Analýza orální diadochokineze u progresivních neurologických onemocnění pomocí automatizované akustické analýzy
Analysis of Oral Diadochokinesis in Progressive Neurological Diseases via Automated Acoustic Analysis
Typ dokumentu
diplomová prácemaster thesis
Autor
Jan Melechovský
Vedoucí práce
Rusz Jan
Oponent práce
Krupička Radim
Studijní obor
Audiovizuální technika a zpracování signálůStudijní program
Elektronika a komunikaceInstituce přidělující hodnost
katedra radioelektronikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato práce se zabývá problematikou automatické klasifikace neurodegenerativních onemocnění pomocí akustické analýzy orální diadochokineze. Dvě varianty algoritmu pro segmentaci řeči, který je nedílnou součástí pro vyhodnocení diadochokineze, jsou navrženy. Jejich přesnosti jsou porovnány a ten lepší je porovnán s předešlými algoritmy. S využitím tohoto algoritmu jsou pak z promluv pacientů extrahovány příznaky, jejichž významnost je vyhodnocena. Posledním krokem je klasifikace onemocnění s pomocí jednoduchého klasifikátoru. Práce je zakončena diskuzí nad výsledky a návrhy k budoucí práci. This thesis deals with an automated assessment of neurodegenerative diseases by acoustic speech analysis using oral diadochokinesis. Two variants of speech segmentation algorithm necessary for the diadochokinetic task are designed. Their performance is evaluated and compared to previously designed algorithms from the literature. Furthermore, the speech segmentation algorithm is used to extract features from the utterances. The features are evaluated in terms of significance, and a simple classifier is built to distinguish between the neurodegenerative diseases. Finally, we discuss the results and make proposals for future work.
Kolekce
- Diplomové práce - 13137 [258]