Urządzenie z ulepszoną sztuczną inteligencją pomoże logopedom w identyfikacji przedszkolaków wymagających terapii mowy i powodów, dla których jest ona potrzebna. Urządzenie połączone z aplikacją pomoże w diagnozie, udzieli porad rodzicom i ułatwi zdalne konsultacje między specjalistami, takimi jak logopedzi, ortodonci lub fizjoterapeuci.
Dzięki temu urządzeniu dzieci będą mogły wymawiać słowa i frazy, a aplikacja wskaże wszelkie zauważone nieprawidłowości w wymowie.
Impulsem do stworzenia zespołu skupionego na stworzeniu urządzenia i oprogramowania do nagrywania i analizowania dźwięków i obrazów na potrzeby terapii mowy było osobiste doświadczenie młodego naukowca, który jest obecnie liderem programu NCBR LIDER. Matka Michała Kręcichwosta, studentka inżynierii biomedycznej na Politechnice Śląskiej w Gliwicach, doznała udaru mózgu. Doprowadziło to do afazji, skutkującej utratą zdolności mówienia. „Dla naszej rodziny było to zupełnie nowe i trudne doświadczenie. Nie mieliśmy pojęcia o afazji ani o tym, jak rozpocząć rehabilitację” – wspomina badacz.
Zobacz takżeJak sztuczna inteligencja wpłynie na pracę księgowych
Dr inż. Michał Kręcichwost wziął na siebie zadanie pomocy – początkowo dorosłym pacjentom cierpiącym na afazję, a następnie dzieciom potrzebującym wsparcia w rozwoju mowy. Obecnie jego zespół integruje różne technologie i rozwija system SpeechCAD, którego celem jest pomoc logopedom w całej Polsce.
Wcześniej, wraz z inżynierami Zuzanną Miodońską i Krzysztofem Mrozowskim, stworzył aplikację internetową „Afast! Mówi to”, która pomaga w rehabilitacji osób z afazją. Naukowiec opisuje ją jako wirtualnego rehabilitanta, który wypełnia czas między wizytami u specjalistów. Platforma jest dostępna bezpłatnie i oferuje ćwiczenia logopedyczne. Według twórców, projekt, będący częścią programu Innowacje Społeczne, odniósł sukces, a aplikacja nadal pomaga osobom z zaburzeniami mowy.
„Przeprowadzenie badań z udziałem osób starszych cierpiących na afazję okazało się złożonym wyzwaniem – każda osoba zmaga się z nieco innymi problemami nie tylko związanymi z artykulacją, ale także ze zrozumieniem. Zebranie niezbędnej bazy danych do opracowania algorytmów było nie lada wyzwaniem. Dlatego w kolejnych badaniach skupiliśmy się na dzieciach w wieku przedszkolnym, które były bardziej dostępne” – wyjaśnia dr Kręcichwost.
W ramach swojej pracy doktorskiej naukowiec zaprojektował urządzenie do nagrywania przestrzennych sygnałów akustycznych (dźwięków mowy rejestrowanych przez wiele mikrofonów) i opracował model głębokiego uczenia się w celu identyfikacji nieprawidłowej wymowy dźwięku „sz”. Jednocześnie dr inż. M
