NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Edebiyat Parkinson Hastalığının (PD) konuşma üzerindeki etkisini belgelemektedir, ancak hiçbir çalışma hastalığın otomatik olarak tanımlanması için farklı fonemik grupların önemini ayrıntılı olarak analiz etmemiştir. Bu çalışma, PD'den muzdarip hoparlörleri içeren üç farklı korporada değerlendirilen yeni yaklaşımları sunar: PD'nin tespitinde farklı fonemik grupların etkisini araştırmak ve konuşmayı kullanan daha doğru tespit şemaları önermek. Önerilen metodoloji, bu makalede tanıtılan fonetik gruplama adı verilen bir teknikle birleştirilen GMM-UBM sınıflandırıcılarını kullanır ve bu da eklemlenme şekline bağlı olarak doğruluktaki farklılıkların gözlemlenmesine izin verir. Çapraz doğrulama sonuçları, AUC ile %85 ila %94 arasında, AUC ile 0.91 ila 0.98 arasında değişen oranlara ulaşırken, çapraz korpora denemeleri, AUC ile %75 ila %82 arasında, korpusa bağlı olarak 0,84 ila 0,95 arasında akurasi verir. Bu, çapraz korpora denemelerini kullanan ve yüksek akurasilere ulaşan önerilen yaklaşımların genelleme özelliklerini analiz eden ilk çalışmadır. Farklı fonemik gruplar arasında, sonuçlar plosiflerin, sesli harflerin ve frikatiflerin önerilen şemalarla PD'nin tespiti için en uygun akustik segmentler olduğunu göstermektedir. Buna ek olarak, metine bağımlı söylemlerin kullanılması daha tutarlı ve doğru modellere yol açar.
Özgün kaynak özetini okuyun
Literature documents the impact of Parkinson's Disease (PD) on speech but no study has analyzed in detail the importance of the distinct phonemic groups for the automatic identification of the disease. This study presents new approaches that are evaluated in three different corpora containing speakers suffering from PD with two main objectives: to investigate the influence of the different phonemic groups in the detection of PD and to propose more accurate detection schemes employing speech. The proposed methodology uses GMM-UBM classifiers combined with a technique introduced in this paper called phonemic grouping, that permits observation of the differences in accuracy depending on the manner of articulation. Cross-validation results reach accuracies between 85% and 94% with AUC ranging from 0.91 to 0.98, while cross-corpora trials yield accuracies between 75% and 82% with AUC between 0.84 and 0.95, depending on the corpus. This is the first work analyzing the generalization properties of the proposed approaches employing cross-corpora trials and reaching high accuracies. Among the different phonemic groups, results suggest that plosives, vowels and fricatives are the most relevant acoustic segments for the detection of PD with the proposed schemes. In addition, the use of text-dependent utterances leads to more consistent and accurate models.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.