زيادة البيانات بالشبكات التوليدية التنافسية لكشف شدة عسر التلفظ لدى مرضى الشلل الرعاش: مقارنة خطي زيادة بالتعلم العميق

يواجه كشف شدة الأمراض الصوتية بالتعلم العميق مشكلة شائعة تتمثل في اختلال توازن الفئات، إذ تندر عينات بعض درجات الشدة فيقل تمثيلها في بيانات التدريب، فينتج عن ذلك نماذج منحازة وضعف في التعرف إلى فئات الشدة الأقلية، وقد شاع استخدام الشبكات التوليدية التنافسية في زيادة البيانات لمعالجة هذه المشكلة، غير أن دراسات قليلة قارنت بين تطبيق هذه الزيادة في مراحل مختلفة من خط معالجة الكلام عند تقويم شدة عسر التلفظ منخفض الحركة المصاحب للشلل الرعاش

وتقوم فكرة الدراسة على توليد بيانات اصطناعية متوازنة بطريقتين مختلفتين، إحداهما تولد الكلام نفسه ثم يحول إلى تمثيلات تصويرية، والأخرى تولد الصور التمثيلية مباشرة، بما يتيح اختبار أثر موضع الزيادة في الخط المعالجي على أداء التصنيف

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى المقارنة بين طريقتين لزيادة البيانات بالشبكات التوليدية التنافسية لمعالجة اختلال التوازن الفئوي في كشف الشدة القائم على مخططات الترددات المنخفضة الطيفية، باستخدام مجموعة بيانات معروفة لعسر التلفظ لدى مرضى الشلل الرعاش، ففي الطريقة الأولى وُلد كلام اصطناعي حُول لاحقًا مع الكلام الأصلي إلى تمثيلات مخططية طيفية منخفضة التردد، وفي الطريقة الثانية وُلدت صور المخططات الطيفية مباشرة، ثم استخدمت هذه التمثيلات مدخلات لشبكة عصبية التفافية دربت وقومت في شرطين هما استقلال المتحدث واعتماد المتحدث، مع تحقق متقاطع خماسي الطيات متكرر ومقسم بحسب المتحدثين وبخمس بذور عشوائية مستقلة في شرط الاستقلال

ثانيًا: أبرز النتائج

تباينت نتائج الطريقتين باختلاف بروتوكول التقويم ومقياس التصنيف المستخدم، وتتلخص أبرز النتائج فيما يأتي

1، في تقويم استقلال المتحدث حقق توليد الكلام متوسط دقة بلغ 56.47 في المئة بانحراف معياري قدره 3.40، مقابل 55.47 في المئة بانحراف معياري قدره 3.35 لتوليد الصور، و53.13 في المئة بانحراف معياري قدره 3.26 لخط الأساس القائم على البيانات الأصلية

2، تفوق توليد الكلام في متوسط الدقة والضبط والنوعية، بينما تفوق توليد الصور في متوسط الاستدعاء ومقياس إف واحد، بما يعكس مفاضلات مختلفة بين أنواع الأخطاء التصنيفية

3، في تقويم اعتماد المتحدث حقق توليد الصور أعلى متوسط دقة بلغ 76.48 في المئة بانحراف معياري قدره 4.09، مقابل 73.04 في المئة بانحراف معياري قدره 3.63 لتوليد الكلام، و73.04 في المئة بانحراف معياري قدره 3.25 لخط الأساس

4، تمثل نتائج اعتماد المتحدث حدًا أعلى متفائلًا للتقويم، لأن هوية المتحدث كانت مشتركة بين قسمي التدريب والتقويم، وهو ما يوجب الحذر في تعميمها

ثالثًا: دلالات الدراسة وتطبيقاتها

أظهر خطا الزيادة بالشبكات التوليدية التنافسية إمكانات واعدة لمعالجة اختلال التوازن الفئوي ضمن الشروط المدروسة، على أن يتوقف تفوق أحدهما على بروتوكول التقويم ومقياس التصنيف المعتمد، وهو ما ينبه الباحثين في معالجة إشارات الكلام الطبية إلى ضرورة الإفصاح الدقيق عن شروط التقويم عند مقارنة طرائق الزيادة، ويمكن للباحثين العرب العاملين على قواعد بيانات صوتية عربية محدودة أن يستفيدوا من هذا الإطار المقارن في بناء بيانات تدريب متوازنة لاضطرابات النطق والصوت

وتكتسب هذه المقارنة أهمية إضافية في المجالات الطبية التي يصعب فيها جمع عينات كافية من الحالات النادرة أو الشديدة، إذ يظل توليد البيانات الاصطناعية خيارًا عمليًا لتعويض الندرة دون المساس بخصوصية المرضى أو تحميلهم أعباء تسجيلات إضافية

وتظل جودة البيانات الاصطناعية المولدة قضية مفتوحة للبحث، إذ يحتاج الباحثون إلى أدوات أدق للتحقق من واقعية الكلام والصور المولدة وقدرتها على تمثيل التنوع الحقيقي في أصوات المرضى

وتتزايد أهمية هذه القضية مع اتساع توظيف الذكاء الاصطناعي في دعم تشخيص اضطرابات الصوت والنطق، إذ تعتمد موثوقية هذه الأنظمة على توازن بيانات تدريبها بقدر اعتمادها على هندسة نماذجها، وتصبح طرائق الزيادة الاصطناعية بذلك مكونًا بنيويًا في خطوط المعالجة الطبية لا مجرد تحسين هامشي

وخلاصة القول إن زيادة البيانات بالشبكات التوليدية التنافسية أداة مفيدة لمعالجة اختلال توازن الفئات في كشف شدة عسر التلفظ، شريطة اختيار موضع الزيادة وبروتوكول التقويم بعناية تكشف الأداء الحقيقي للنموذج لا تقديره المتفائل