文献

J-GLOBAL ID：201802264760359016   整理番号：18A1625231

時間シフト音声特徴の相関構造による各種疾患タイプの自動分離【JST・京大機械翻訳】

Automatic Separation of Various Disease Types by Correlation Structure of Time Shifted Speech Features

著者 (4件)： Sztaho David (Budapest University of Technology and Economics, Department of Telecommunications and Media Informatics, Budapest, Hungary) ,  Kiss Gabor (Budapest University of Technology and Economics, Department of Telecommunications and Media Informatics, Budapest, Hungary) ,  Tulics Miklos Gabriel (Budapest University of Technology and Economics, Department of Telecommunications and Media Informatics, Budapest, Hungary) ,  Vicsi Klara (Budapest University of Technology and Economics, Department of Telecommunications and Media Informatics, Budapest, Hungary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： TSP  ページ： 1-4  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特別な疾患タイプは,様々な方法における音声生成の複雑な機構に影響を及ぼし,様々な音声障害を引き起こす可能性がある。これは,音声からのバイオマーカーの抽出がこれらの疾患の信頼できる指標になり得る理由である。本論文では,健常な音声サンプルと様々な疾患タイプを有する患者の異なるグループ,すなわち,うつ病,パーキンソン,声帯の形態学的変化,機能的嚥下障害,および再発性不全麻痺を分離することを目的とした。ホルマント周波数の時間シフト値(F1,F2,F3),メルフィルタバンドエネルギー値,メル周波数ケプストラム係数(MFCC),基本周波数(F0)および強度の相関行列を,疾患の分類のための入力として用いた。サポートベクトルマシンとk最近傍法を用いて性能を比較した。6クラス分類実験において,最良の全体精度は54.75~%であり,精度は4つのクラスへの障害の再分類を用いて77.59~%であった。達成された結果に基づいて,診断のための新しいマーカーを与えることによって,臨床スタッフを助けるために,音声に基づく診断ツールを作成することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： バイオマーカー ,  嚥下障害 ,  声帯 ,  患者 ,  うつ病 ,  *周波数 ,  再発 ,  ホルマント ,  サポートベクトルマシン
準シソーラス用語： ケプストラム係数 ,  不全麻痺 ,  Parkin ,  音声障害 ,  音声生成 ,  *音声特徴 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： シフト ,  音声特徴 ,  相関 ,  疾患 ,  タイプ