D 2015

Assessing progress of Parkinson's disease using acoustic analysis of phonation

MEKYSKA, J., Z. GALAZ, Z. MZOUREK, Z. SMÉKAL, Irena REKTOROVÁ et. al.

Základní údaje

Originální název

Assessing progress of Parkinson's disease using acoustic analysis of phonation

Autoři

MEKYSKA, J. (203 Česká republika), Z. GALAZ (203 Česká republika), Z. MZOUREK (203 Česká republika), Z. SMÉKAL (203 Česká republika), Irena REKTOROVÁ (203 Česká republika, garant, domácí), Ilona ELIÁŠOVÁ (203 Česká republika, domácí), Milena KOŠŤÁLOVÁ (203 Česká republika, domácí), Martina MRAČKOVÁ (203 Česká republika, domácí), Dagmar BERÁNKOVÁ (203 Česká republika, domácí), M. FAUNDEZ-ZANUY (724 Španělsko), K. LÓPEZ-DE- IPINA (724 Španělsko) a Jesus B. ALONSO-HERNANDEZ (724 Španělsko)

Vydání

neuveden, 4th International Work Conference on Bio-Inspired Intelligence, IWOBI 2015, od s. 111-118, 8 s. 2015

Nakladatel

Institute of Electrical and Electronics Engineers Inc.

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

30000 3. Medical and Health Sciences

Stát vydavatele

Španělsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

Kód RIV

RIV/00216224:14740/15:00085829

Organizační jednotka

Středoevropský technologický institut

ISBN

978-1-4799-6174-0

Klíčová slova anglicky

Biodiversity; Conservation; Decision trees; Intelligent systems; Neurodegenerative diseases; Patient rehabilitation; Speech Acoustic analysis;

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 11. 1. 2016 11:58, Martina Prášilová

Anotace

V originále

This paper deals with a complex acoustic analysis of phonation in patients with Parkinson's disease (PD) with a special focus on estimation of disease progress that is described by 7 different clinical scales (e. g. Unified Parkinson's disease rating scale or Beck depression inventory). The analysis is based on parametrization of 5 Czech vowels pronounced by 84 PD patients. Using classification and regression trees we estimated all clinical scores with maximal error lower or equal to 13 %. Best estimation was observed in the case of Mini-mental state examination (MAE = 0.77, estimation error 5.50 %). Finally, we proposed a binary classification based on random forests that is able to identify Parkinson's disease with sensitivity SEN = 92.86% (SPE = 85.71 %). The parametrization process was based on extraction of 107 speech features quantifying different clinical signs of hypokinetic dysarthria present in PD

Návaznosti

ED1.1.00/02.0068, projekt VaV
Název: CEITEC - central european institute of technology
NT13499, projekt VaV
Název: Řeč, její poruchy a kognitivní funkce u Parkinsonovy nemoci