NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Disartri, Parkinson hastalığının (PD) erken bir belirtisidir ve telesağlık potansiyeli olan hastalığın tespiti ve izlenmesi için önerilmiştir. Bununla birlikte, farklı insanların sesleri arasındaki doğal farklılıklarla, bilgisayarlı analiz, farklı veri kümeleri için tutarlı olan yüksek performans göstermemiştir. Bu çalışmanın amacı, PD seslerinin tespitinde performansı artırmak ve bunu farklı veri kümeleriyle test etmekti. Bu çalışma, üç grup fonome parametresinin, yani ses yoğunluğu varyasyonunun, glottal titreşimin pertürbasyonunun ve PD'li insanları iki kamu veri tabanı kullanarak sağlıklı deneklerden ayırt etmek için görünür ses kanalı uzunluğunun (VTL) etkinliğini araştırmıştır. Parametreler, 50 PD hastadan ve 50 sağlıklı PC-GITA veri setinden kaydedilen /a/, /e/, /i/, /o/ ve /u/ olmak üzere beş sürekli fonemdan çıkarıldı. Özellikler istatistiksel olarak araştırıldı ve daha sonra Destek Vektör Makinesi (SVM) kullanılarak sınıflandırıldı. Bu Viswanathan veri setinde /a/, /o/ ve /m/ 24 PD ve 22 yaş uyumlu sağlıklı kişilerin akıllı telefon tabanlı kayıtları ile tekrarlandı. VTL parametreleri, PD'li kişilerin sesleri ile sağlıklı denekler arasında en yüksek farkı verdi; PC-GITA veri setinin beş sesli harfi ile sınıflandırma doğruluğu %84,3 iken, diğer özellikler için doğruluk oranı %54 ile %69,2 arasındaydı. Viswanathan'ın veri kümesinin doğruluğu %96,0 idi. Bu çalışma, akıllı telefon kullanarak fonemes kaydından elde edilen VTL'nin PD'li kişileri doğru bir şekilde tanımlayabildiğini göstermiştir. Analiz tamamen bilgisayarlaştırılmış ve otomatikleştirilmişti ve bu PD için telesağlık teşhisi için potansiyele sahiptir.
Özgün kaynak özetini okuyun
Dysarthria is an early symptom of Parkinson's disease (PD) which has been proposed for detection and monitoring of the disease with potential for telehealth. However, with inherent differences between voices of different people, computerized analysis have not demonstrated high performance that is consistent for different datasets. The aim of this study was to improve the performance in detecting PD voices and test this with different datasets. This study has investigated the effectiveness of three groups of phoneme parameters, i.e. voice intensity variation, perturbation of glottal vibration, and apparent vocal tract length (VTL) for differentiating people with PD from healthy subjects using two public databases. The parameters were extracted from five sustained phonemes; /a/, /e/, /i/, /o/, and /u/, recorded from 50 PD patients and 50 healthy subjects of PC-GITA dataset. The features were statistically investigated, and then classified using Support Vector Machine (SVM). This was repeated on Viswanathan dataset with smartphone-based recordings of /a/, /o/, and /m/ of 24 PD and 22 age-matched healthy people. VTL parameters gave the highest difference between voices of people with PD and healthy subjects; classification accuracy with the five vowels of PC-GITA dataset was 84.3% while the accuracy for other features was between 54% and 69.2%. The accuracy for Viswanathan's dataset was 96.0%. This study has demonstrated that VTL obtained from the recording of phonemes using smartphone can accurately identify people with PD. The analysis was fully computerized and automated, and this has the potential for telehealth diagnosis for PD.
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.