NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Giriş Konuşma bozukluğunun otomatik olarak değerlendirilmesi Parkinson hastalığında (PD) bir kesici konudur. Dil bozukluklarının tipik motor semptomlardan birkaç yıl önce meydana geldiği bilinmektedir, bu nedenle konuşma analizi hastalığın erken teşhisine katkıda bulunabilir. Dahası, disfoninin uzaktan izlenmesi, muhtemelen ev ortamında gerçekleştirilen PD klinik durumunun etkili bir şekilde izlenmesine izin verebilir.MetodlarBu çalışmada, tüm sinyalden çıkarılan özellikleri, sesli segmentleri ve on-set / off-set bölgeleri aşamalı olarak birleştirerek, toplam 126 özelliğe yol açan çok seviyeli bir analiz gerçekleştirdik. Ayrıca, erken ve geç özellikli füzyon şemalarının performansını karşılaştırdık, en iyi model konfigürasyonunu tanımlamayı ve her bir konu tarafından telaffuz edilen 25 izole kelimeden yararlanmayı amaçladık. Doğrulama ve test için PC-GITA veritabanından (50 sağlıklı kontrol ve 50 PD hasta) veri kullandık.SonuçlarPD hastalarının sağlıklı kontrollere karşı ikili sınıflandırması için optimize edilmiş bir k-En Yakın Komşular modeli uyguladık. 10 kat çapraz doğrulamada %99,4 doğruluk ve PC-GITA veritabanında testlerde %94,3 doğruluk elde ettik (erkek ve kadın deneklerin ortalama değeri).Buna ek olarak, modelimizin sağladığı umut verici performans, ses kayıtları kullanılarak PD'nin otomatik olarak değerlendirilmesinin uygulanabilirliğini doğrulamaktadır. Dahası, en alakalı özelliklerin bir post-hoc analizi, basit bir akıllı telefon uygulaması kullanarak ses işleme seçeneğini açıklar.
Özgün kaynak özetini okuyun
IntroductionAutomatic assessment of speech impairment is a cutting edge topic in Parkinson's disease (PD). Language disorders are known to occur several years earlier than typical motor symptoms, thus speech analysis may contribute to the early diagnosis of the disease. Moreover, the remote monitoring of dysphonia could allow achieving an effective follow-up of PD clinical condition, possibly performed in the home environment.MethodsIn this work, we performed a multi-level analysis, progressively combining features extracted from the entire signal, the voiced segments, and the on-set/off-set regions, leading to a total number of 126 features. Furthermore, we compared the performance of early and late feature fusion schemes, aiming to identify the best model configuration and taking advantage of having 25 isolated words pronounced by each subject. We employed data from the PC-GITA database (50 healthy controls and 50 PD patients) for validation and testing.ResultsWe implemented an optimized k-Nearest Neighbours model for the binary classification of PD patients versus healthy controls. We achieved an accuracy of 99.4% in 10-fold cross-validation and 94.3% in testing on the PC-GITA database (average value of male and female subjects).ConclusionThe promising performance yielded by our model confirms the feasibility of automatic assessment of PD using voice recordings. Moreover, a post-hoc analysis of the most relevant features discloses the option of voice processing using a simple smartphone application.
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.