|
Analýza fonace u pacientů s Parkinsonovou nemocí
Kopřiva, Tomáš ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá analýzou fonace u pacientů s Parkinsonovou nemocí (PN). Přibližně 90% pacientů s Parkinsonovou nemocí trpí motorickou poruchou řeči nazývanou hypokinetická dysartrie. Je navržen systém pro rozpoznání Parkinsonovy nemoci z řečových signálů a je otestováno několik typů příznaků. Pro klasifikaci je použita česká řečová databáze pacientů s Parkinsonovou nemocí PARCZ. Obsahuje 84 pacientů s PN a 49 zdravých kontrolních řečníků. Výsledky jsou vyhodnoceny dvěma způsoby. Nejprve jsou příznaky analyzovány jednotlivě Spearmanovým korelačním testem, vzájemnou informací a Mann-Whitneyho U testem. Klasifikace je založena na náhodných stromech společně s validací leave-one-out. V druhém kroku je použit algoritmus výběru příznaků SFFS pro dosažení co nejlepšího výsledku klasifikace. Navržený systém je otestován pro jednotlivá pohlaví zvlášť i dohromady. Nejlepší výsledek pro obě pohlaví dohromady vyjadřuje přesnost klasifikace 89,47 %, sensitivita 91,67% a specificita 85,71 %. Výsledky práce ukázaly, že pro analýzu fonace mají největší význam dlouhé realizace vokálů vyslovené s maximální nebo minimální intenzitou (ne šeptem).
|
|
Určování období vzniku interpretace za pomoci metod parametrizace hudebního signálu
Král, Vítězslav ; Mucha, Ján (oponent) ; Kiska, Tomáš (vedoucí práce)
Cílem této diplomové práce je shrnout dosavadní poznatky z oblasti srovnávání zvukových nahrávek a implementovat vyhodnocovací systém pro určení období vzniku za pomoci metod parametrizace hudebního signálu. V první části této práce jsou popsány reprezentace, jakých hudba může nabývat. Dále je uveden průřez parametrů, které mohou být z hudebních nahrávek extrahovány a poskytují informaci o dynamice, tempu, barvě či časovém vývoji hudební nahrávky. V části druhé je popsán vyhodnocovací systém a jeho jednotlivé dílčí bloky. Vstupními daty pro tento vyhodnocovací systém je vytvořená databáze, čítající 56 zvukových nahrávek první věty Beethovenovy páté symfonie. Poslední kapitola je věnována shrnutí dosažených výsledků.
|
|
Určování období vzniku interpretace za pomoci metod parametrizace hudebního signálu
Král, Vítězslav ; Mucha, Ján (oponent) ; Kiska, Tomáš (vedoucí práce)
Cílem této diplomové práce je shrnout dosavadní poznatky z oblasti srovnávání zvukových nahrávek a implementovat vyhodnocovací systém pro určení období vzniku za pomoci metod parametrizace hudebního signálu. V první části této práce jsou popsány reprezentace, jakých hudba může nabývat. Dále je uveden průřez parametrů, které mohou být z hudebních nahrávek extrahovány a poskytují informaci o dynamice, tempu, barvě či časovém vývoji hudební nahrávky. V části druhé je popsán vyhodnocovací systém a jeho jednotlivé dílčí bloky. Vstupními daty pro tento vyhodnocovací systém je vytvořená databáze, čítající 56 zvukových nahrávek první věty Beethovenovy páté symfonie. Poslední kapitola je věnována shrnutí dosažených výsledků.
|
|
Analýza fonace u pacientů s Parkinsonovou nemocí
Kopřiva, Tomáš ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá analýzou fonace u pacientů s Parkinsonovou nemocí (PN). Přibližně 90% pacientů s Parkinsonovou nemocí trpí motorickou poruchou řeči nazývanou hypokinetická dysartrie. Je navržen systém pro rozpoznání Parkinsonovy nemoci z řečových signálů a je otestováno několik typů příznaků. Pro klasifikaci je použita česká řečová databáze pacientů s Parkinsonovou nemocí PARCZ. Obsahuje 84 pacientů s PN a 49 zdravých kontrolních řečníků. Výsledky jsou vyhodnoceny dvěma způsoby. Nejprve jsou příznaky analyzovány jednotlivě Spearmanovým korelačním testem, vzájemnou informací a Mann-Whitneyho U testem. Klasifikace je založena na náhodných stromech společně s validací leave-one-out. V druhém kroku je použit algoritmus výběru příznaků SFFS pro dosažení co nejlepšího výsledku klasifikace. Navržený systém je otestován pro jednotlivá pohlaví zvlášť i dohromady. Nejlepší výsledek pro obě pohlaví dohromady vyjadřuje přesnost klasifikace 89,47 %, sensitivita 91,67% a specificita 85,71 %. Výsledky práce ukázaly, že pro analýzu fonace mají největší význam dlouhé realizace vokálů vyslovené s maximální nebo minimální intenzitou (ne šeptem).
|