Original title: Návrh parametrů kvantifikující poruchy respirace u pacientů s Parkinsonovou nemocí
Translated title: Development of features quantifying respiratory dysfunctions in Parkinson’s disease patients
Authors: Cvetler, Dominik ; Mekyska, Jiří (referee) ; Kováč, Daniel (advisor)
Document type: Master’s theses
Year: 2023
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
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. In the beginning of the thesis, Parkinson's disease and hypokinetic dysarthria are briefly described, which have a negative effect on speech production and cause breathing problems during speech in sick patients. The aim of the thesis is to create an algorithm for automated detection of breaths and the design of parameters for the quantification of respiratory disorders in patients with Parkinson's disease. In the MATLAB environment, the recordings of the researched subjects were processed and an algorithm was created for the detection of breaths, which used the logistic regression method. Based on the predicted breaths, proposed parameters were extracted from the recordings, which were then statistically analyzed and compared in healthy controls and patients with Parkinson's disease. By using a machine learning model, it was possible to predict the clinical data of patients from the proposed parameters to a certain extent. The average accuracy of the model for predicting puffs was 0.85. Of the 14 proposed parameters, 6 were suitable for quantifying respiratory disorders associated with hypokinetic dysarthria. The result of the work is a functional algorithm for the automated detection of breaths in the speech signal and proposed parameters that could be useful for the quantification of respiratory disorders in patients with Parkinson's disease.
Keywords: breath detection; Hypokinetic dysarthria; machine learning; Parkinson's disease; respiration; statistical analysis; voice activity detector; detekce nádechů; detektor řečové aktivity; Hypokinetická dysartrie; Parkinsonova nemoc; respirace; statistická analýza; strojové učení

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/210225

Permalink: http://www.nusl.cz/ntk/nusl-526727


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses