|
|
Aplikace pro výpočet řečových příznaků popisující hypokinetickou dysartrii
Hynšt, Miroslav ; Mekyska, Jiří (oponent) ; Kiska, Tomáš (vedoucí práce)
Tato práce se zabývá návrhem a zhotovením aplikace pro výpočet řečových parametrů u lidí trpící Parkinsonovou nemocí. Na začátku je obecně popsána Parkinsonova nemoc a Hypokinetická dysartrie a jak ovlivňuje řeč a parametry řeči při jejím postižení. Rozebrány jsou hlavně oblasti jako fonace, prozodie, artikulace a plynulost řeči. Dále práce popisuje parametry s velkým významem při diagnostice této nemoci a jejím postupu. Zmíněny a popsány jsou i některé významné studie ve světě popisující průběh vyšetření řeči účastníků a výpočet některých řečových parametrů za účelem analýzy řeči lidí postižených Parkinsonovou nemocí. Součástí práce je navržená a implementovaná aplikace pro výpočet, export a vizualizaci řečových parametrů z vybraných zdrojových zvukových nahrávek.
|
|
|
Analýza zvukové interpretace hudby metodami číslicového zpracování signálu
Fančal, Petr ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Cílem této diplomové práce je provedení analýzy skladeb z hlediska časových prostředků hudby. Úvodem jsou stručně popsány základní muzikologické pojmy a veličiny, které jsou v přímém vztahu k časovým prostředkům v hudebně interpretačním výkonu. Následující část práce se věnuje známým metodám číslicového zpracování signálu vhodným pro získávání hudební informace ze zvukové nahrávky. V praktické části jsou tyto metody demonstrovány v prostředí MATLAB na třech nahrávkách a výsledky porovnány z hlediska použité agogiky.
|
|
|
Analýza Parkinsonovy nemoci pomocí segmentálních řečových příznaků
Mračko, Peter ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
V tejto práci je popísaný návrh systému diagnózy Parkinsonovej choroby na základe reči. Parkinsonova choroba je neurodegeneratívna porucha centrálneho nervového systému, ktorej prejavom je okrem iných aj postihnutie motorických aspektov reči tzv. hypokinetická dysartria. Návrh systému je v tejto práci založený na najznámejších segmentálnych parametroch ako sú koeficienty LPC, PLP, MFCC, LPCC, ale aj menej známych ako sú CMS, ACW a MSC. Z rečových nahrávok pacientov postihnutých Parkinsonovou chorobou, ale aj kontrolných jedincov, sú vypočítané tieto koeficienty, ktoré sú v ďalšom postupe podrobené selekcii a následne klasifikácii. Najlepší výsledok, ktorý bol v práci získaný, dosahoval presnosť klasifikácie 77,19%, senzitivitu 74,69% a špecificitu 78,95%.
|
|
|
Analýza interpretace hudby metodami číslicového zpracování signálu
Ištvánek, Matěj ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato diplomová práce se zabývá metodami detekce not a tempa v hudebních signálech pomocí specifických metod číslicového zpracování. Rozebírá a popisuje danou problematiku jak z hudební, tak z technické stránky. Nejprve je testováno několik implementací využívajících různá programovací prostředí, poté je vybrán fungující systém s nejvyšší přesností detekce a s nastavitelnými parametry, který je následně použit pro testování funkčnosti na zvolené referenční databázi. Je vytvořena také nástavba uvedeného algoritmu pomocí aplikace Teagerova-Kaiserova energetického operátoru ve fázi předzpracování signálu. Rozdíl v přesnosti obou systémů je porovnán – operátor v průměru zvýšil přesnost detekce globálního tempa i časových pozic jednotlivých dob. Nakonec je analyzován druhý dataset obsahující 33 různých interpretací první věty skladby Bedřicha Smetany Smyčcový kvartet No. 1 e moll „Z mého života“. Výsledky ukazují, že průměrné tempo celé první věty skladby se v závislosti na pozdějším roku vzniku nahrávky mírně zmenšuje.
|
|
|
Statistická charakteristická funkce a její využití pro zpracování signálu
Mžourek, Zdeněk ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Cílem této práce je poskytnout základní informace o charakteristické funkci používané ve statistice a porovnat její vlastnosti s Fourierovy transformace používané v inženýrských aplikací. První část práce je zaměřena teoreticky, jsou zde rozebírány základní pojmy, jejich vlastnosti a vzájemné souvislosti. Druhá část je věnována některým možným aplikacím charakteristické funkce jako je například testování normality dat nebo využití charakteristické funkce v analýze nezávislých komponent. První kapitola popisuje úvodu do teorie pravděpodobnosti kvůli sjednocení terminologie a zde uvedené pojmy budou použity k demonstrování zajímavých vlastností charakteristické funkce. Druhá kapitola se věnuje popisu Fourierovy transformace, definici charakteristcké funkce a jejich srovnání. V druhé části textu věnované aplikacím je rozebrána empirická charakteristická funkce jakožto odhad charakteristické funkce daný zkoumanými daty. Jako příklad aplikace je dále popsán jednoduchý test normality. V poslední části jsou rozebrány pokročilejší aplikace charakteristické funkce u metod jako je analýza nezávislých komponent.
|
|
|
Mobile application for dysarthria assessment utilising the Test 3F
Grenčík, Dominik ; Mucha, Ján (oponent) ; Mekyska, Jiří (vedoucí práce)
Speech dysarthria is a impaired communication ability, a motor disorder affecting basic modal aspects of speech. In the Czech Republic, Test 3F, developed in the current clinical speech therapy, is used in diagnostics in both text and electronic form, consisting of 45 execution tasks. Currently, the trend of using mobile applications is expanding in various areas of life, which speed up and streamline human communication and work. The aim of this work is to create a simple but high-quality and reliable mobile application of Test 3F as a diagnostic tool for the examination of speech dysarthria in an effort to help clinical speech therapy in simplifying the diagnosis of this disorder. Mobile application is programmed using several programming languages: Backend is programmed in PHP using the Laravel framework. Frontend is programmed in JavaScript using the React library and the Material UI component library.
|
|
|
Parametrické a neparametrické statistické metody a jejich aplikace
Mračko, Peter ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Práca sa zaoberá parametrickými štatistickými metódami, ktoré spočívajú v testovaní hypotéz o parametroch jednotlivých rozdelení pravdepodobnosti. V práci sú teoreticky vysvetlené vybrané rozdelenia pravdepodobnosti a princípy testovania ich parametrov. Teoretické poznatky sú vysvetlené na konkrétnych príkladoch, ktoré sú riešené pomocou programu Matlab. Praktická časť spočíva vo využití metód pre štatistické vyhodnotenie parametrov pacientov, ktorí sú postihnutí Alzheimerovou chorobou.
|
|
|
Zpracování termálních obrazů technikou superresolution
Petrásek, Daniel ; Číka, Petr (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá problematikou umělého zvyšování prostorového rozlišení digitálního obrazu, především termálního. Jsou zde uvedeny metody interpolace, panorama a superresolution. Hlavním tématem práce je metoda superresolution, která je detailně popsána. V závěru práce je navržen postup implementace a možné problémy, kterou mohou při implementaci nastat.
|
|
|
Diagnóza Parkinsonovy choroby z řečového signálu
Karásek, Michal ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá rozpoznáním Parkynsonovy choroby z řečového signálu. V první části poukazuje na základy řečových signálů a řečových signálů u pacientů postižených Parkinsonovou chorobou. Dále popisuje problematiku zpracování řečových signálů, základní příznaky používané k diagnóze Parkinsonovy choroby (např. VAI, VSA, FCR, VOT atd.) a redukci těchto příznaků. Další část je zaměřena na blokové schéma programu pro diagnózu Parkinsonovy choroby. Hlavním cílem této práce je porovnání dvou metod výběru příznaků (mRMR a SFFS). Pro klasifikaci byly vybrány dvě rozdílné metody. První metodou je klasifikace kNN a druhou metodou klasifikace jsou Gaussovy smýšené modely (GMM).
|
|
|
Rozklad signálu pomocí transformace typu EMD
Mžourek, Zdeněk ; Mekyska, Jiří (oponent) ; Smékal, Zdeněk (vedoucí práce)
Cílem této práce je představit empirickou modální dekompozici jako metodu pro rozklad libovolně složitých nelineárních a nestacionárních signálů na takzvané vlastní modální funkce. Použitím Hilbertovy transformace získáme okamžitý kmitočet, který nám pomůže k sestavení Hilbertova spektra a následné analýze v časově-kmitočtové oblasti. Dále poukazujeme na některé nedostatky této metody a uvádíme několik způsobů, jak různými úpravami algoritmu empirické modální dekompozice můžeme získat lepší výsledky rozkladu signálu. Na závěr je názorně ukázán rozklad signálu pomocí empirické modální dekompozice.
|
host ::
RSS.