| 한글제목(Korean Title) |
End-to-End 딥러닝을 이용한 효과적인 의학 음성인식 모델 제작과 활용방안 모색 |
| 영문제목(English Title) |
Leveraging End-to-End deep learning to build effective medical speech-to-text models and seeking their application |
| 저자(Author) |
김평은
이미정
이주형
PyeongEun Kim
MiJeong Lee
JuHyung Lee
|
| 원문수록처(Citation) |
VOL 45 NO. 01 PP. 2071 ~ 2073 (2018. 06) |
한글내용
(Korean Abstract) |
본 연구의 목적은 인공지능 개념을 의학 분야, 특히 의사-환자 간의 음성인식을 통한 커뮤니케이션 자동기록에 적용하여 보다 편리하고 효율적인 시스템을 제시하는데 있다. 병원이라는 장소가 가지는 소음과 의사들의 개개인 별 억양과 같은 특수한 상황을 고려한 결과, end-to-end 딥러닝 알고리즘 중 하나인 딥스피치(Deepspeech)가 효과적인 음성인식 모델 구축에 가장 적합하다고 판단하였다. 딥스피치를 이용한 음성인식은 오디오 파일 자체를 모델의 입력값으로 사용하기 때문에 음성을 음소(Phonemes)로 분리시켜 훈련시키는 기존의 방법보다 효과적으로 음성을 인식한다. 이 논문에서는 공개된 대용량 데이터를 이용하여 다수의 에폭(epoch)을 반복해 음성인식 모델을 최적화할 수 있음을 보이고, 간단한 Graphic User Interface(GUI) 어플리케이션을 통해 모델을 구현하였다. 본 연구 관련된 자료는 [https://github.com/mijung-kim/2018_winter_internship] 에 공개되어 있다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
