Analýza vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Práce se zabývá analýzou vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie. Pro zvýraznění řeči jsou zvoleny a v prostředí MATLAB R2022a implementovány vhodné jednokanálové metody, a to konkrétně spektrální odečítání a Kalmanův filtr. Metody jsou rovněž použity i u nahrávek bez zatížení šumem, ke kterým byl přidán aditivní bílý šum. Účinnost těchto metod je pak hodnocena objektivně pomocí hodnot odstupu signálu od šumu. Po zvýraznění řeči jsou z nahrávek extrahovány řečové příznaky. Vliv přítomnosti šumu, a i jeho následné potlačení jednotlivými metodami, je následně vyhodnoceno statistickou analýzou, konkrétně za pomoci Kruskal-Wallisova testu a post-hoc Dunnova testu. Distribuce pravděpodobnosti parametrů nahrávek čistých, zašuměných i zvýrazněných, u nichž je dle statistických testů vliv šumu signifikantní, jsou vykresleny za pomoci houslových a krabicových grafů. Na závěr byla provedena klasifikace nahrávek logistickou regresí za pomoci strojového učení, kdy byl dle hodnot plochy pod ROC křivkou popsán vliv přítomnosti šumu a následné zvýraznění řeči na automatizovanou detekci hypokinetické dysartrie.
This thesis deals with the automated detection of hypokinetic dysarthria by analysing the influence of noise present in recordings. Appropriate single-channel methods, specifically the spectral subtraction and Kalman filter, are selected and implemented in the MATLAB R2022a to enhance speech. These methods are also used for noise-free recordings, to which additive white noise was added. Afterwards, the effectiveness of these methods is objectively evaluated by using signal-to-noise ratio values. After enhancing of speech, interferences are extracted from the recordings. The effect of the presence of noise, as well as its subsequent suppression by individual methods, is then evaluated by statistical analysis, specifically using the Kruskal-Wallis test and the post hoc Dunn’s test. The probability of distributing parameters of clean, noisy and enhanced recordings, for which the effect of noise is significant, according to statistical tests, are plotted using violin and box graphs. Finally, the classification was done by logistic regression with the help of machine learning, where the effect of the presence of noise and subsequent speech enhancement on automated detection of hypokinetic dysarthria was described according to the area values under the ROC curve.
This thesis deals with the automated detection of hypokinetic dysarthria by analysing the influence of noise present in recordings. Appropriate single-channel methods, specifically the spectral subtraction and Kalman filter, are selected and implemented in the MATLAB R2022a to enhance speech. These methods are also used for noise-free recordings, to which additive white noise was added. Afterwards, the effectiveness of these methods is objectively evaluated by using signal-to-noise ratio values. After enhancing of speech, interferences are extracted from the recordings. The effect of the presence of noise, as well as its subsequent suppression by individual methods, is then evaluated by statistical analysis, specifically using the Kruskal-Wallis test and the post hoc Dunn’s test. The probability of distributing parameters of clean, noisy and enhanced recordings, for which the effect of noise is significant, according to statistical tests, are plotted using violin and box graphs. Finally, the classification was done by logistic regression with the help of machine learning, where the effect of the presence of noise and subsequent speech enhancement on automated detection of hypokinetic dysarthria was described according to the area values under the ROC curve.
Description
Citation
HAVELKOVÁ, N. Analýza vlivu přítomnosti šumu v nahrávkách na automatizovanou detekci hypokinetické dysartrie [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Zvuková produkce a nahrávání
Comittee
prof. Mgr. Pavel Rajmic, Ph.D. (předseda)
doc. Ing. MgA. Mgr. Dan Dlouhý, Ph.D. (místopředseda)
doc. Ing. Jiří Schimmel, Ph.D. (člen)
RNDr. Lubor Přikryl (člen)
Ing. Jaromír Mačák, Ph.D. (člen)
Ing.MgA. Edgar Mojdl, Ph.D. (člen)
Ing. Štěpán Miklánek (člen)
Date of acceptance
2022-06-09
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky.
Otázky oponenta:
1. V práci používáte logistickou regresi s použitím všech parametrů. Jak by jste určila tzv. „feature importance“ neboli důležitost jednotlivých parametrů v natrénovaném modelu?
2. Použili jste při trénování logistické regrese normalizaci hodnot jednotlivých parametrů? Proč je logistická regrese citlivá na rozsah hodnot parametrů?
3. Databáze českých záznamů je poměrně nevyvážená ve smyslu počtu nahrávek pro jednotlivé třídy. Tento fakt ovlivňuje přesnost učícího algoritmu. Jak by jste řešila vyváženost datasetu?
Doplňující otázka: Čím se projevuje řečová dysartrie?
Studentka obhájila diplomovou práci a odpověděla na otázky (kromě části otázky č.2) členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení