Genel
Parkinson's Disease Detection Using Empirical Fourier Decomposition of Speech Signal
Journal of Voice ·
Nayak SS, Darji AD, Shah PK, et al.
Konuşma sinyalinden Parkinson hastalığını otomatik saptamak için bir yöntem geliştirildi. Ampirik Fourier ayrıştırmasına dayanan yöntemde hastalarla sağlıklı kontrollerin tek kelime ve uzatılmış ünlü kayıtları kullanıldı. Sinyal birkaç bileşene ayrıştırıldıktan sonra her bileşenden ortalama, varyans ve entropi gibi istatistiksel özellikler çıkarılarak bunların birleşimi destek vektör makinesi sınıflandırıcısıyla değerlendirildi. Doğruluk apto kelimesiyle yüzde 93, i ünlüsüyle yüzde 95 olurken ek ayar yapılmadan sınanan bağımsız test kümesinde tek kelimelerle en çok yüzde 84'e ulaştı. Yöntem, yakın frekanslı bileşenleri ayrıştırmada ampirik dalgacık dönüşümüne göre daha isabetli bulundu. Bu bulgular, önerilen özelliklerin Parkinson hastalarını sağlıklı kontrollerden otomatik olarak ayırmada uygun ve dayanıklı olduğunu düşündürmektedir.
A speech-analysis algorithm to detect Parkinson disease automatically is the subject of this study. It split speech from patients and healthy controls into modes using empirical Fourier decomposition. Statistical and entropy-based features from each mode then went to a support vector machine classifier. On the PC-GITA database, accuracy was 93 percent with the word /apto/ and 95 percent with the vowel /i/. Applied unchanged to an independent test set, the system reached up to 84 percent accuracy for isolated words.
Yapay zekâ desteğiyle özetlendi