية النموذجية التي تعيق توصيل الكلام تلف الخلايا العصبية الحركية العليا التي قد تؤدي إلى تيبس أو تشنج عضلات الكلام، وإصابات العصبون الحركي السفلي التي قد تؤدي إلى ضعف العضلات أو شللها نتيجة انقطاع الإشارات العصبية، وإصابات المخيخ التي غالبا ما تؤدي إلى نقص التنسيق بين العضلات (ترنح) أو تلف العقدة القاعدية التي تعيق الحركات المنسقة وقد تؤدي إلى حركات لا إرادية (فرط الحركة) أو تيبس العضلات (الحركات منخفضة الحركة)⁵.

عسر النسج هو عرض شائع لمختلف الاضطرابات العصبية وغالبا ما يرتبط بالأمراض العصبية التقدمية. يؤثر ذلك بشكل كبير على المريض وعائلاته، حيث يلعب التواصل دورا حيويا في التعبير عن الشخصية والحفاظ على الروابط الاجتماعية. يتميز هذا الاضطراب بانخفاض وضوح الكلام. يبقى محتوى اللغة المنطوقة كما هو، مما يسمح للمريض بالكتابة وتفسير كل من اللغة المنطوقة والمكتوبة؛ من ناحية أخرى، فإن فقدان العصبية هو النوع الأكثر شدة، مما يؤدي إلى فقدان كامل للنطق الحركي⁶. هناك ستة تصنيفات رئيسية لعسر النهار: عسر الالتهاب الارتخائي، المرتبط بخلل في وظائف الخلايا العصبية الحركية السفلية؛ عسر النهر التشنج، الذي ينشأ من تلف الخلايا العصبية الحركية العليا المتصلة بالمناطق الحركية في القشرة الدماغية؛ عسر الترنح التركلي، الناتج أساسا عن مشاكل في المخيخ؛ وعسر النهر المفرط الحركة وخسر النهر منخفض الحركة، وكلاهما مرتبط باضطرابات في النظام الهرمي خارج الهرمي. النوع السادس يشار إليه عادة باسم عسر النطق المختلط وغالبا ما يرتبط بتلف في مناطق متعددة، مما يؤدي إلى خصائص في الكلام تظهر سمات من فئتين على الأقل. اضطرابات النطق المرتبطة بهذه الأنواع الستة الرئيسية من عسر النطق فريدة ويمكن أن تساعد في تشخيص وعلاج عسر النطق ^5,6.

تشمل العوامل المسببة التي تساهم في تحديات النطق العدوى (مثل مرض كروتسفيلد-جاكوب ومتلازمة نقص المناعة المكتسب)، ومشاكل الأوعية الدموية (السكتات الدماغية الإقفالية والنزفية)، والأورام (أورام الدماغ)، والأمراض المزيل للميالين (بما في ذلك التصلب المتعدد ومتلازمة غيلان-باريه)، والاضطرابات التنكسية (مثل مرض باركنسون ومرض هنتنغتون)، والإصابات (إصابات دماغية رضحية وشلل دماغي)، والتعرض للسموم (للمعادن الثقيلة، الكحول والمخدرات)، والحالات الوراثية (مثل SANDO⁾⁷. بالإضافة إلى ذلك، قد تسبب عوامل غير عصبية مثل الشفة المشقوقة أو الحنك مشاكل في النطق، لكنها لا تندرج تحت فئة عسر النهار.

تكمن أهمية عسر النهر في البيئات السريرية في تأثيره الكبير على جودة حياة الأفراد. نظرا لأن التواصل ضروري للمشاركة الاجتماعية والتعليمية والمهنية (^6). تشخيص الأنواع المختلفة من عسر النهارية بدقة، مثل الارتخاء، التشنج، اللاترنطي، فرط الحركة، نقص الحركة، والمختلط، أمر ضروري لتحديد المشكلات العصبية الكامنة وتقييم طرق إعادة التأهيل. غالبا ما يعتمد أخصائيو النطق واللغة والأطباء على تحليل خصائص وشدة عسر النتن لتخصيص العلاج، وتحديد أهداف التواصل القابلة للتحقيق، وتقييم ضرورة^{طرق التواصل} المعززة والبديلة 9. بالنسبة لأولئك الذين يعانون من صعوبات في الكلام، وجد أن أنظمة التعرف التلقائي على الكلام (ASR) تحسن سهولة الوصول والتفاعل الاجتماعي. ومع ذلك، فإن النماذج الصوتية غير الكافية أعاقت النجاح الأوسع لتقنية ASR في معالجة اضطرابات الكلام. لذا، تتناول هذه الورقة مشاكل الفونيم في الكلام الخلفي، وأنظمة ASR الحالية وحدودها، والتقنيات متعددة الوسائط الإبداعية، والنمذجة السياقية المعتمدة على المحولات، وTCNs للتحسين الزمني والتسلسلي.

حتى مع التقدم الكبير في تكنولوجيا ASR، لا تزال أنظمة ASR الأعلى تعاني من العديد من العيوب للأشخاص ذوي إعاقات الكلام. قد تنبع هذه النواقص جزئيا من الصعوبات في الحصول على مجموعة بيانات تدريبية متنوعة وممثلة لاضطرابات الكلام. أحد التحديات في اضطراب النطق المفرط يرتبط على الأرجح بمجموعة واسعة من خصائص الكلام غير الطبيعية التي تختلف من شخص لآخر، وعدم تمثيل هذه الاختلافات في مجموعات بيانات التدريب¹⁰. على الرغم من ذلك، غالبا ما تجاهلت الأبحاث حول ASR المرتبطة بعسر النهار.

تنقسم أنظمة ASR إلى ثلاث فئات: مستقلة عن المتحدث (SI)، وتعتمد على المتحدث (SD)، وتعتمد على المتحدث التكيفي (SA). أنظمة SI تؤدي أداء جيدا مع المتحدثين الأصحاء لكنها تعاني من تدهور الكلام وتؤدي بشكل أفضل عندما تشمل بيانات التدريب متحدثين يعانون من عسر الزرج. على النقيض من ذلك، تركز أنظمة SD على المستخدمين الأفراد، محققة دقة ممتازة، بينما تتكيف أنظمة SA مع كلام المستخدم مع مرور الوقت وتتفوق على كل من نماذج SI وSD. ومع ذلك، يتطلب كل من أنظمة SA وSD بيانات تدريب، مما يشكل حاجزا آخر لأولئك الذين يعانون من اضطرابات تنكسية عصبية¹¹. على الرغم من التقدم الكبير، لا تزال نماذج ASR الحالية غير مناسبة للمتحدثين ذوي الإعاقة، بسبب نقص مجموعات بيانات التدريب المختلفة. لسد هذه الفجوة، يجب تطوير منهجيات شاملة لجمع البيانات تتناول جوانب مختلفة من عسر النطاق، مما يحسن أداء ASR للمتحدثين الذين يصعب التعرف عليهم البعض.

لتجاوز هذه القيود، يمكن للاستراتيجيات متعددة الوسائط التي تمزج بين الإشارات الصوتية والنطقية والبصرية أن تمثل إنتاج الكلام وتحسينه في أعراض عسر المرض بشكل شامل. على سبيل المثال، يتم الحصول على بيانات عن الحركة النطقية، مثل تصوير اللسان، باستخدام الموجات فوق الصوتية والتصوير الكهرومغناطيسي. غالبا ما تدمج هذه البيانات مع حركات الشفاه البصرية، ويمكن أن تعوض عن ضعف المعلومات الصوتية، مما يعزز القدرة على التمييز والتمييز بين الفونيمات¹². هذا التكرار الموجود في الأنظمة متعددة الوسائط يتوافق مع طرق التقييم السريري، مما يعزز قدرة المعالجين على ملاحظة حركات الوجه الفموي إلى جانب الكلام السمعي. وعلى العكس، توفر أطر التعلم العميق، وخاصة المحولات وشبكات التعلم، نمذجة متفوقة للتبعيات والتغيرات الزمنية داخل تسلسلات الكلام. تعمل هذه النماذج من خلال السماح للمحولات بالتقاط العلاقات السياقية الشاملة، مما يتيح التعرف على الفونيم حتى عندما تكون الإشارات الصوتية أقل أو محجوبة أو مخفضة¹³. تساهم شبكات TCN بشكل أكبر من خلال توفير مجالات استقبال مستقرة وتنعيم زمني، مما يعزز دقة اكتشاف حدود الفونيمات. عند دمجهما ضمن أطر الاندماج متعددة الوسائط، يعزز كلا النهجين دقة تصنيف الفونيمات في الكلام الخلفي ويسهل إعادة التأهيل السريري الأكثر دقة وتركيزا على التغذية الراجعة. لذلك، فإن هياكل التعلم العميق متعددة الوسائط هذه متوافقة مباشرة مع الأهداف السريرية الفورية، مثل تعزيز قياس وضوح الكلام، ومراقبة رحلة التأهيل، وتقديم علاجات مدعومة بالتقنية مصممة خصيصا لملفات ضعف النطق الحركي الخاصة بالأفراد¹⁴.

بينما تحمل هذه البنى متعددة الوسائط للتعلم العميق إمكانات كبيرة لحل عدم دقة تصنيف الفونيمات، فإن نقلها الفعال من أطر التجربة إلى أدوات تشخيصية موثوقة يتطلب هيكلا تشغيليا موحدا. لمعالجة ذلك، تصف الدراسة التالية سير عمل حسابي شامل يشمل جمع البيانات متعددة الوسائط، واستخراج الميزات، وتدريب النماذج. الهدف هو ضمان أن هذه الأنظمة المعقدة قابلة للتكرار والتحقق عبر مجموعة واسعة من الحالات السريرية. إن إنشاء مثل هذا المسار المنهجي الشفاف أمر بالغ الأهمية لأخصائيي النطق واللغة والمهندسين السريريين للتحقق من صحة الخوارزميات عبر مجموعة واسعة من خصائص المرضى ومستويات الإعاقة. وأخيرا، تعد هذه المنهجية المنهجية مقدمة للتنفيذ السريري، حيث تتيح دمج نماذج الكلام المتقدمة في التقييمات التنظيمية، وأنظمة الصحة الإلكترونية، ومنصات مراقبة العلاج طويلة الأمد.