Objektivizace Testu 3F - dysartrický profil pomocí akustické analýzy
Loading...
Date
Authors
Bezůšek, Marek
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Test 3F je používán pro hodnocení motorické poruchy řeči (dysartrie) u česky mluvících řečníků. Hodnocení dysartrické řeči je zkresleno subjektivním posouzením. Motivací pro napsání této práce je fakt, že neexistuje mnoho automatických analytických nástrojů, které lze použít pro objektivní hodnocení fonace, artikulace, prozódie a respirace dysartrické řeči. Cílem diplomové práce je identifikovat, implementovat a otestovat akustické parametry, které lze použít pro objektivizaci a automatizaci hodnocení Testu 3F. Akustické parametry by měli být klinicky interpretovatelné. Předpokládá se, že akustická analýza by mohla být přesnější než klinické zhodnocení vyšetřujícím. Akustické parametry byly testovány na databázi 151 řečníků (51 zdravých řečníků, 100 pacientů). Pro identifikaci korelace parametrů se subjektivním hodnocením byly použity metody statistické analýzy a strojového učení. Bylo zjištěno, že 27 testovacích úloh ze 30 lze použít v rámci automatického hodnocení. V rámci této diplomové práce bylo analyzováno pouze 10 úloh Testu 3F, zbývající úlohy nebyly analyzovány, protože pouze část databáze byla předzpracována. Výsledkem statistické analýzy je 14 parametrů, které byly identifikovány jako nejvíce významné pro hodnocení. Tři nejvýznamnější parametry jsou: MET (respirace), relF0SD (intonace), relSEOVR (intenzita hlasu – prozódie). Nejmenší chyba predikce regresních modelů strojového učení byla 7.14 %. Výsledky ukazují, že většinu úloh Testu 3F lze automatizovat. Z výsledků analýzy deseti úloh Testu 3F vyplývá, že nejdůležitějším faktorem při hodnocení dysartrie je nedostatečná exspirace, monotónnost a nízká variabilita intenzity řeči.
Test 3F is used to diagnose the extent of motor speech disorder – dysarthria for czech speakers. The evaluation of dysarthric speech is distorted by subjective assessment. The motivation behind this thesis is that there are not many automatic and objective analysis tools that can be used to evaluate phonation, articulation, prosody and respiration of speech disorder. The aim of this diploma thesis is to identify, implement and test acoustic features of speech that could be used to objectify and automate the evaluation. These features should be easily interpretable by the clinician. It is assumed that the evaluation could be more precise because of the detailed analysis that acoustic features provide. The performance of these features was tested on database of 151 czech speakers that consists of 51 healthy speakers and 100 patients. Statistical analysis and methods of machine learning were used to identify the correlation between features and subjective assesment. 27 of total 30 speech tasks of Test 3F were identified as suitable for automatic evaluation. Within the scope of this thesis only 10 tasks of Test 3F were tested because only a limited part of the database could be preprocessed. The result of statistical analysis is 14 features that were most useful for the test evaluation. The most significant features are: MET (respiration), relF0SD (intonation), relSEOVR (voice intensity – prosody). The lowest prediction error of the machine learning regression models was 7.14 %. The conclusion is that the evaluation of most of the tasks of Test 3F can be automated. The results of analysis of 10 tasks shows that the most significant factor in dysarthria evaluation is limited expiration, monotone voice and low variabilty of speech intensity.
Test 3F is used to diagnose the extent of motor speech disorder – dysarthria for czech speakers. The evaluation of dysarthric speech is distorted by subjective assessment. The motivation behind this thesis is that there are not many automatic and objective analysis tools that can be used to evaluate phonation, articulation, prosody and respiration of speech disorder. The aim of this diploma thesis is to identify, implement and test acoustic features of speech that could be used to objectify and automate the evaluation. These features should be easily interpretable by the clinician. It is assumed that the evaluation could be more precise because of the detailed analysis that acoustic features provide. The performance of these features was tested on database of 151 czech speakers that consists of 51 healthy speakers and 100 patients. Statistical analysis and methods of machine learning were used to identify the correlation between features and subjective assesment. 27 of total 30 speech tasks of Test 3F were identified as suitable for automatic evaluation. Within the scope of this thesis only 10 tasks of Test 3F were tested because only a limited part of the database could be preprocessed. The result of statistical analysis is 14 features that were most useful for the test evaluation. The most significant features are: MET (respiration), relF0SD (intonation), relSEOVR (voice intensity – prosody). The lowest prediction error of the machine learning regression models was 7.14 %. The conclusion is that the evaluation of most of the tasks of Test 3F can be automated. The results of analysis of 10 tasks shows that the most significant factor in dysarthria evaluation is limited expiration, monotone voice and low variabilty of speech intensity.
Description
Keywords
Akustická analýza řeči, akustické parametry řeči, automatická diagnóza poruchy řeči, dysartrie, objektivizace hodnocení, parametrizační metody, statistická analýza, strojové učení, Test 3F., Acoustic analysis of speech, acoustic speech features, automatic diagnosis of speech disorder, dysarthria, machine learning, objectification of evaluation, parameterization methods, speech features, statistical analysis, Test 3F.
Citation
BEZŮŠEK, M. Objektivizace Testu 3F - dysartrický profil pomocí akustické analýzy [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Zvuková produkce a nahrávání
Comittee
doc. Ing. Jiří Schimmel, Ph.D. (předseda)
Doc.Ing.MgA. Ondřej Urban, Ph.D. (místopředseda)
prof. Mgr. Pavel Rajmic, Ph.D. (člen)
Dr. Ing. Libor Husník (člen)
RNDr. Lubor Přikryl (člen)
Ing.MgA. Edgar Mojdl, Ph.D. (člen)
Date of acceptance
2021-06-10
Defence
Otázky oponenta:
1) Jak probíhal návrh parametrů, které lze použít pro automatizaci Testu 3F (Tab. 5.1)? Byli parametry určeny odborníkem nebo automatizovaně, tzv. "data driven"?
2) Mohl by dle Vás odhad i jednotlivých subskórú Testu 3F vést ke zlepšení predikce míry hypokinetické dysartrie, nebo si myslíte, že celkový dysartrický index je dostačující?
Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení