Depressziós és egészséges beszéd elkülönítési lehetőségei

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

Dolgozatomban egészséges és diagnosztizáltan depressziós személyek beszédakusztikai paraméterei közti eltéréseket vizsgálom kötött szöveges felolvasáskor. A depresszió megfelelő időben történő diagnosztizálása emberéleteket menthet. Pszichiáterek szerint hallás alapján is eltérés mutatkozik a depressziós beszédben, mint akusztikai produktumban az egészséges emberek beszédéhez képest. Sokszor használják a depressziós beszédre a fakó, lomha, monoton és fémes jelzőket. Dolgozatom célja a beszéd azon akusztikai paramétereinek detektálása, melyek az egészséges és a depressziós csoportokat hatékonyan elkülönítik.

Dolgozatomhoz felvételeket készítettem depressziós betegekkel - a Semmelweis Klinika, a Péterfy Sándor utcai Kórház, a Szent János Kórház Pszichiátriai osztályán és a Kispesti Forrásház Gondozási Központban -, továbbá egészséges személyekkel, ügyelve arra, hogy a koreloszlás mindkét csoportban egyforma legyen. A résztvevők az „Északi szél és a Nap” c. fonetikailag kiegyensúlyozott mesét olvasták fel. Minden résztvevő személyt a pszichiáter besorolt egy szabványosított súlyossági skála (BDI skála [1]) megfelelő fokára. A felvételeket fonémaszinten címkéztem, szegmentáltam. A vizsgált jellemzőket Praat program segítségével nyertem ki.

Az elemzéskor szegmentális és szupra-szegmentális jellemzőket is használtam. A szegmentális jellemzőket csak ’E’ hangoknál vizsgáltam, melyek: alapfrekvencia, első és második formánsfrekvencia és sávszélesség, jitter, shimmer, HNR, RoT és mel-sávok energiája. A szupra-szegmentális vizsgált paraméterek a következők voltak: beszédhangerő dinamika, beszéddallam dinamika, teljes szünethossz, felvétel időtartama, teljes szünet aránya a felvétel időtartamához képest, beszédtempó és artikulációs tempó.

A két csoport akusztikai jellemzőinek elemzését statisztikai analízissel végeztem. A statisztikai elemzéshez Kolmogorov-Szmirnov és kétmintás t-próbát használtam. A csoportok automatikus elkülönítéséhez SVM-et (Support Vector Machine, továbbiakban SVM), míg a regressziós elemzéshez SVR-t (Support Vector Regression, továbbiakban SVR) használtam, melyeket teljes keresztvalidációval vizsgáltam.

A vizsgált szegmentális és szupra-szegmentális paraméterek közül számos mutatott szignifikáns különbséget a két vizsgált csoport között. Az eredmények bizakodásra adnak okot, és további kutatásra ösztönöznek.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.