|
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.
|
|
Analýza vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie
Havelková, Nikola ; Galáž, Zoltán (oponent) ; Kováč, Daniel (vedoucí práce)
Práce se zabývá analýzou vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie. Pro zvýraznění řeči jsou zvoleny a v prostředí MATLAB R2022a implementovány vhodné jednokanálové metody, a to konkrétně spektrální odečítání a Kalmanův filtr. Metody jsou rovněž použity i u nahrávek bez zatížení šumem, ke kterým byl přidán aditivní bílý šum. Účinnost těchto metod je pak hodnocena objektivně pomocí hodnot odstupu signálu od šumu. Po zvýraznění řeči jsou z nahrávek extrahovány řečové příznaky. Vliv přítomnosti šumu, a i jeho následné potlačení jednotlivými metodami, je následně vyhodnoceno statistickou analýzou, konkrétně za pomoci Kruskal-Wallisova testu a post-hoc Dunnova testu. Distribuce pravděpodobnosti parametrů nahrávek čistých, zašuměných i zvýrazněných, u nichž je dle statistických testů vliv šumu signifikantní, jsou vykresleny za pomoci houslových a krabicových grafů. Na závěr byla provedena klasifikace nahrávek logistickou regresí za pomoci strojového učení, kdy byl dle hodnot plochy pod ROC křivkou popsán vliv přítomnosti šumu a následné zvýraznění řeči na automatizovanou detekci hypokinetické dysartrie.
|
|
Multilingual Analysis Of Hypokinetic Dysarthria In Patients With Parkinson’s Disease
Kováč, Daniel
This article deals with the multilingual analysis of hypokinetic dysarthria (HD) in patientswith Parkinson’s disease (PD). The goal is to identify acoustic features that have high discriminationpower and that are independent of the language of a speaker. The speech corpus contains 59 PD patientsand 44 healthy controls (HC) speaking in Czech (cs) and American English (en-US). Based onnon-parametric statistical tests and logistic regression, we observed the best discrimination power hasthe speech index of rhythmicity (extracted from a reading text) and harmonic-to-noise ratio (extractedfrom a sustained vowel). We were able to identify PD with 67% sensitivity and 79% specificity inthe Czech corpus and with 78% sensitivity and 67% specificity in the English one. The performanceof the model was significantly lower when combining both datasets, thus suggesting language playsa significant role during the automatic assessment of HD.
|
|
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.
|
|
Identification Of Parkinson’S Disease Using Acousticanalysis Of Poem Recitation
Mucha, Ján
Parkinson’s disease (PD) is the second most frequent neurodegenerative disorder. It is estimated that 60–90% of PD patients suffer from speech disorder called hypokinetic dysarthria (HD). The goal of this work is to reveal influence of poem recitation on acoustic analysis of speech and propose concept of Parkinson’s disease identification based on this analysis. Classification methods used in this work are Random Forests and Support Vector Machine. The best achieved accuracy of disease identification is 70.66% with 59.25% sensitivity for Random Forests classifier fed mainly with articulation features. These results demonstrate a high potential of research in this area.
|
|
Speech Disorders In Parkinson’S Disease Patients With Mild Form Of Freezing Of Gait
Galáž, Zoltán
This paper deals with the description of speech disorders present in the mild stage of freezing of gait (FOG) in patients with Parkinson’s disease (PD). Experimental dataset consisted of 48 PD patients and 52 healthy controls (HC). We used freezing of gait questionnaire (FOG-Q) to characterize FOG in PD. Using one-way analysis of variance, we found loosely adducted vocal folds during phonation (p = 0.0027), increased acoustic noise (p = 0.0294), reduced variability of pitch (p = 0.0440), and reduced mobility of articulatory organs (p = 0.0157) significantly statistically different in PD patients in comparison with HC.
|
|
Correlation Analysis Of Freezing Of Gait And Speech Disorders In Parkinson’S Disease
Galáž, Zoltán
This paper deals with the analysis of a relationship between freezing of gait (FOG) and hypokinetic dysarthria (HD) in Parkinson’s disease (PD). Experimental dataset consisted of 74 PD patients. We used freezing of gait questionnaire (FOG-Q) to characterize FOG in PD. The speech features that quantifies phonation, articulation and prosody was computed from the reading task composed of interrogative, imperative and indicative sentences. Using Spearman’s and Pearson’s correlation coefficients, we showed that reduced mobility of the articulatory organs in HD is significantly correlated with FOG in PD.
|