On-line aplikace hodnocení vývojové dysfázie

Abstract

Tato práce se zabývá tvorbou online aplikace pro hodnocení vývojové dysfázie. Vývojová dysfázie je současné době nejrozšířenější porucha řeči u dětí. Diagnostikovat vývojovou dysfázii mohou jen zkušení odborníci. S funkční online aplikací by se proces diagnostiky dětí s vývojovou dysfázií urychlil a zefektivnil. Hlavním cílem bylo proto vytvoření aplikace, která by byla schopna rozlišovat zdravé nahrávky od nezdravých nahrávek s dostatečně velkou přesností. Cílem bylo otestovat možnosti zpracování nahrávek, způsob jejich porovnání a navržení úspěšného rozhodovacího systému pro nahrávky. Následně byly nejúspěšnější metody použity v samostatně spustitelné aplikaci. Jako rozhodné parametry byly použity tyto: energie, délka signálu a také hodnoty z metod MFCC a LPC. Tyto hodnoty pro MFCC a LPC byly získány pomocnou metodou DTW. Největší přesnosti se dosahuje při použití všech čtyř parametrů pro binární SVM klasifikaci. Přesnost klasifikace se pohybuje od 84 % do 97 % v závislosti na druhu promluvy. S touto přesností byla vytvořena aplikace pro klasifikaci promluv.

This work deals with the creation of an online application for the evaluation of developmental dysphasia. Developmental dysphasia is currently the most common speech disorder in children. Developmental dysphasia can only be diagnosed by experienced professionals. With a functional online application, the process of diagnosing children with developmental dysphasia would be speeded up and made more efficient. The main goal was therefore to create an application that would be able to distinguish healthy recordings from unhealthy recordings with sufficient accuracy. The aim was to test the possibilities of processing recordings, how to compare them and to design a successful decision system for recordings. Subsequently, the most successful methods were used in a stand-alone executable application. The following were used as decisive parameters: energy, signal length as well as values from the MFCC and LPC methods. These values for MFCC and LPC were obtained using the DTW auxiliary method. The highest accuracy is achieved using all four parameters for binary SVM classification. The accuracy of the classification ranges from 84 % to 97 % depending on the type of speech. An application for speech classification was created with this accuracy.