論文の概要: Severity Classification of Parkinson's Disease from Speech using Single Frequency Filtering-based Features

• arxiv url: http://arxiv.org/abs/2308.09042v1
• Date: Thu, 17 Aug 2023 15:22:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 16:14:48.508926
• Title: Severity Classification of Parkinson's Disease from Speech using Single Frequency Filtering-based Features
• Title（参考訳）: 単一周波数フィルタを用いた音声からのパーキンソン病の重症度分類
• Authors: Sudarsana Reddy Kadiri, Manila Kodali, Paavo Alku
• Abstract要約: 本研究では、単一周波数フィルタリング(SFF)法に基づく2種類の新しい特徴セットを提案する。 提案されたSFFCCとMFCC-SFFは母音タスクに対して5.8%と2.3%の相対的な改善を与えた。
• 参考スコア（独自算出の注目度）: 16.72108358211858
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing objective methods for assessing the severity of Parkinson's disease (PD) is crucial for improving the diagnosis and treatment. This study proposes two sets of novel features derived from the single frequency filtering (SFF) method: (1) SFF cepstral coefficients (SFFCC) and (2) MFCCs from the SFF (MFCC-SFF) for the severity classification of PD. Prior studies have demonstrated that SFF offers greater spectro-temporal resolution compared to the short-time Fourier transform. The study uses the PC-GITA database, which includes speech of PD patients and healthy controls produced in three speaking tasks (vowels, sentences, text reading). Experiments using the SVM classifier revealed that the proposed features outperformed the conventional MFCCs in all three speaking tasks. The proposed SFFCC and MFCC-SFF features gave a relative improvement of 5.8% and 2.3% for the vowel task, 7.0% & 1.8% for the sentence task, and 2.4% and 1.1% for the read text task, in comparison to MFCC features.
• Abstract（参考訳）: パーキンソン病(PD)の重症度を評価する客観的手法の開発は診断と治療の改善に不可欠である。 本研究では,(1)sffケプストラム係数(sffcc)と(2)sff(mfcc-sff)からのmfcc(mfcc-sff)の2つの特徴を,pdの重症度分類のために提案する。 以前の研究では、SFFは短時間フーリエ変換よりもスペクトル時間分解能が高いことが示されている。 この研究は、PC-GITAデータベースを使用し、PD患者のスピーチと、3つの発話タスク(母音、文、テキスト読解)で生成される健康的なコントロールを含む。 SVM分類器を用いた実験により、提案された特徴が従来のMFCCよりも優れていることが明らかになった。 提案されたSFFCCとMFCC-SFFの機能は、母音タスクの5.8%と2.3%、文タスクの7.0%と1.8%、読み出しテキストタスクの2.4%と1.1%の相対的な改善を与えた。

関連論文リスト

• Homogeneous Speaker Features for On-the-Fly Dysarthric and Elderly Speaker Adaptation [71.31331402404662]
  本稿では, 変形性関節症と高齢者の話者レベルの特徴を学習するための2つの新しいデータ効率手法を提案する。 話者規則化スペクトルベース埋め込み-SBE特徴は、特別な正規化項を利用して適応における話者特徴の均一性を強制する。 テスト時間適応において、話者レベルのデータ量に敏感であることが示されるVR-LH機能に規定されている特徴ベースの学習隠れユニットコントリビューション(f-LHUC)。
  論文  参考訳（メタデータ） (2024-07-08T18:20:24Z)
• Enhancing dysarthria speech feature representation with empirical mode decomposition and Walsh-Hadamard transform [8.032273183441921]
  We propose a feature enhancement for dysarthria speech called WHFEMD。 実験モード分解(EMD)と高速ウォルシュ・アダマール変換(FWHT)を組み合わせて特徴を増強する。
  論文  参考訳（メタデータ） (2023-12-30T13:25:26Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• Performance, Transparency and Time. Feature selection to speed up the diagnosis of Parkinson's disease [0.0]
  特徴選択(FS)技術は、医師が病気を迅速に診断するのに役立つ。 FSは、モデルパフォーマンスを改善し、患者に必要なテストの数を減らすのに役立つ最適なサブセット機能である。 3つのFSは可変解析(ANOVA)、最小絶対収縮・選択演算子(LASSO)、連続特徴選択(SFS)である。
  論文  参考訳（メタデータ） (2022-06-08T07:39:35Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• On-the-Fly Feature Based Rapid Speaker Adaptation for Dysarthric and Elderly Speech Recognition [53.17176024917725]
  話者レベルのデータの共有化は、データ集約型モデルに基づく話者適応手法の実用的利用を制限する。 本稿では,2種類のデータ効率,特徴量に基づくオンザフライ話者適応手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T09:12:24Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Comparative Study of Speech Analysis Methods to Predict Parkinson's Disease [0.0]
  発声障害は、変性する前にこの疾患を検出するために用いられる。 この研究は、PDを予測するための音声特徴と機械学習アプローチを分析する。 全ての音響特性とMFCCを使い、SVMと共に98%の精度で最高の性能を実現した。
  論文  参考訳（メタデータ） (2021-11-15T04:29:51Z)
• Parkinson's Disease Diagnosis based on Gait Cycle Analysis Through an Interpretable Interval Type-2 Neuro-Fuzzy System [3.5450828190071655]
  提案手法は,垂直地中反応力(vGRF)から抽出した臨床特徴を利用する。 提案手法の最終的な精度、精度、リコール、F1スコアは88.74%、89.41%、95.10%、92.16%である。
  論文  参考訳（メタデータ） (2021-09-02T08:33:27Z)
• Transfer Learning improves MI BCI models classification accuracy in Parkinson's disease patients [50.591267188664666]
  運動運動に基づくBCI(MIBCI)は、パーキンソン病患者の能力向上と障害症状の軽減を可能にする。 精度と時間関連キャリブレーションの課題を克服するためには、高度なMotor Imagery BCI法が必要である。 本研究は, PD患者に対するMI BCIの精度向上を目的とした, 転写学習に基づくFBCSPアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-29T19:28:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。