Deep Learning Netzwerke zur quantitativen Bewertung organischer Stimmstörungen und deren Behandlung

• Antragstellerinnen / Antragsteller: Professor Dr.-Ing. Michael Döllinger; Professorin Dr. Anne Schützenberger
• Fachliche Zuordnung: Hals-Nasen-Ohrenheilkunde, Phoniatrie und Audiologie
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 468206600

Die klinische Routine in Diagnose und Behandlung von organischen Stimmstörungen ist aktuell geprägt von subjektiven/objektiven Beurteilungen der akustischen Stimmqualität und der subjektiven Beurteilung der visuell aufgezeichneten Stimmlippenschwingungen. Grund für die bisher rein subjektive Bewertung der Stimmlippenschwingungen sind der komplexe physikalische Prozess und die erschwerte Zugänglichkeit des Kehlkopfes.Aktuelle Fortschritte im Bereich des Maschinellen Lernens und der numerischen Modellierung haben das Potential zur quantitativen Diagnose und Behandlungsunterstützung für viele Erkrankungen, einschließlich Stimmstörungen, aufgezeigt. Wir wollen die Möglichkeiten von aktuellen Methoden der Klassifikation (Neuronale Netze), numerischer Modellierung und multi-modalen Datensätzen nutzen, um die Diagnostik und Behandlung organischer Stimmstörungen zu unterstützen, indem wir quantitative Aussagen über den Schweregrad der Störung vor, während und nach der Behandlung ermöglichen.Der erste innovative Aspekt ist die Entwicklung eines verbesserten Mehrmassemodells (6MM+) inklusive Lattice-Boltzmann Strömungslöser zur Simulation der Stimmlippenschwingungen unter Ausnutzung der Möglichkeiten moderner Grafikprozessoren. (2) Wir verwenden ein neuronales Netz um das 6MM+ an die, mittels Hochgeschwindigkeitsendoskopie (HSE) aufgezeichneten, Stimmlippenschwingungen zu optimieren. Dies liefert die im 6MM+ enthaltenen biomechanischen Parameter, wie z.B. lokal schwingende Stimmlippenmassen, Steifigkeiten und subglottalen Luftdruck. (3) Die aus dem 6MM+ bestimmten biomechanischen Parameter, die direkt aus der HSE berechneten glottalen Parameter, die berechneten Parameter aus dem akustischen Signal und patientenspezifische Parameter werden in einem multi-modalen Datensatz zusammengefasst. Basierend auf diesen Parametern wird mittels eines neuronalen Netzes die Schwere der Stimmstörung (0-100) errechnet. Dies ist für alle Zeitpunkte, also vor, während und nach der operativen Behandlung, möglich. (4) Mittels einer Feature Importance Analyse (Adaptive Boosting) werden die Parameter bestimmt, die das Krankheitsbild von organischen Stimmstörungen widerspiegeln. (5) Der gesamte Workflow wird in einem Softwaretool „VoIce Treatment AnaLysIs Tool (VITALITy)” integriert und steht dann anderen Wissenschaftlern zur Verfügung.Zum Training und Validierung von VITALITy wird eine Studie mit 90 PatientInnen, die an einer Stimmlippenparese, Muskelatrophie oder einem Stimmlippenpolyp leiden, und einer gesunden Kontrollgruppe (60 ProbandInnen) durchgeführt. Die Software wird zu der klinisch angestrebten quantitativen Einschätzung von organischen Stimmerkrankungen vor, während und nach der Therapie beitragen. Das Projekt wird neue Standards in der quantitativen Beurteilung von organischen Stimmstörungen setzen, indem aktuelle Methoden des Maschinellen Lernens, numerische Modellierung und multi-modale Daten gemeinschaftlich berücksichtigt werden.

• DFG-Verfahren: Sachbeihilfen