|
|
De-identifikace řečníků postižených hypokinetickou dysartrií
Kárník, Radoslav ; Kiska, Tomáš (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá návrhem a realizací systému, který provádí de-identifikace řečových nahrávek pacientů postižených Parkinsonovou nemocí. V práci jsou popsány příčiny a projevy Parkinsonovy nemoci a vlivy hypokinetické dysartrie na řečový projev pacientů. Část práce je věnována řečovým příznakům popisujícím prozodii, podle pomocí kterých se dá hypokinetická dysartrie diagnostikovat z řeči. Dále se zabývá způsoby de-identifikace řeči a systémem na evaluaci výsledků pomocí rozeznávání řečníků a pacientů. De-identifikační systém využívá Normalizaci vokálního traktu (VTLN), evaluační systém využívá Gaussovy smíšené modely (GMM). Na testování byla využita databáze PARCZ, která obsahuje nahrávky řečových cvičení pacientů postižených Parkinsonovou nemocí a kontrolních řečníků.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
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).
|
|
|
Hodnocení hybnosti mluvidel na základě akustické analýzy řeči
Novotný, Kryštof ; Galáž, Zoltán (oponent) ; Mekyska, Jiří (vedoucí práce)
Hypokinetická dysartrie je motorická porucha řeči, často přítomná při průběhu Parkinsonovi nemoci. Postihuje řečové ústrojí včetně artikulačních schopností. Existuje více řečových parametrů popisujících tuto oblast, proto se nabízí zabývat se jejich vzájemným srovnáním. Práce si klade za cíl navrhnout a popsat algoritmus pro výpočet parametrů artikulace, přizpůsobený českému jazyku, a následně porovnat jejich diskriminační sílu. Akustickou analýzu řeči v algoritmu zajišťuje program Praat a pro následné zpracování dat jsou použity základní algoritmy strojového učení jako Expectation-Maximization, Kmeans nebo lineární regrese. Pro vyhodnocení slouží Mann-Whitneyho U test a zástupci lineárních, nelineárních i souhrnných metod strojového učení s využitím křížové validace a vyvážené přesnosti. Výsledkem jsou skripty pro automatické nalezení hran Hellwagova vokalického trojúhelníku, pro výpočet artikulačních parametrů a pro jejich vyhodnocení. Výstupy analýzy dvou různých databází (PARCZ a CoBeN) dokazují, že mezi běžnou a dysartrickou řečí lze skutečně pozorovat rozdíly v artikulaci. Na základě vzájemného srovnávání výsledků je proto v práci navrženo, kterými parametry a modely strojového učení je vhodné se dále v souvislosti s touto problematikou zabývat.
|
|
|
Acoustic analysis of gender-related patterns in Parkinson's disease
Herinek, Denis ; Kiska, Tomáš (oponent) ; Galáž, Zoltán (vedoucí práce)
The bachelor's thesis is about acoustic analysis of gender-related patterns in Parkinson's disease by analysing speech task: reading passage. Parkinson's disease manifests in all subsystems involved in speech production (respiration, phonation, articulation and prosody). The aim of this thesis is familirization with symptoms of this disorder and speech parameters influenced by this disorder. Thesis contains preprocessing, parametrization of speech signal and statistic analysis of parameters. System of speech signal processing is created in MATLAB programming language.
|
|
|
Aplikace vzdáleného a pasivního monitorování řeči
Klimeš, Jiří ; Mikulec, Marek (oponent) ; Kováč, Daniel (vedoucí práce)
Poruchy motorické realizace řeči u pacientů s Parkinsonovou nemocí, souhrnně označované jako hypokinetická dysartrie, se vyskytují již v rané fázi této nemoci. Jazyk hraje významnou roli při klasifikaci řečníků na zdravé a ty s dysartrií. Autor v práci vysvětluje, jaké prvky řeči jsou nejčastěji postihovány. Dále popisuje, jak fungují mobilní aplikace na operačním systému Android a zda je možné jejich využití pro pasivní a vzdálené monitorování řeči. V práci je podrobně popsána problematika nahrávání telefonních hovorů a jakými způsoby je možné takové řešení realizovat. Následuje návrh takové aplikace a její částečná realizace.
|
|
|
Analýza poruch řeči u osob s rizikem rozvoje onemocnění s Lewyho tělísky
Novotný, Kryštof ; Kováč, Daniel (oponent) ; Mekyska, Jiří (vedoucí práce)
Nemoci spadající do rodiny onemocnění s Lewyho tělísky (jedny z nejčastěji se vyskytujících neurodegenerativních poruch) mají shodný patologický základ, ale jednotliví zástupci se liší ve svých klinických projevech. Různá onemocnění více či méně postihují mentální nebo fyzickou stránku pacienta. Tato práce předpokládá, že díky akustické analýze řeči je možné od sebe jednotlivá onemocnění odlišit, protože v mluvě pacientů se specifickými způsoby odráží poruchy kognitivní i motorické stránky člověka. Práce si klade za cíl popsat klinické rysy hlavních zástupců onemocnění s Lewyho tělísky, prozkoumat jejich dopad na řeč, navrhnout charakterizující akustické parametry a následně porovnat jejich diskriminační sílu. Jako vstupní data pro navržený algoritmus jsou použity řečové nahrávky z databází CoBeNa preLBD. Pro následné vyhodnocení slouží deskriptivní statistiky, Mann-Whitneyho U test, FDR korekce a model strojového učení XGBoost s využitím stratifikované křížové validace a vyvážené přesnosti. Výsledkem jsou skripty pro automatizovaný výpočet řečových parametrů z databáze a jejich vyhodnocení. Výstupy analýzy dokazují, že vybraná onemocnění od sebe a od zdravé kontroly lze skutečně rozeznat na základě projevů v řeči, a to již v prodromálních stádiích.
|
|
|
Návrh parametrů kvantifikující poruchy respirace u pacientů s Parkinsonovou nemocí
Cvetler, Dominik ; Mekyska, Jiří (oponent) ; Kováč, Daniel (vedoucí práce)
V úvodu práce je krátce popsána Parkinsonova nemoc a hypokinetická dysartrie, která má negativní vliv na tvorbu řeči a způsobuje problémy s respirací během řeči u nemocných pacientů. Cílem práce je vytvoření algoritmu pro automatizovanou detekci nádechů a návrh parametrů pro kvantifikaci respiračních poruch u pacientů s Parkinsonovou nemocí. V prostředí MATLAB byly zpracovány nahrávky zkoumaných subjektů a vytvořen algoritmus pro detekci nádechů, u kterého byla použita metoda logistické regrese. Na základě predikovaných nádechů byly z nahrávek extrahovány navržené parametry, které byly následně statisticky analyzovány a porovnávány v rámci zdravých kontrol a pacientů s Parkinsonovou nemocí. Využitím modelu strojového učení bylo možno do jisté míry predikovat klinická data pacientů z navržených parametrů. Průměrná přesnost modelu pro predikci nádechů byla 0,85. Ze 14 navržených parametrů bylo 6 parametrů vhodných pro kvantifikaci respiračních poruch spojených s hypokinetickou dysartrií. Výsledkem práce je funkční algoritmus pro automatizovanou detekci nádechů v řečovém signálu a navržené parametry, které by mohly být užitečné pro kvantifikaci respiračních poruch u pacientů s Parkinsonovou nemocí.
|
|
|
Subtypy hypokinetické dysartrie u pacientů s pokročilou Parkinsonovou nemocí
Adamják, Adam ; Kováč, Daniel (oponent) ; Mekyska, Jiří (vedoucí práce)
Diplomová práce se zabývá rozborem Parkinsonovo nemoci, hypokinetické dysartrie a akustických a statistických analýz. Hypokinetická dysatrie je porucha řeči, která je typickým projevem Parkinsonovo nemoci, tedy neurodegenerativního onemocnění, které postihuje přibližně 2% populace starších 65 let. Cílem této práce je odhalit subtypy hypokinetické dysartrie, a to na základě klinických parametrů, akustické analýzy a statistické analýzy. V akustické analýze byly implementovány parametry, které zkoumají oblast fonace, prozódie, artikulace a tempa řeči. Následně byla zpracována statistická analýza, díky které bylo možné subtypy hypokinetické dysartrie odhalit.
|
|
|
Assessing Movement of Articulatory Organs in Patients with Parkinson’s Disease
Novotný, K. ; Mekyska, J.
Hypokinetic dysarthria is a motor speech disorder often present during Parkinson’s disease. It affects the speech system, including articulatory abilities. There are several speech parameters describing this domain, so it is suggested to deal with their mutual comparison. This work aims to design and describe an algorithm for calculating the parameters of articulation, adapted for the Czech language, and then compare their discriminative power. The acoustic analysis of speech included in it is done via the Praat program and basic machine learning algorithms such as Expectation-Maximization, K-means and linear regression are used for the subsequent data processing. The Mann-Whitney U test, descriptive statistics and Random Forest machine learning model using cross-validation and balanced accuracy is used for evaluation. The results are scripts for automatic assessment of vowel space area, for calculating articulation parameters and for their evaluation. The outputs of the analysis of speech recording database prove that differences in articulation can indeed be observed between normal and dysarthric speech. Based on the mutual comparison of results, it is therefore proposed in the work which parameters are being appropriate for further dealing with this issue.
|
host ::
RSS.