A funkcionális dysphonia és a hangszalagbénulás diagnosztizálási lehetőségei

OData támogatás
Konzulens:
Dr. Vicsi Klára
Távközlési és Médiainformatikai Tanszék

Az emberi beszéd az egyik leghatékonyabb kommunikációs forma. Ezért igen fontos a beszédhangok akusztikai paramétereinek vizsgálata, amely segítséget nyújthat a hangképzési betegségek felismerésében, így idővel komoly előrehaladást jelenthet az orvosi diagnosztika terén.

Szakdolgozatom keretében a különböző betegségcsoportok automatikus elkülönítését vizsgáltam. Munkámat a témát felölelő irodalmak tanulmányozásával kezdtem, majd kiválasztottam a vizsgálni kívánt betegségcsoportokat, végül a funkcionális dysphoniára és a hangszalagbénulásra esett a választásom. Kiválogattam azon hangmintákat, amelyekkel a későbbi teszteket végeztem, így összesen 53 funkcionális dysphoniás és 49 hangszalagbénult páciens hangmintájával dolgoztam.

A következő feladatom az SVM (Support Vector Machine) bemeneti vektorainak az előállítása volt. Először elvégeztem a felvételek szegmentálását, majd az akusztikai paraméterek meghatározása következett. Az elvégzett betanításokhoz és tesztekhez a jitter ddp, shimmer dda, HNR és MFCC akusztikai paraméterek szórását és átlagát használtam fel.

A szupport vektorok előállítása után következett az SVM betanítása. Először a folyamatos beszéd ,,E” hangját vizsgáltam. Az így létrehozott osztályozó pontosságát teljes keresztkiértékeléssel és normál teszteléssel is ellenőriztem. Ezek után a teljes felolvasott mesére vonatkozó akusztikai paraméterekkel végeztem el az SVM betanítását, majd a tesztelésre teljes keresztkiértékelést használtam

A félév során elért legjobb elkülönítési eredményem 81.37% volt, amely kutatásom alapján kiemelkedő eredménynek mondható. Ezt a pontosságot a teljes felolvasott szöveg vizsgálata során, a jitter ddp, shimmer dda és mfcc1 akusztikai paraméterek szórásának és átlagának felhasználásával értem el.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.