Index of /rozprawy2/11420

Wykorzystanie sygnału mowy jako źródła informacji diagnostycznej,

kontrolnej i prognostycznej w wybranych problemach medycznych

związanych z otolaryngologią

W niniejszej rozprawie przedstawiono możliwości wykorzystania metod przetwarzania i analizy sygnału mowy oraz stosowanych narzędzi, metod klasyfikacji oraz regresji w kontekście podejmowania decyzji terapeutycznych związanych z dysfunkcją narządu głosu oraz wybranymi schorzeniami neurologicznymi. Głównym celem pracy było stworzenie systemu, którego zadaniami były: automatyczna detekcja chorób laryngologicznych, prognoza postępu choroby Parkinson'a, estymacja punktacji w skali UPDRS opisującej nasilenie objawów choroby Parkinson'a. Opis sygnału mowy w postaci wektora parametrów akustycznych oraz wykorzystanie metod uczenia maszynowego pozwoliło na poszukiwanie w sygnale charakterystycznych symptomów diagnostycznych wskazujących na obecność określonej choroby laryngologicznej lub jej braku oraz dodatkowo na monitorowanie przebiegu choroby Parkinson'a w sposób automatyczny. Wyniki analizy akustycznej zostały skorelowane z klinicznym opisem rozpoznania wybranych chorób i ich stopnia zaawansowania. W rezultacie możliwe było stworzenie oprogramowania wspomagającego pracę lekarza-klinicysty w zakresie diagnostyki, monitorowania terapii wraz z ilościową oceną postępu procesu leczenia oraz prognozą skutków tej terapii.

The use of the speech signal as a source of diagnostic, control and forecasting

information in selected medical problems related to otorhinolaryngology

This thesis presents the usage possibilities of speech signal processing and its analysis as well as applied tools, classification methods and regression to help therapeutic decisions related to the vocal organ dysfunction and selected neurological disorders. The main objective of this work was to create a system whose goals were: automatic detection of laryngeal diseases, the prognosis of Parkinson's disease progression, UPDRS score estimation describing the severity of Parkinson's disease symptoms. The speech signal is described by a vector composed of acoustic parameters. The use of machine learning methods allowed the search for characteristic diagnostic symptoms indicating the presence of a specific laryngological disease or its absence, and in addition to monitor the course of Parkinson's disease in an automatic manner. The results of the acoustic analysis were correlated with a clinical description of the selected diseases diagnosis and their severity. As a result, it was possible to create software supporting the physician- clinician work in the field of diagnostics, therapy monitoring along with a quantitative assessment of the treatment progress and prognosis of the effects of this therapy.