|
Aplikace statistické analýzy řeči pacientů s Parkinsonovou nemocí
Bijota, Jan ; Mžourek, Zdeněk (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato diplomová práce se zabývá zpracováním řečového signálu osob postižených Parkinsonovou nemocí za účelem vytvoření statistického vzorku řečových parametrů, pomocí něhož bude možno rozdělit zkoumané osoby na parkinsoniky a neparkinsoniky. Tento statistický vzorek je tvořen na základě detekce hypokinetické dysartrie u osob postižených Parkinsonovou nemocí. V práci je rozebíráno předzpracování řečového signálu pomocí metody ustřednění a preemfáze a jeho rozdělení na části (segmentace). Následně je popsáno parametrické vyjádření zpracovávaného vzorku pomocí fonačních parametrů, MFCC a PLP koeficientů. Dále jsou rozebírány možnosti statistické analýzy pomocí zmíněného parametrického vyjádření. V přípádě této práce statistická analýza sestává z výpočtu Pearsonova a Spearmanova korelačního koeficientu, vzájemné informace a parametrického Studentova t-testu a neparametrického Mann-Whitneyova U testu. Výsledkem práce je soubor řečových parametrů pro jednotlivé dlouhé české samohlásky, které dokáží dle provedené statistické analýzy nejlépe vyjádřit rozdíl mezi zdravým řečníkem a parkinsonikem. Tyto výsledky mohou napomoci při diagnóze osoby, u níž je podezření na Parkisonovu nemoc.
|
|
Vytvoření webové aplikace pro objektivní analýzu hypokinetické dysartrie ve frameworku Django
Čapek, Karel ; Zvončák, Vojtěch (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato diplomová práce se zabývá výpočtem parametrů, ktéré by byly schopny rozlišit zdravou řeč a řeč postiženou hypokinetickou dysartrií. Byla zde nastudována hypokynetická dysatrie, což je motorická porucha řečového a hlasového ústrojí. Byly nastudovány metody zpracování řečového signálu. Dále byly nastudovány parametry, které by mohly dobře rozlišovat zdravou a nemocnou řeč. Následně byly tyto parametry naprogramovány v programovacím jazyce Python. Dalším krokem bylo vytvoření webové aplikace ve frameworku Django, která slouží pro analýzu dyzartické řeči.
|
|
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.
|