Çoklu ses kayıtları içeren bir parkinson konuşma veri kümesinin toplanması ve analizi
Collection and analysis of a parkinson speech dataset with multiple types of sound recordings
- Tez No: 352242
- Danışmanlar: PROF. DR. AHMET SERTBAŞ, DOÇ. DR. OLCAY KURŞUN
- Tez Türü: Doktora
- Konular: Nöroloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Neurology, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: merkezi eğilim ve dağılım ölçütleri, çapraz geçerleme, çoklu ses türleri, konuşma bozuklukları, Parkinson hastalığının uzaktan tanısı, Parkinson hastalığı, Ses bozuklukları, Ses işleme, Yapay zeka, Örüntü tanıma, central tendency and dispersion metrics, cross validation, multiple sound types, speech impairments, telediagnosis of Parkinson's disease, Parkinson disease, Voice disorders, Speech processing, Artificial intelligence, Pattern recognition
- Yıl: 2014
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknoloji ilerledikçe, tıp alanında kestirimci uzaktan tanı ve takip sistemlerinin kullanımı gittikçe artmaktadır. Bu tip sistemler tansiyon ve şeker gibi yaygın hastalıkların teşhis, tanı ve takibinde sıklıkla kullanılmaktadır. Bu sistemlere artan ilgiyle birlikte, Parkinson hastalığının teşhis, tanı ve takibinde kullanılabilecek konuşmadan örüntü tanıma uygulamalarına olan ilgi de artmıştır. Bu amaçla, bu çalışmada Parkinson hastaları için bir dizi konuşma alıştırmasından derlenmiş sürekli sesli harfleri, kelimeleri ve cümleleri içeren farklı ses örnekleri toplanmıştır. Her denek için birden fazla ses kaydı içeren bu tür bir veri kümesi üzerinde çalışacak kestirimci bir yapay öğrenme modeli çıkarımında iki temel sorun bulunmaktadır. Birincisi, bu farklı ses örneklerinin Parkinson hastalığının teşhisinde ne kadar kestirimci olabileceğini tahmin etmektir. Diğeri ise, bir deneğin tüm örnek ses kayıtları yerine bu kayıtların merkezi eğilim ve dağılım ölçütlerini kullanmanın bu deneğin tüm kayıtlarını ne kadar temsil edeceğidir. Bu çalışmanın amacı toplanan Parkinson veri kümesi üzerinde çeşitli yapay öğrenme algoritmalarını kullanarak hangi ses örneğinin daha başarılı sonuçlar vereceğini bulmak; ayrıca merkezi eğilim ve dağılım ölçütlerini kullanarak ses örneklerinden çıkarılan temsili değişkenlerin başarısını ölçmektir. Yapılan bu çalışma sonucunda toplanan Parkinson veri kümesi üzerinde kullanılan popüler yapay öğrenme algoritmaları göstermiştir ki daha önce yapılan çalışmalarda da gösterildiği gibi sürekli sesli harfler daha fazla ayırt edici bilgi içermektedir. Ayrıca bir deneğe ait farklı ses örneklerinin merkezi eğilim ve dağılım ölçütleri ile gösterimini kullanmak kestirimci modelin ayırt edici özelliğini arttırmaktadır.
Özet (Çeviri)
As the tecnological progress advances, usage of predictive telediagnosis and telemonitoring systems in the medical area is also increasing. These kind of systems have already been used for the diagnosis and monitoring of widespread diseases like tension (hyper/hipo) and diabetes. With the increasing interest to these systems, there has been an increased interest in speech pattern analysis applications of Parkinsonism for building predictive telediagnosis and telemonitoring models. For this purpose, we have collected a wide variety of voice samples, including sustained vowels, words, and sentences compiled from a set of speaking exercises for People with Parkison's (PWP). There are two main issues in learning from such a dataset that consists of multiple speech recordings per subject: (i) how predictive these various types, e.g. sustained vowels vs. words, of voice samples are in Parkinson's Disease (PD) diagnosis? (ii) how well the central tendency and dispersion metrics serve as representatives of all sample recordings of a subject? One of the aims of this thesis study is to investigate the performance of popular machine learning tools on different voice samples. Additionally the success of using the representations of the voice samples with the central tendency and dispersion metrics is also examined. This study showed that investigating our Parkinson dataset using well-known machine learning tools, as reported in the literature, sustained vowels are found to carry more PD-discriminative information. It is also found that rather than using each voice recording of each subject as an independent data sample, representing the samples of a subject with central tendency and dispersion metrics improves generalization of the predictive model.
Benzer Tezler
- Günümüz standart Türkçesindeki çok şekilli söylenişlerin 1960'a kadar sesli kayıtlardaki durumu
A master thesis on the status of the voice records until 1960 for the multiple formats of vocalization in today's standart Turkish language
CÜNEYT GÜNDOĞDU
Yüksek Lisans
Türkçe
2009
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Edebiyatı Bölümü
PROF. DR. ÇETİN PEKACAR
- Face and speech recognition on field programmable gate array
Sahada programlanabilir kapı dizilerinde yüz ve konuşma tanımlama
GÖKHAN ÇETİN
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NALAN ERDAŞ ÖZKURT
- Artırılmış gerçeklik teknolojisinin okul öncesi dönemde kullanımı: Durum çalışması
Utilization of augmented reality in early childhood: A case study
HACER KUZGUN
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH ÖZDİNÇ
- Çoklu ortam veri tabanı yönetim sistemi için görüntü sorgulama algoritması
An image query algorithm for multimedia database management system
RAGIP SAVAŞ
- An examination of the impact of an online professional development program on language teachers' cognition and teaching practices
Çevrimiçi bir mesleki gelişim programının İngilizce öğretmenlerinin bilişi ve sınıf uygulamaları üzerine etkisinin incelenmesi
BEHİCE CEYDA SONGÜL
Doktora
İngilizce
2019
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. ÖMER DELİALİOĞLU
DR. ÖĞR. ÜYESİ ÇAĞRI ÖZKÖSE BIYIK