감기, 선생님처럼 끊임없이 말함, 콘서트에서 큰 소리로 노래하기, 알레르기로 인해 목소리를 잃을 수 있지만(발성장애) 항상 회복됩니다. 그러나 성대 마비를 일으키는 질병이 있는데, 성대(후두)에 대한 신경 자극이 중단되면 목소리를 조절하는 근육의 움직임을 조절할 수 없게 됩니다. 이로 인해 성대 근육의 만성 마비가 발생합니다.
성대 마비로 인해 말하기가 어려워지고 숨 쉬는 것조차 어려워질 수 있습니다. 성대는 소리를 낼 뿐만 아니라 음식이나 음료, 심지어 타액이 기관으로 들어가 질식을 유발하는 것을 막아 기도를 보호하는 역할도 하기 때문입니다. 성대 마비의 가능한 원인으로는 일부 유형의 암, 수술 중 신경 손상, 경추 손상, 심각한 바이러스 감염 등이 있습니다.
그러나 만성적 또는 영구적으로 목소리를 잃은 사람들에게는 희망이 있습니다. 캘리포니아 대학교 로스앤젤레스(UCLA)의 생명공학자들이 개발한 인공지능을 활용한 새로운 웨어러블 접착 장치입니다.
그들은 6.5제곱센티미터가 조금 넘는 크기의 부드럽고 얇고 신축성이 있는 장치를 발명했으며, 목 바깥쪽 피부에 부착하여 성대 기능 장애가 있는 사람들이 음성 기능을 회복할 수 있도록 돕습니다. 이 발명품은 권위 있는 잡지에 막 공개되었습니다. 네이처커뮤니케이션즈 제목은 “기계 학습 지원 웨어러블 센서 운영 체제를 사용하여 성대 없이 말하기”입니다.UCLA 사무엘리 공과대학(UCLA Samueli School of Engineering)의 John Chen 교수와 동료들이 개발한 생체전기 시스템은 기계 학습 기술의 도움을 받아 사람의 후두 근육의 움직임을 감지하고 해당 신호를 대략 95%의 정확도로 가청 음성으로 변환할 수 있습니다. .
이 성과는 장애인을 돕기 위한 Chen의 노력 중 가장 최근의 성과입니다. 그의 팀은 이전에 ASL 사용자가 수화 방법을 모르는 사람들과 의사소통할 수 있도록 돕기 위해 미국 수화(ASL)를 실시간으로 영어 음성으로 번역할 수 있는 웨어러블 장갑을 개발했습니다.
패치 디자인
새로운 소형 패치형 장치는 두 가지 구성 요소로 구성됩니다. 첫 번째는 자체 구동 감지 구성 요소로 근육 움직임에 의해 생성된 신호를 감지하고 분석 가능한 고해상도 전기 신호로 변환합니다. 이러한 전기 신호는 기계 학습 알고리즘을 사용하여 음성 신호로 변환됩니다. 다른 하나인 재생 구성 요소는 이러한 음성 신호를 원하는 음성 표현으로 변환합니다.
두 구성 요소 모두 유연한 특성을 지닌 생체 적합성 실리콘 화합물인 PDMS(폴리디메틸실록산) 층과 구리 유도 코일로 만들어진 자기 유도 층이라는 두 개의 층으로 구성되어 있습니다. 두 구성 요소 사이에는 자기장을 생성하는 작은 자석과 혼합된 PDMS를 포함하는 다섯 번째 층이 있습니다.
Chen 팀이 3년 전에 개발한 유연한 자기 감지 메커니즘을 사용하여 이 장치는 기계적 힘으로 인해 자기장이 변할 때 자기장의 변화(이 경우 후두 근육의 움직임)를 감지할 수 있습니다. 유연한 자기층에 내장된 구불구불한 인덕터는 감지 목적을 위한 고정밀 전기 신호를 생성하는 데 도움이 됩니다.
이 장치의 크기는 각 측면이 3cm, 무게는 약 7g, 두께는 1.5mm에 불과합니다. 생체적합성 양면테이프는 사람의 목 성대 근처에 쉽게 부착할 수 있으며 필요에 따라 테이프를 다시 붙여 재사용할 수 있다.
음성 장애는 모든 연령층과 인구통계학적 그룹에 걸쳐 흔합니다. 연구에 따르면 약 3분의 1의 사람들이 일생 동안 적어도 한 가지 질병을 앓는 것으로 나타났습니다. 그러나 수술적 중재나 음성 치료와 같은 치료적 접근법을 사용하면 음성 회복 기간이 3개월에서 1년까지 연장될 수 있지만, 일부 침습적 기술에서는 수술 후 장기간의 강제 음성 휴식이 필요합니다.
5년 연속 세계에서 가장 많이 인용되는 연구자 중 한 명으로 선정된 Chen은 “휴대용 전기후두 장치 및 식도 기관절개술과 같은 현재 솔루션은 불편하거나 침습적이거나 불편할 수 있습니다”라고 말합니다. “이 새로운 장치는 음성 장애에 대한 치료 전 기간과 치료 후 회복 기간 동안 환자의 의사소통을 도울 수 있는 비침습적 웨어러블 옵션을 제공합니다.”
연구원들은 실험에서 8명의 건강한 성인을 대상으로 웨어러블 기술을 테스트했습니다. 그들은 후두 근육 움직임에 대한 데이터를 수집하고 기계 학습 알고리즘을 사용하여 결과 신호를 특정 단어에 연결했습니다. 그런 다음 장치의 작동 구성 요소를 통해 해당 출력 오디오 신호를 선택합니다.
연구팀은 참가자들에게 “안녕 레이첼, 오늘은 어때요?”를 포함하여 큰 소리와 소리 없이 5개의 문장을 말하도록 요청하여 시스템의 정확성을 입증했습니다. 그리고 사랑해!” 모델의 전체 예측 정확도는 94.68%였으며, 재생 구성 요소에 의해 참가자의 음성 신호가 증폭되어 감지 메커니즘이 후두 움직임 신호를 인식하고 참가자가 말하고 싶은 해당 문장과 일치했음을 보여줍니다.
앞으로 연구팀은 기계 학습을 통해 장치의 어휘력을 계속 확장하고 언어 장애가 있는 사람들을 대상으로 테스트할 계획입니다.
"트위터를 통해 다양한 주제에 대한 생각을 나누는 아 동율은 정신적으로 깊이 있습니다. 그는 맥주를 사랑하지만, 때로는 그의 무관심함이 돋보입니다. 그러나 그의 음악에 대한 열정은 누구보다도 진실합니다."