Órák alatt tesztelhetők a klinikai beszédfelismerő modellek az NVIDIA új eszközével
Az NVIDIA új munkafolyamata órák alatt hoz létre validált klinikai beszédfelismerő tesztadatokat, elkerülve a védett egészségügyi információkkal kapcsolatos problémákat. Ez a módszer lehetővé teszi a ritka és komplex orvosi kifejezések pontos kiejtésének ellenőrzését.
A klinikai beszédfelismerő (ASR) rendszerek betanítása meglepően nehéz. Olyan gyógyszernevek, mint az Acetaminophen, Amlodipine, Cefazolin vagy Biktarvy, nem részei a mindennapi szókincseknek. A műtéti eljárások, anatómiai kifejezések és speciális diagnózisok is hasonló problémát jelentenek. A bolti beszédfelismerő rendszerek folyékonyan hangozhatnak, mégis elhibázhatják a legfontosabb klinikai szavakat. (Nvidia Developer)
A szintetikus adatszolgáltatás (SDG) segíthetne ezen a téren, de csak akkor, ha a generált beszéd fonetikailag pontos. Egy rosszul kiejtett gyógyszer- vagy eljárásnevet tartalmazó szöveg-beszéd (TTS) rendszer olyan adatokat hoz létre, amelyek rossz kiejtést tanítanak. A jól implementált SDG lehetővé teszi, hogy egy csapat órák alatt felállítson egy domain-specifikus teljesítménytesztet, anélkül, hogy valódi klinikai hanganyagot kellene gyűjteni, vagy meg kellene várni az annotációs folyamatokat vagy az IRB jóváhagyást.
Kapcsolódó: MedExAgent LLM
A klinikai ASR modellek fejlesztésének folyamata
Az agent skilljei végigvezetik a fejlesztőt a klinikai ASR értékelés ismételt lépésein: profil meghatározása, kulcsszóközpontú teljesítményteszt építése, kiejtés áttekintése, szintetikus hanganyag generálása, ASR viselkedésének mérése, és a következő iteráció kiválasztása. Ebben a folyamatban a teljes fejlesztési ciklus az ismétlődő javító hurok: felépítjük a teljesítménytesztet, értékeljük az ASR viselkedését, az eredmények alapján eldöntjük, mit változtassunk, és a változtatás után újra értékelünk.
Kapcsolódó: AI-terapeuta
A NeMo Data Designer szerepe a klinikai ASR modellek fejlesztésében
A NeMo Data Designer kiváló minőségű szintetikus adatokat generál a semmiből vagy alap adatokból. A fejlesztők meghatározhatják a kimeneti oszlopokat és az azok közötti függőségeket. A NeMo Data Designer kezeli a kötegelést, a párhuzamos végrehajtást, az érvényesítést, valamint az előnézeti vagy teljes futtatást. Az NVIDIA agent skilljei, a NeMo Data Designer és a Nemotron Speech segítségével a klinikai ASR-modellek értékelése órák alatt elvégezhetővé válik, az NVIDIA NeMo Data Designerrel és az NVIDIA Nemotron Speech-szel együttműködve.
Kapcsolódó: BioTool adathalmaz
Az NVIDIA új munkafolyamata a klinikai ASR-modellek fejlesztését jelentősen felgyorsítja, az NVIDIA NeMo Data Designer és a Nemotron Speech használatával.
Kapcsolódó: Zhejiang Egyetem támadás