پردازش گفتار
محمدبهادر نجفی؛ منصور ولی
دوره 14، شماره 2 ، تیر 1399، ، صفحه 97-107
چکیده
بیماری پارکینسون بعد از آلزایمر به عنوان رایجترین بیماری مخرب سیستم عصبی شناخته میشود. یکی از عوارض شایع این بیماری، به وجود آمدن اختلالات گفتاری است. با توجه به این که تولید گفتار در انسان شامل تولید صوت در اثر ارتعاش تارهای صوتی (بخش آوایی) و سپس عبور آن از فیلتر لولهی صوتی (بخش تلفظی) است، انتظار میرود هر کدام از این دو بخش دچار ...
بیشتر
بیماری پارکینسون بعد از آلزایمر به عنوان رایجترین بیماری مخرب سیستم عصبی شناخته میشود. یکی از عوارض شایع این بیماری، به وجود آمدن اختلالات گفتاری است. با توجه به این که تولید گفتار در انسان شامل تولید صوت در اثر ارتعاش تارهای صوتی (بخش آوایی) و سپس عبور آن از فیلتر لولهی صوتی (بخش تلفظی) است، انتظار میرود هر کدام از این دو بخش دچار اختلال شوند. در این تحقیق با استفاده از یک روش غیرتهاجمی و به کمک سیگنال گفتار فرد، به تشخیص بیماری پارکینسون پرداخته شده است. بدین منظور از گویش 3 واکهی کشیدهی زبان فارسی توسط 48 نفر (27 نفر مبتلا به بیماری پارکینسون و 21 نفر سالم) استفاده شده است تا میزان تخریب دو بخش تلفظی و آوایی ارزیابی شود. از ویژگیهای مرتبط با بخش آوایی تولید گفتار میتوان به جیتر، شیمر، فرکانس گام و طول زمانی باز و بسته شدن پالسهای چاکنایی و از ویژگیهای بخش تلفظی گفتار میتوان به فرمنتهای اول، دوم و سوم، نرخ عبور از صفر، MFCC و LPC اشاره کرد. در این تحقیق، در مجموع 38 دستهی ویژگی استخراج شده و چهار پارامتر آماری میانگین، انحراف معیار، ضریب چولگی و ضریب کشیدگی از روی آنها محاسبه شده است. در ادامه از الگوریتم ژنتیک برای شناسایی ویژگیهای بهینه استفاده شده و شناسایی بیماری پارکینسون با به کارگیری طبقهبندهای SVM، KNN و درخت تصمیمگیر انجام شده است. به عنوان شاخصهی اصلی این پژوهش، نتایج مربوط به دو بخش آوایی و تلفظی مورد مقایسه و چالش قرار گرفته است. نتایج حاصل از این مطالعه نشان داده که ویژگیهای آوایی با صحت 2/1±1/96% نسبت به ویژگیهای تلفظی در تشخیص بیماری پارکینسون نقش مفیدتری داشته و همچنین واکهی /او/ با میزان صحت 6/97% بهترین عملکرد را در تشخیص بیماری پارکینسون نسبت به سایر واکهها داشته است.
پردازش گفتار
احسان عکافی؛ منصور ولی؛ نگین مرادی
دوره 6، شماره 3 ، آذر 1391، ، صفحه 119-129
چکیده
پرخیشومی از رایجترین اختلالات در کودکان دارای شکاف کام است. عموماً برای کاهش این نقیصه نیاز به جراحی است و بنابراین ارزیابی خیشومی بودن برای بررسی تأثیر جراحی و همچنین طراحی جلسات گفتار درمانی- که بعد از عملهای جراحی نیاز است- حیاتی است. استفاده از مدلهای تمام قطب مانند ARبرای مدلسازی سیستم لوله صوتی افراد سالم رایج و معتبر هستند؛ ...
بیشتر
پرخیشومی از رایجترین اختلالات در کودکان دارای شکاف کام است. عموماً برای کاهش این نقیصه نیاز به جراحی است و بنابراین ارزیابی خیشومی بودن برای بررسی تأثیر جراحی و همچنین طراحی جلسات گفتار درمانی- که بعد از عملهای جراحی نیاز است- حیاتی است. استفاده از مدلهای تمام قطب مانند ARبرای مدلسازی سیستم لوله صوتی افراد سالم رایج و معتبر هستند؛ اما وجود کانال ارتباطی بین حفره دماغی و دهانی افراد دارای شکاف کام، منجر به اضافه شدن صفر به تابع تبدیل فیلتر لوله صوتی شده و درنتیجه مدل مذکور برای فیلتر لوله صوتی این افراد دقیق نیست. بر این اساس در این تحقیق روش کمّی جدیدی برای تخمین میزان پرخیشومی بودن ارائه شده است. در روش ارائه شده میزان پرخیشومی بودن با کمِیتی که از محاسبه فاصله بین بردار ضرایب کپستروم استخراج شده از ضرایب مدل ARو مدل ARMA بدست آمده، ارزیابی شد. روش k-meansو روش بیز برای یافتن حد آستانه مناسب بمنظور طبقهبندی دادگان به کار رفت. با اجرای الگوریتم پیشنهادی برای مجموعه دادگان شامل واکههای /a/ استخراج شده از کلمه آزمون /pamap/ که 13 فرد دارای شکاف کام و 22 فرد سالم آنرا بیان کردند، صحت تراز شده 18/82 درصد برای طبقهبندی گویشها و صحت تراز شده 72/97 درصد برای طبقهبندی افراد بدست آمد. از آنجایی که روش ارائه شده تنها به پردازش کامپیوتری دادگان نیاز دارد، در مقایسه با روشهای بالینی دیگر، ساده و غیر تهاجمی است.