Detekcia Parkinsonovej choroby pomocou akustickej analýzy prednesu básne
Loading...
Date
2017-04-30
Authors
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
International Society for Science and Engineering, o.s.
Abstract
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 concept proposal of identification of Parkinson's disease based on this analysis. Classification methods used in this work are Random Forests and Support Vector Machine. The best achieved accuracy of disease recognition is 70.66 % for classifier Random Forests, while articulation features are dominating. Accuracy of correct indication of patient as a patient (sensitivity) is 59.25 %. This results demonstrate a huge potential of research in this area.
Parkinsonova choroba je druhým najčastejším neurodegeneratívnym ochorením na svete. Odhaduje sa, že až u 60—90 % pacientov sa vyskytuje dysfunkcia reči, nazývaná hypokinetická dyzartria. Hlavným cieľom článku je odhaliť vplyv prednesu básne na akustickú analýzu reči a návrh konceptu identifikácie Parkinsonovej choroby založenej na tejto analýze. Metódy použité na klasifikáciu vypočítaných rečových parametrov sú Random Forests a Support Vector Machine. Najlepšia dosiahnutá úspešnosť rozpoznania choroby je 70,66 % pre klasifikátor Random Forest, pričom dominujú artikulačné parametre. Úspešnosť správneho označenia chorého pacienta za chorého (senzitivita) je 59,25 %. Tieto výsledky poukazujú na obrovský potenciál výskumu v tejto oblasti.
Parkinsonova choroba je druhým najčastejším neurodegeneratívnym ochorením na svete. Odhaduje sa, že až u 60—90 % pacientov sa vyskytuje dysfunkcia reči, nazývaná hypokinetická dyzartria. Hlavným cieľom článku je odhaliť vplyv prednesu básne na akustickú analýzu reči a návrh konceptu identifikácie Parkinsonovej choroby založenej na tejto analýze. Metódy použité na klasifikáciu vypočítaných rečových parametrov sú Random Forests a Support Vector Machine. Najlepšia dosiahnutá úspešnosť rozpoznania choroby je 70,66 % pre klasifikátor Random Forest, pričom dominujú artikulačné parametre. Úspešnosť správneho označenia chorého pacienta za chorého (senzitivita) je 59,25 %. Tieto výsledky poukazujú na obrovský potenciál výskumu v tejto oblasti.
Description
Keywords
Citation
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
sk
Study field
Comittee
Date of acceptance
Defence
Result of defence
Document licence
(C) 2017 Elektrorevue