Název:
Diferenční analýza multilingválního řečového korpusu pacientů s neurodegenerativními onemocněními
Překlad názvu:
Differential analysis of multilingual corpus in patients with neurodegenerative diseases
Autoři:
Kováč, Daniel ; Zvončák, Vojtěch (oponent) ; Mekyska, Jiří (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2020
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
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 %.
This diploma thesis focuses on the automated diagnosis of hypokinetic dysarthria in the multilingual speech corpus, which is a motor speech disorder that occurs in patients with neurodegenerative diseases such as Parkinson’s disease. The automatic speech recognition approach to diagnosis is based on the acoustic analysis of speech and subsequent use of mathematical models. The popularity of this method is on the rise due to its objectivity and the possibility of working simultaneously on different languages. The aim of this work is to find out which acoustic parameters have high discriminative power and are universal for multiple languages. To achieve this, a statistical analysis of parameterized speech tasks and subsequent modelling by machine learning methods was used. The analyses were performed for Czech, American English, Hungarian and all languages together. It was found that only some parameters enable the diagnosis of the hypokinetic disorder and are, at the same time, universal for multiple languages. The relF2SD parameter shows the best results, followed by the NST parameter. When classifying speakers of all the languages together, the model achieves accuracy of 59 % and sensitivity of 72 %.
Klíčová slova:
akustická analýza; akustické parametry; Hypokinetická dysartrie; klasifikace.; Parkinsonova nemoc; XGboost; řečová úloha; acoustic analysis; acoustic parameters; classification.; Hypokinetic dysarthria; Parkinson’s disease; speech task; XGboost
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/189405