NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Konuşma gibi hasta semptomlarının modalitelerini kullanan tıbbi teşhis yöntemleri, başlangıç teşhis amaçları ve hastalık durumu ilerlemesini izlemek için giderek daha fazla kullanılmaktadır. Konuşma bozuklukları özellikle Parkinson hastalığı gibi nörolojik dejeneratif hastalıklarda yaygındır, bu çalışmada üstlenilen çalışmanın odağıdır. İstatistiksel zaman serisi modelleme ve sinyal işleme unsurlarını, Parkinson hastalığı olan bireylerde konuşma bozukluğunun çekirdek belirtisini doğru bir şekilde tespit etmek için yöntemler geliştirmek için Gaussian süreç modellerine dayanan modern makine öğrenme yöntemleriyle birleştiren son teknoloji istatistiksel zaman serisi yöntemlerini göstereceğiz. Önerilen yöntemlerin, ataksik konuşma bozukluklarının tespitinde standart en iyi konuşma tanı uygulamalarını aştığını göstereceğiz ve çalışmayı, özellikle de iyi kabul görmüş bir Parkinson veri konuşma çalışmasının ayrıntılı bir analizine odaklayacağız ve tüm sonuçlarımızı tekrarlanabilir hale getireceğiz. Geliştirilen metodoloji, sinyal işleme, sismoloji, konuşma analizi ve ekoloji gibi diğer alanlarda büyük başarı yakalayan tıbbi istatistiklerde yaygın olarak kabul edilmeyen özel bir teknik üzerine kuruludur. Bu çalışmada, bu yöntemi istatistiksel bir perspektiften sunacak ve konuşma zamanı serisi sinyallerine uygulandığında konuşma bozuklukları için bir test tasarlamak için kullanılacak olan stokastik bir modele genelleştireceğiz. Bu nedenle, bu çalışma hem pratik hem de istatistiksel metodolojik nitelikte katkılar yapmaktadır.
Özgün kaynak özetini okuyun
Medical diagnostic methods that utilise modalities of patient symptoms such as speech are increasingly being used for initial diagnostic purposes and monitoring disease state progression. Speech disorders are particularly prevalent in neurological degenerative diseases such as Parkinson's disease, the focus of the study undertaken in this work. We will demonstrate state-of-the-art statistical time-series methods that combine elements of statistical time series modelling and signal processing with modern machine learning methods based on Gaussian process models to develop methods to accurately detect a core symptom of speech disorder in individuals who have Parkinson's disease. We will show that the proposed methods out-perform standard best practices of speech diagnostics in detecting ataxic speech disorders, and we will focus the study, particularly on a detailed analysis of a well regarded Parkinson's data speech study publicly available making all our results reproducible. The methodology developed is based on a specialised technique not widely adopted in medical statistics that found great success in other domains such as signal processing, seismology, speech analysis and ecology. In this work, we will present this method from a statistical perspective and generalise it to a stochastic model, which will be used to design a test for speech disorders when applied to speech time series signals. As such, this work is making contributions both of a practical and statistical methodological nature.
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.