Új módszerek bevezetése a beszédrendellenességek hangalapú diagnosztizálásában

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

Korunk felgyorsult életritmusának következtében, életvitelünk jelentősen megváltozott. A stressz fokozódó hatását látszólag ellensúlyozandó, megváltoztak szokásaink is. A mindennapi „drogok” az alkohol, a dohányzás megnövelték a beszélőszerveket támadó betegségek kialakulásának gyakoriságát is. A megbetegedések statisztikai adatai alapján szükségszerűvé vált, a drasztikus végkifejlet előtti, időben történő diagnosztizálás. Ezért határoztam el egy olyan orvosi döntéstámogató rendszer tervezését, ami egyszerűen a beteg hangja alapján képes diagnosztizálni a betegséget, meghatározni annak stádiumát.

Az elmúlt évtizedekben sok olyan kutatást végeztek, amelyek az emberi beszéd számítógépes feldolgozását, felismerését és megértését célozták meg, kisebb-nagyobb sikerekkel. Ezeknek a rendszereknek két nélkülözhetetlen alapeleme van. Az egyik a beszédre, egy adott hangra jellemző paraméterek halmaza a másik pedig egy mesterséges intelligencia-rendszer, ami képes különbséget tenni az egyes esetek között és döntést hozni meghatározott helyzetekben.

Eddigi kutatásaim során elsősorban egy olyan paraméter keresésével foglalkoztam, ami alkalmas lehet a betegségek meghatározására a páciensek hangja alapján, és megfelelően jó egy mesterséges intelligencia-rendszer betanításához. Mivel úgy gondoltam, hogy egy ilyen komplex rendszer, mint a beszédképzés és a hallás nem közelíthető meg hagyományos módon, a nem-lineáris jelfeldolgozás felé fordultam. A beszédképzést egy kaotikus rendszerként közelítettem meg, és egy erre jellemző paraméterrel, a fraktáldimenzióval (Df) jellemeztem. A mérések során bebizonyítottam, hogy a betegségek eredetétől függően változik a hangra jellemző Df és mutat szignifikáns különbséget. Arra is sikerült rámutatnom, hogy nem elegendő egyetlen hangminta vizsgálata a pontos diagnózishoz, hanem több hangminta vizsgálata is szükségszerű.

Ezek mellett egy olyan matematikai modellt kerestem, ami egy ilyen dinamikusan változó rendszert könnyen és gyorsan tud kezelni, és képes önállóan döntéseket hozni. Ezek a feltételek vezettek a lágy számítási módszereken alapuló mesterséges intelligens rendszerekhez. Ezek közül főként a fuzzy következtető rendszerek és az evolúciós algoritmusok nyújtotta optimalizálási lehetőségek kihasználása vezérelt. Az általam megtervezett orvosi döntéstámogató rendszer is ilyen módszereket fog alkalmazni, aminek tervezési fázisait lépésről lépésre is bemutatom. Ez a rendszer bemeneti paraméterként a fraktáldimenziót is felhasználja és a betegségek eredetének meghatározására fog koncentrálni.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.