Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Detection of Persons with Parkinson's Disease by Acoustic, Vocal, and Prosodic Analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00190035" target="_blank" >RIV/68407700:21230/11:00190035 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.asru2011.org/" target="_blank" >http://www.asru2011.org/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ASRU.2011.6163978" target="_blank" >10.1109/ASRU.2011.6163978</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detection of Persons with Parkinson's Disease by Acoustic, Vocal, and Prosodic Analysis

  • Popis výsledku v původním jazyce

    70% to 90% of patients with Parkinson's disease (PD) show an affected voice. Various studies revealed, that voice and prosody is one of the earliest indicators of PD. The issue of this study is to automatically detect whether the speech/voice of a personis affected by PD. We employ acoustic features, prosodic features and features derived from a two-mass model of the vocal folds on different kinds of speech tests: sustained phonations, syllable repetitions, read texts and monologues. Classification isperformed in either case by SVMs. A correlation-based feature selection was performed, in order to identify the most important features for each of these systems. We report recognition results of 91% when trying to differentiate between normal speaking persons and speakers with PD in early stages with prosodic modeling. With acoustic modeling we achieved a recognition rate of 88% and with vocal modeling we achieved 79%. After feature selection these results could reatly be improved. But

  • Název v anglickém jazyce

    Detection of Persons with Parkinson's Disease by Acoustic, Vocal, and Prosodic Analysis

  • Popis výsledku anglicky

    70% to 90% of patients with Parkinson's disease (PD) show an affected voice. Various studies revealed, that voice and prosody is one of the earliest indicators of PD. The issue of this study is to automatically detect whether the speech/voice of a personis affected by PD. We employ acoustic features, prosodic features and features derived from a two-mass model of the vocal folds on different kinds of speech tests: sustained phonations, syllable repetitions, read texts and monologues. Classification isperformed in either case by SVMs. A correlation-based feature selection was performed, in order to identify the most important features for each of these systems. We report recognition results of 91% when trying to differentiate between normal speaking persons and speakers with PD in early stages with prosodic modeling. With acoustic modeling we achieved a recognition rate of 88% and with vocal modeling we achieved 79%. After feature selection these results could reatly be improved. But

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the Automatic Speech Recognition and Understanding Workshop 2011

  • ISBN

    978-1-4673-0367-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    478-483

  • Název nakladatele

    IEEE Signal Processing Society

  • Místo vydání

    Piscataway

  • Místo konání akce

    Hawaii

  • Datum konání akce

    11. 12. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku