|
|
Použití statistických metod pro hodnocení progrese Parkinsonovy nemoci
Pecha, Jiří ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato diplomová práce se zabývá použitím statistických metod pro hodnocení progrese Parkinsonovy nemoci. Je zde uveden stručný popis Parkinsonovy nemoci. Dále je uvedeno zpracování a vyhodnocení hodnot řečových parametrů, které jsou Parkinsonovou nemocí ovlivňovány. V diplomové práci je popsáno zpracování hodnot pomocí klasifikačních a regresních stromů a vyhodnocení výsledků pomocí průměrné absolutní chyby a odhadované odchylky. Zpracování a vyhodnocení hodnot bylo provedeno v software MATLAB.
|
|
| |
|
|
Korelační analýza Parkinsonovy nemoci v akustické oblasti
Vošček, Jakub ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Bakalárska práca je venovaná korelačnej analýze Parkinsonovej choroby v akustickej oblasti. V prvej časti je priblíženie Parkinsonovej choroby a jej symptómov. Hlbšie sa zaoberá problémami tvorby reči, ktoré nazývame hypokinetická disartria, a čo spôsobuje tieto problémy a akým spôsobom prebieha liečba. V ďalšej časti je naštudované predspracovanie signálu, tzn. odstránenie jednosmernej zložky, preemfáza a segmentácia na menšie rámce. Následne pomocou parametrizácie sa počítajú jedntolivé parametre. Po výpočte niektorých parametrov je potrebné dopočítať jednoduché štatistiky, napr. stredná hodnota, smerodajná odchýlka, atď.. Ďalej je vysvetlený Pearsonov a Spearmanov korelačný koeficient. Je navrhnutá bloková schéma spracovania dát, v ktorej sú popísané funkcie jednotlivých blokov. V praktickej časti je vysvetlená programová časť a časti tabuliek parametrov a vypočítaných koeficientov. Na koniec sú graficky zobrazené korelácie parametrov a paraklinických údajov.
|
|
|
Identifikace osob pomocí otisku hlasu
Mekyska, Jiří ; Atassi, Hicham (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato práce se zabývá textově závislým rozpoznáváním řečníků v systémech, kde existuje pouze omezené množství trénovacích vzorků. Pro účel rozpoznávání je navržen otisk hlasu založený na různých příznacích (např. MFCC, PLP, ACW atd.). Na začátku práce je zmíněn způsob vytváření řečového signálu. Některé charakteristiky řeči, důležité pro rozpoznávání řečníků, jsou rovněž zmíněny. Další část práce se zabývá analýzou řečového signálu. Je zde zmíněno předzpracování a také metody extrakce příznaků. Následující část popisuje proces rozpoznávání řečníků a zmiňuje způsoby ohodnocení používaných metod: identifikace a verifikace řečníků. Poslední teoreticky založená část práce se zabývá klasifikátory vhodnými pro textově závislé rozpoznávání. Jsou zmíněny klasifikátory založené na zlomkových vzdálenostech, dynamickém borcení časové osy, vyrovnávání rozptylu a vektorové kvantizaci. Tato práce pokračuje návrhem a realizací systému, který hodnotí všechny zmíněné klasifikátory pro otisk hlasu založený na různých příznacích.
|
|
| |
|
|
Identifikace spánkových poruch z dat aktigrafie a spánkových deníků
Molík, Miroslav ; Mekyska, Jiří (oponent) ; Mikulec, Marek (vedoucí práce)
Tato diplomová práce se zabývá predikcí Parkinsonovy choroby pomocí spánkových parametrů získaných z aktigrafie a spánkových deníků. Cílem je navrhnout model strojového učení, který bude schopen poznat pacienty trpící Parkinsonovou chorobou. K trénování byla použita datová množina dodaná Fakultní nemocnicí u sv. Anny, která byla za dosažením lepších výsledků různě upravována. Následně byly tyto úpravy podle výsledků modelů zhodnoceny a na jejich bázi byly vybrány dva modely, které dosahují testovací přesnosti 85 a 82%.
|
|
|
Zvýrazňování degradované řeči pomocí odstranění disonantních složek
Studený, Radim ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato práce si klade za cíl odstranit rušivé vlivy z řečového signálu a tím zvýšit srozumitelnost, kvalitu degradovaného signálu a odstup od šumu. Nejčastější typy rušení mohou být hluk ulice, vítr přicházející na mikrofon, cizí rozhovory na pozadí nebo puštěná hudba. Metoda popsaná v téhle práci filtruje frekvenční pásma signálu, která jsou vzhledem k základnímu tónu řeči disonantní. Konkrétně pro referenční tón C to jsou tóny F#, B a C#.
|
|
|
Functional connectivity and brain structure assessment in patients at risk of synucleinopathies
Klobušiaková, Patrícia ; Gajdoš, Martin (oponent) ; Mekyska, Jiří (vedoucí práce)
Synucleinopathy is a neurodegenerative disorder characterized by the presence of pathological protein -synuclein in neurons. So far, treatment that could heal or permanently stop this disease is not known. The aim of this work is to identify prodromal stages of synucleinopathies using functional connectivity processed applying graph metrics and assessing cortical thickness and subcortical structures volumes from magnetic resonance imaging data, and to verify specificity and sensitivity of combinations of parameters that sufficiently differentiate patients in risk of synucleinopathies. To accomplish this goal, we collected data from patients in the risk of synucleinopathy (preDLB, n = 27) and healthy controls (HC, n = 28). We found reduced volume of right pallidum and increased hippocampal volume to cortical volume ratio, increased normalised clustering coefficient and higher modularity in the preDLB group in comparison to HC. These four parameters were modeled using machine learning. The resulting model differentiated preDLB and HC with balanced accuracy of 88 %, specificity of 89 % and sensitivity of 86 %. The findings of this thesis can serve as the basis for further studies searching for specific MRI markers of prodromal stage of synucleinopathy that could be targeted with therapy in the future.
|
|
|
Automatizovaná diagnóza poruch spánku využívající nositelná zařízení
Sigmund, Jan ; Mekyska, Jiří (oponent) ; Mikulec, Marek (vedoucí práce)
Spánkové poruchy způsobují mnoho negativních následků a stále více se zkoumá jejich spojitost s kognitivním zdravím člověka. Tato práce se zabývá detekcí nízké spánkové kvality pomocí aktigrafického měření. Zvolila se existující metoda pro určení spánkových oken a její výkonnost se ověřila na datech polysomnografie, čítajících 27 pacientů. Algoritmus prostřednictvím změn úhlu, vypočtených z časových řad akcelerometru, určil binární stavy spánek/bdění. Dosáhlo se odlišného výsledku oproti původní studii, průměrně 81 % citlivosti, 62 % specificity a 78 % správnosti. Provedl se rozbor spánkových parametrů, a ozkoušely se dva způsoby jak s jejich pomocí rozhodnout o nízké kvalitě spánku – na základě porovnání s doporučeními organizace National Sleep Foundation a na základě porovnání s daty kontrolní skupiny bez poruch spánku (poč. 7). Cílem bylo označit zbylých 19 pacientů s diagnózou. Doporučení mezí parametrů SOL, WASO, NA>5 a SE vycházelo s větší citlivostí (75 %), menší specificitou (71 %) a identickou správností (74 %). Na závěr se metoda použila na 7denním měření aktigrafie, o 27 pacientech s podezřením na prodromální fázi demence s Lewyho tělísky. Stejným postupem se zhodnotil pokus o zachycení tohoto podezření a prohloubení možné souvislosti neurodegenerace s nekvalitním spánkem. Způsob řešení se prokázal citlivostí 86 %, specificitou 38 % a správností 63 %. Vzhledem k dosažení solidní citlivosti ve všech případech a dobré správnosti by se dalo uvažovat o indikátoru spánkové kvality.
|
|
|
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.