|
|
Assessment of Parkinson’s Disease Based on Acoustic Analysis of Hypokinetic Dysarthria
Galáž, Zoltán ; Brezany, Peter (referee) ; Sklenář, Jaroslav (referee) ; Mekyska, Jiří (advisor)
Hypokinetická dysartrie (HD) je častým symptomem vyskytujícím se až u 90% pacientů trpících idiopatickou Parkinsonovou nemocí (PN), která výrazně přispívá k nepřirozenosti a nesrozumitelnosti řeči těchto pacientů. Hlavním cílem této disertační práce je prozkoumat možnosti použití kvantitativní paraklinické analýzy HD, s použitím parametrizace řeči, statistického zpracování a strojového učení, za účelem diagnózy a objektivního hodnocení PN. Tato práce dokazuje, že počítačová akustická analýza je schopná dostatečně popsat HD, speciálně tzv. dysprozodii, která se projevuje nedokonalou intonací a nepřirozeným tempem řeči. Navíc také dokazuje, že použití klinicky interpretovatelných akustických parametrů kvantifikujících různé aspekty HD, jako jsou fonace, artikulace a prozodie, může být použito k objektivnímu posouzení závažnosti motorických a nemotorických symptomů vyskytujících se u pacientů s PN. Dále tato práce prezentuje výzkum společných patofyziologických mechanizmů stojících za HD a zárazy v chůzi při PN. Nakonec tato práce dokazuje, že akustická analýza HD může být použita pro odhad progrese zárazů v chůzi v horizontu dvou let.
|
|
|
Text Mining Based on Artificial Intelligence Methods
Povoda, Lukáš ; Tučková,, Jana (referee) ; Brezany, Peter (referee) ; Burget, Radim (advisor)
This work deals with the problem of text mining which is becoming more popular due to exponential growth of the data in electronic form. The work explores contemporary methods and their improvement using optimization methods, as well as the problem of text data understanding in general. The work addresses the problem in three ways: using traditional methods and their optimizations, using Big Data in train phase and abstraction through the minimization of language-dependent parts, and introduction of the new method based on the deep learning which is closer to how human reads and understands text data. The main aim of the dissertation was to propose a method for machine understanding of unstructured text data. The method was experimentally verified by classification of text data on 5 different languages – Czech, English, German, Spanish and Chinese. This demonstrates possible application to different languages families. Validation on the Yelp evaluation database achieve accuracy higher by 0.5% than current methods.
|
|
|
Trainable Methods for Automatic Biomedical Image Processing
Uher, Václav ; Tučková,, Jana (referee) ; Brezany, Peter (referee) ; Burget, Radim (advisor)
This thesis deals with possibilities of automatic segmentation of biomedical images. For the 3D image segmentation, a deep learning method has been proposed. In the work problems of network design, memory optimization method and subsequent composition of the resulting image are solved. The uniqueness of the method lies in 3D image processing on a GPU in combination with augmentation of training data and preservation of the output size with the original image. This is achieved by dividing the image into smaller parts with the overlay and then folding to the original size. The functionality of the method is verified on the segmentation of human brain tissue on magnetic resonance imaging, where it overcomes human accuracy when compared a specialist vs. specialist, and cell segmentation on a slices of the Drosophila brain from an electron microscope, where published results from the impacted paper are overcome.
|
|
|
Text Mining Based on Artificial Intelligence Methods
Povoda, Lukáš ; Tučková,, Jana (referee) ; Brezany, Peter (referee) ; Burget, Radim (advisor)
This work deals with the problem of text mining which is becoming more popular due to exponential growth of the data in electronic form. The work explores contemporary methods and their improvement using optimization methods, as well as the problem of text data understanding in general. The work addresses the problem in three ways: using traditional methods and their optimizations, using Big Data in train phase and abstraction through the minimization of language-dependent parts, and introduction of the new method based on the deep learning which is closer to how human reads and understands text data. The main aim of the dissertation was to propose a method for machine understanding of unstructured text data. The method was experimentally verified by classification of text data on 5 different languages – Czech, English, German, Spanish and Chinese. This demonstrates possible application to different languages families. Validation on the Yelp evaluation database achieve accuracy higher by 0.5% than current methods.
|
|
|
Trainable Methods for Automatic Biomedical Image Processing
Uher, Václav ; Tučková,, Jana (referee) ; Brezany, Peter (referee) ; Burget, Radim (advisor)
This thesis deals with possibilities of automatic segmentation of biomedical images. For the 3D image segmentation, a deep learning method has been proposed. In the work problems of network design, memory optimization method and subsequent composition of the resulting image are solved. The uniqueness of the method lies in 3D image processing on a GPU in combination with augmentation of training data and preservation of the output size with the original image. This is achieved by dividing the image into smaller parts with the overlay and then folding to the original size. The functionality of the method is verified on the segmentation of human brain tissue on magnetic resonance imaging, where it overcomes human accuracy when compared a specialist vs. specialist, and cell segmentation on a slices of the Drosophila brain from an electron microscope, where published results from the impacted paper are overcome.
|
|
|
Assessment of Parkinson’s Disease Based on Acoustic Analysis of Hypokinetic Dysarthria
Galáž, Zoltán ; Brezany, Peter (referee) ; Sklenář, Jaroslav (referee) ; Mekyska, Jiří (advisor)
Hypokinetická dysartrie (HD) je častým symptomem vyskytujícím se až u 90% pacientů trpících idiopatickou Parkinsonovou nemocí (PN), která výrazně přispívá k nepřirozenosti a nesrozumitelnosti řeči těchto pacientů. Hlavním cílem této disertační práce je prozkoumat možnosti použití kvantitativní paraklinické analýzy HD, s použitím parametrizace řeči, statistického zpracování a strojového učení, za účelem diagnózy a objektivního hodnocení PN. Tato práce dokazuje, že počítačová akustická analýza je schopná dostatečně popsat HD, speciálně tzv. dysprozodii, která se projevuje nedokonalou intonací a nepřirozeným tempem řeči. Navíc také dokazuje, že použití klinicky interpretovatelných akustických parametrů kvantifikujících různé aspekty HD, jako jsou fonace, artikulace a prozodie, může být použito k objektivnímu posouzení závažnosti motorických a nemotorických symptomů vyskytujících se u pacientů s PN. Dále tato práce prezentuje výzkum společných patofyziologických mechanizmů stojících za HD a zárazy v chůzi při PN. Nakonec tato práce dokazuje, že akustická analýza HD může být použita pro odhad progrese zárazů v chůzi v horizontu dvou let.
|
guest ::
