Apprentissage automatique tout optique appliqué à la reconnaissance vocale pour la détection de maladies neuropsychiatriques

 

Recherche intersectorielle - Programme Audace

Concours 2020-2021

 

Composition de l'équipe :

Roberto Morandotti,  (Institut national de la recherche scientifique),  Responsable

Gabriella Gobbi,  (Université McGill),  Co-directrice

Charles Reiss,  (Université Concordia),  Co-chercheur

 

Domaine : Neurosciences, santé mentale et toxicomanies

Secteurs de la recherche : Sciences naturelles et génie; Sciences de la santé; Sciences humaines et sociales

Les algorithmes d'apprentissage automatique sont à la base d'un nombre croissant de services aux consommateurs. L'application de réseaux de neurones artificiels (RNA), c'est-à-dire le traitement d'informations inspiré par le cerveau, présente un intérêt particulier dans le domaine médical, où les RNAs peuvent jouer un rôle d'aide au diagnostic de haute précision, par exemple pour la détection du cancer de la peau. Cependant, la performance de la plupart des RNAs reste dépendante et limitée par la performance du matériel informatique. Les RNAs photoniques, où les composants optiques constituent une base de traitement alternative à l'électronique (ce dernier étant limité en termes de performance), offrent de nouvelles plateformes adaptées à la résolution de problèmes complexes. En particulier, l'utilisation de plateformes photoniques sur puce permet des approches évolutives pouvant potentiellement traiter les données à très haut débit (~ 1THz) avec une consommation d'énergie très faible (<10 mW). Les patients atteints de maladies mentales telles que la schizophrénie présentent des dysfonctionnements de langage complexes, à la fois en termes de mot unique, de syntaxes, d'insensibilité au contexte ou de vitesse et de rythme du langage.

Le but de ce projet interdisciplinaire est de développer une technologie innovante, compacte et économe en énergie de plateforme de réseaux de neurones optique capable de traiter les données avec une vitesse de traitement sans précédent, en utilisant le dynamique non linéaire des peignes de fréquence de micro-résonateurs pour un codage dense, offrant ainsi une sensibilité accrue aux tâches de reconnaissance de motifs pour l'analyse de la parole. Une telle plateforme sera spécifiquement appliquée à des centaines de patients atteints de troubles neurologiques et mentaux de l'Université McGill Health Center pour la détection d'altérations imperceptibles des habitudes de parole, de la vitesse, de l'articulation des mots et syntaxes autrement difficiles à reconnaître, même par un médecin expérimenté. L'objectif à long terme du projet est de développer des méthodes innovantes d'apprentissage automatique dans les applications médicales pour améliorer le diagnostic précoce et les traitements liés aux maladies neuropsychiatriques qui ne peuvent souvent être traitées que si elles sont diagnostiquées précocement. La commercialisation de la technologie résultante améliorera la santé de millions de Canadiens et permettra la croissance des secteurs d'interaction homme-machine.

Appel de propositions