|
|
Automatizovaná segmentace diadochokinetické úlohy za účelem vzdáleného monitorování řeči
Svojanovský, Jan ; Mekyska, Jiří (oponent) ; Kováč, Daniel (vedoucí práce)
Práce popisuje zdravotní problémy spojené s Parkinsonovou nemocí, zvláště pak hypokinetickou dysartrii. Popisuje také subjektivní a objektivní metody, kterými se závažnost nemoci stanovuje. Jednou z metod je diadochokinetická (DDK) úloha založena na opakování slabik tak, aby se prověřila funkčnost artikulačního aparátu (např. jazyk, rty či hlasivky). Správná tvorba řeči může být také zkoumána klinickým logopedem v testu 3F, který vážnost poruch v oblastech tvorby řeči bodově hodnotí. V práci jsou popsány přístupy jiných autorů, kteří se také zabývali automatizovaným vyhledáváním slabik v řečovém signálu. Práce popisuje některé příznaky, charakterizující vlastnosti lidské řeči, které jsou potřebné pro trénování modelu strojového učení. Tyto příznaky byly počítány pro každý z 30 ms segmentů nahrávky DDK úlohy, ve které byly opakovány slabiky [Pa]-[Ta]-[Ka]. Hlavním cílem je automatizovaná detekce a klasifikace slabik [Pa]-[Ta]-[Ka] v nahrávkách. K tomu byl aplikován algoritmus využívající logistickou regresi. Výsledná průměrná přesnost detekce slabik v nahrávkách byla 89,4 %, průměrná sensitivita 59,0 % a průměrná specificita 93,79 %. Rozlišovat druhy jednotlivých slabik se dařilo s průměrnou přesností 90,78 %, průměrnou sensitivitou 59,0 % a specificitou 95,39 %. Při úvaze, že se predikovaný začátek nenacházel přímo na manuálně anotovaném začátku, ale v jeho blízkém okolí (až ± 3 segmenty) dosahovala průměrná sensitivita detekce 96,9 % a průměrná sensitivita klasifikace druhu slabik 85,1 % s průměrnými rozdíly manuálně anotovaných a automaticky segmentovaných začátků slabik 10,35 ms. Průměrná přesnost klasifikace řečníků na zdravé a nemocné s PN pomocí logistické regrese (s řečovými parametry získanými po automatizované segmentaci) dosahovala pouze 43,92 %, sensitivita 70,0 % a specificita 30,61 % (práh 70 %). Pomocí lineární regrese proběhla predikce klinických skórů testu 3F. Pro faciokinezi dosahovala odmocnina ze střední kvadratické chyby (RMSE) po manuální anotaci slabik hodnoty 2,764 a po automatizované segmentaci hodnoty 3,271. Hodnoty RMSE u fonetiky byly 3,657 (manuálně) a 0,753 (automatizovaně). Vytvořený algoritmus dokáže relativně úspěšně detekovat slabiky v DDK úlohách a je tak možné určovat parametry kvantifikující poruchy řeči s nízkými rozdíly s manuální segmentací. Pokud nahrávky DDK úloh budou splňovat podmínky pro výpočet všech těchto parametrů, mohl by být algoritmus využit ke klasifikaci řečníků na zdravé a nemocné s PN, u kterých by navíc mohl hodnotit závažnost dysartrie.
|
|
|
Monitorování dlouhodobého efektu repetitivní transkraniální magnetické stimulace na řeč a hlas u pacientů s Parkinsonovou nemocí
Kaplan, Václav ; Novotný, Kryštof (oponent) ; Mekyska, Jiří (vedoucí práce)
Dopaminergní léčba využívaná pro léčbu Parkinsonovy nemoci (PN) má u každého pacienta individuální efekt na poruchy řeči spojené s hypokinetickou dysartrií, která se vyskytuje u většiny pacientů s PN. Tato studie analyzuje dlouhodobé účinky experimentální léčby repetitivní transkraniální magnetickou stimulací (rTMS) u pacientů s PN. Cílem je provést rešerši akustických a statistických analýz použitých v podobných studiích v minulosti, pomocí sady akustických parametrů kvantifikovat změny způsobené léčbou a výsledky statisticky vyhodnotit. Jsou vybrány akustické parametry, které popisují fonaci, artikulaci a prozódii (oblasti tvorby řeči). Je využita databáze nahrávek pacientů s mírným průběhem nemoci, ze které je vybráno 18 pacientů, kteří se zúčastnili jednoho měření před absolvováním léčby a čtyřech měření po ní. Pacienti jsou rozděleny do aktivní a sham (placebo) skupiny. U několika parametrů, především ve fonační oblasti, byly pozorovány zjevné změny po absolvování rTMS. Výsledky statistického zpracování akustických parametrů ale také poukazují na velký vliv placebo efektu, protože dobré a často i srovnatelné výsledky lze pozorovat i u sham skupiny.
|
|
|
Assessment of Parkinson’s Disease Based on Acoustic Analysis of Hypokinetic Dysarthria
Galáž, Zoltán ; Brezany, Peter (oponent) ; Sklenář, Jaroslav (oponent) ; Mekyska, Jiří (vedoucí práce)
Hypokinetic dysarthria (HD) is a speech disorder occurring in up to 90% of patients suffering from idiopathic Parkinson’s disease (PD) that significantly contributes to unnaturalness and incomprehensibility of speech of these patients. The main aim of this doctoral thesis is to investigate possibilities of using quantitative para-clinical analysis of HD, employing speech parametrization, statistical analyses, and machine learning techniques, for diagnosis and remote objective assessment of PD. This thesis demonstrates that it is possible to use computerized acoustic analysis to sufficiently describe HD, especially dysprosody, which is characterized by flat speech melody and unnatural speech rate. Moreover, it demonstrates it is also possible to use robust clinically interpretable acoustic parameters quantifying various manifestations of HD, such as phonation, articulation, and prosody, to assess the severity of motor and non-motor symptoms of PD. Next, it presents the investigation of pathophysiological mechanisms shared by HD and freezing of gait in PD. And finally, it proves it is also possible to accurately estimate the change in gait-related deficits in the horizon of two years using acoustic analysis at the baseline.
|
|
|
Moderní řečové příznaky používané při diagnóze chorob
Bílý, Ondřej ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá diagnózou Parkinsonovy choroby na základě analýzy řečového signálu. Na začátku práce je popsána tvorba řečového signálu. Následuje popis analýzy řečového signálu, jeho předzpracování a následná extrakce příznaků. Dále je popsána Parkinsonova choroba a změna řečového signálu při tomto postižení. V následující části jsou popsány příznaky, které se používají pro diagnózu Parkinsonovy choroby (FCR, VSA, VOT atd.). Další část práce se zabývá metodami redukce a výběru příznaků pomocí učících se algoritmů (SVM, ANN, k-NN) a jejich následné ohodnocení. V poslední části diplomové práce je popsán vytvořený program pro počítání příznaků. Dále je popsán výběr příznaků a na konec jsou zhodnoceny všechny dosažené výsledky.
|
|
|
Odhad progrese Parkinsonovy nemoci pomocí akustické analýzy řeči
Ustohalová, Iveta ; Kiska, Tomáš (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato diplomová práce se zabývá odhadem progrese Parkinsonovy nemoci pomocí akustické analýzy řeči. V jejím rámci byla prostudována problematika hypokinetické dysartrie jako důsledku Parkinsonovy nemoci a její vliv na mluvený projev. Dále byly podrobně prostudovány metody předzpracování řečového signálu a řečové parametry vhodné pro klasifikaci patologické řeči. Následně byl v prostředí MATLAB vytvořen systém pro odhad hodnoty UPDRS III škály, což je hodnota subjektivně určená lékařem, pomocí jednoho individuálního příznaku a poté byla pomocí algoritmu SFFS vybrána nejlepší kombinace příznaků, která odhaduje hodnotu UPDRS III s nejmenší chybou. Pozornost je taktéž věnována korelaci jednotlivých příznaků s UPDRS III škálou.
|
|
|
Výzkum moderních artikulačních parametrů pro analýzu hypokinetické dysartrie
Vrba, Filip ; Zvončák, Vojtěch (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato práce se zabývá hypokineticou dysartrií, jakožto poruchou motorické realizace řeči, která se vyskytuje u přibližně 70% pacientů s Parkinsonovou nemocí (PN). V práci je navržena a analyzována dvojice nově vytvořených řečových parametrů pro kvantifikaci artikulace při HD. Tyto parametry byly validovány na nahrávkách zdravých řečníků a pacientů s PN. V teoretické části práce jsou popsány konvenční a využité metody zpracování řečových signálů, parametrizace a statistické analýzy. V části realizace systému je popsán praktický návrh nových parametrů a také použité metody jejich statistického zhodnocení pomocí korelační analýzy a strojového učení. Cílem práce je návrh nových řečových parametrů pro diagnostiku HD. Navržený systém byl realizován v programovém prostředí MATLAB.
|
|
|
Analýza vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie
Havelková, Nikola ; Galáž, Zoltán (oponent) ; Kováč, Daniel (vedoucí práce)
Práce se zabývá analýzou vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie. Pro zvýraznění řeči jsou zvoleny a v prostředí MATLAB R2022a implementovány vhodné jednokanálové metody, a to konkrétně spektrální odečítání a Kalmanův filtr. Metody jsou rovněž použity i u nahrávek bez zatížení šumem, ke kterým byl přidán aditivní bílý šum. Účinnost těchto metod je pak hodnocena objektivně pomocí hodnot odstupu signálu od šumu. Po zvýraznění řeči jsou z nahrávek extrahovány řečové příznaky. Vliv přítomnosti šumu, a i jeho následné potlačení jednotlivými metodami, je následně vyhodnoceno statistickou analýzou, konkrétně za pomoci Kruskal-Wallisova testu a post-hoc Dunnova testu. Distribuce pravděpodobnosti parametrů nahrávek čistých, zašuměných i zvýrazněných, u nichž je dle statistických testů vliv šumu signifikantní, jsou vykresleny za pomoci houslových a krabicových grafů. Na závěr byla provedena klasifikace nahrávek logistickou regresí za pomoci strojového učení, kdy byl dle hodnot plochy pod ROC křivkou popsán vliv přítomnosti šumu a následné zvýraznění řeči na automatizovanou detekci hypokinetické dysartrie.
|
|
|
Vývoj moderních akustických parametrů kvantifikujících hypokinetickou dysartrii
Kowolowski, Alexander ; Zvončák, Vojtěch (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato práce se zabývá návrhem a testováním nových akustických parametrů pro zpracování dysprozodické řeči u pacientů trpících hypokinetickou dysartrií. V práci je uvedeno a otestováno 41 nových parametrů pro kvantifikaci prozodie, tzn. popisujících melodii, hlasitost, rytmus a tempo řeči. Nové parametry by se daly rozdělit do sedmi skupin. V rámci skupin se parametry liší především použitými statistickými veličinami. První čtyři skupiny jsou založeny na absolutních diferencích a kumulativních součtech základního kmitočtu a krátkodobé energie signálu. Pátá skupina obsahuje parametry založené na násobku základního kmitočtu a krátkodobé energie do jednoho globálního intonačního parametru. Šestá skupina obsahuje globální časové parametry, které jsou poměry konvenčních rytmických a konvenčních tempových parametrů. Poslední skupina pak obsahuje globální parametry pro kvantifikaci celé prozodie, což jsou poměry globálních intonačních a globálních časových parametrů. Všechny parametry byly testovány na české databázi řečníků s Parkinsonovou nemocí PARCZ. Pro jednotlivé parametry byly nejdříve vykresleny grafy hustoty pravděpodobnosti. Následně byla provedena korelační analýza s dostupnými medicínskými škálami, nejprve pro všechny, poté jen v rámci globálních parametrů. Dále byla provedena klasifikační a regresní analýza s novými parametry pomocí klasifikačních a regresních stromů. Tato analýza byla provedena nejdříve pro jednotlivé nové parametry, poté pro všechna data všech parametrů najednou, a nakonec byl proveden sekvenční výběr nejlepší kombinace parametrů pro danou problematiku. I když nevyšel jeden určitý parametr jako jasný favorit celé diplomové práce, bylo pár parametrů, které se mezi nejlépe vycházejícími objevovaly opakovaně, a také se u některých testů objevil trend, že mezi nejlepším a druhým nejlepším parametrem byl větší rozdíl než mezi jinými v pořadí, dalo by se tedy hovořit o parametrech, které byly pro danou analýzu mnohem lepší než ostatní testované. Konkrétní výsledky a diskuze jsou obsaženy v závěru.
|
|
|
Analýza řečových promluv pro IT diagnostiku neurologických onemocnění
Mekyska, Jiří ; Dostál, Otto (oponent) ; Přibilová, Anna (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato práce se zabývá návrhem systému analýzy hypokinetické dysartrie, jakožto poruchy motorické realizace řeči, která se vyskytuje u přibližně 90 % pacientů s Parkinsonovou nemocí. Pozornost je zde věnována především parametrizačním technikám, pomocí kterých je možné toto onemocnění diagnostikovat, monitorovat a odhadnout jeho progresi. Dále jsou v práci nalezeny řečové parametry, které nejvíce korelují se subjektivními testy, a pomocí kterých je možné odhadnout hodnoty různých hodnotících škál, jako např. unifikované škály pro hodnocení Parkinsonovy nemoci (UPDRS), či testu kognitivních funkcí (MMSE). V práci je rovněž navržen protokol akvizice dysartrické řeči, který lze v kombinaci s akustickou analýzou použít k odhadu zatížení hypokinetickou dysartrií v oblasti faciokineze, fonorespirace a fonetiky (korelace s 3F testem). Z hlediska parametrizace jsou pak v práci uvedeny zcela nové parametry založené na modulačním spektru, sluchové struktuře, bikepstru, aproximační a vzorkové entropii, empirické modální dekompozici a singulárních bodech. Všechny navržené techniky jsou integrovány do uceleného konceptu systému tak, že je možné jej implementovat v nemocnici a používat k výzkumu či hodnocení tohoto onemocnění.
|
|
|
Diferenční analýza multilingválního řečového korpusu pacientů s neurodegenerativními onemocněními
Kováč, Daniel ; Zvončák, Vojtěch (oponent) ; Mekyska, Jiří (vedoucí práce)
Diplomová práce se zabývá automatizovanou diagnózou hypokinetické dysartrie v multilingválním řečovém korpusu. Jedná se o poruchu motorické realizace řeči vyskytující se u pacientů s neurodegenerativními onemocněními jako je například Parkinsonova nemoc. Automatizovaná diagnóza probíhá na základě akustické analýzy řeči a následným použitím matematických modelů. Tato metoda je na vzestupu díky její objektivitě a možné nezávislosti na národnosti. Cílem práce je zjistit, které akustické parametry mají vysokou diskriminační sílu a které jsou závislé na konkrétním jazyku mluvčího. K tom je využita statistická analýza parametrizovaných řečových úloh a následné modelování metodami strojového učení. Analýzy proběhly pro češtinu, americkou angličtinu, maďarštinu a všechny jazyky dohromady. Bylo zjištěno, že pouze některé parametry podporující diagnózu hypokinetické disartrie a jsou nezávislé na jazyku mluvčího. Nejlepší výsledky vykazuje parametr relF2SD a po něm parametr NST. Při klasifikaci mluvčích všech jazyků dohromady model dosauje přesnosti 59 % a senzitivity 72 %.
|
host ::
RSS.