Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/54836
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | รุ่งโรจน์ พิทยศิริ | - |
| dc.contributor.advisor | ณัฐกร ทับทอง | - |
| dc.contributor.advisor | อาภรณ์ ธีรมงคลรัศมี | - |
| dc.contributor.author | ปวิชญา สุภินนพงศ์ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
| dc.date.accessioned | 2017-10-30T04:20:11Z | - |
| dc.date.available | 2017-10-30T04:20:11Z | - |
| dc.date.issued | 2559 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/54836 | - |
| dc.description | วิทยานิพนธ์ (วท.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2559 | - |
| dc.description.abstract | งานวิจัยนี้มุ่งสร้างระบบการประมวลเสียงพูดสำหรับประเมินผู้ป่วยพาร์กินสันและประเมินระดับความรุนแรงทางคลินิคของผู้ป่วยพาร์กินสัน โดยแบ่งงานออกเป็น 4 ส่วน คือ 1. การสร้างฐานข้อมูลเสียง ซึ่งประกอบเสียงตัวอย่างเสียง /อา/ ที่ออกเสียงยาวแบบคงที่ จำนวน 510 เสียง บันทึกจากลุ่มผู้ป่วยพาร์กินสัน 59 คน และกลุ่มคนปกติ 43 คน 2. การประเมินผู้ป่วยพาร์กินสันจากการฟังเสียงพูด โดยใช้ผู้ประเมิน เป็นนักแก้ไขการพูดจำนวน 3 คน ประเมินโรคพาร์กินสันด้วยการฟังเสียง จากเสียงตัวอย่างจำนวน 92 เสียง พบว่า มีค่าความแม่นในการประเมินเท่ากับ 64.86% ความไวเท่ากับ 66.67% ความจำเพาะเท่ากับ 62.79% 3. การประมวลสัญญาณเสียงพูดสำหรับประเมินผู้ป่วยพาร์กินสัน โดยทำการทดลองกับเสียงตัวอย่าง 460 เสียง จากผู้ป่วยพาร์กินสันและคนปกติ 92 คน โดยใช้สวนะลักษณ์ที่คัดเลือกจาก 3 วิธี คือ เทคนิคทางคอมพิวเตอร์ อ้างอิงงานวิจัยที่ผ่านมา และพิจารณาตามลักษณะความผิดปกติของเสียงพูด ประมวลผลด้วยเทคนิคการคัดแยก SVM พบว่าความแม่นเท่ากับ 82.17%, 78.87% และ 87.17% ตามลำดับการคัดเลือกสวนะลักษณ์ 4. การประมวลสัญญาณเสียงพูดสำหรับประเมินระดับความรุนแรงทางคลีนิก ที่เกี่ยวข้องกับการออกเสียงพูดของผู้ป่วยพาร์กินสัน เทียบเกณฑ์การประเมินด้วยแบบประเมิน UPDRS ข้อที่ 5 6 7 และ 18 เสียงตัวอย่างที่ใช้ประเมินจำนวน 295 เสียงมาจากผู้ป่วยพาร์กินสัน 4 ระดับความรุนแรง จำนวน 59 คน โดยใช้สวนะลักษณ์ที่คัดเลือกจากการพิจารณาตามลักษณะความผิดปกติของเสียงพูด ประมวลผลด้วยเทคนิคการคัดแยก multiclass SVM พบว่ามีความแม่น 87 - 93 % | - |
| dc.description.abstractalternative | This research aims to develop a speech processing system for evaluation of Parkinson’s disease and theirs clinical severity levels of speech disorder. This research is divided into 4 parts. 1. Creation of speech corpus. The corpus comprised of 510 of sustained phonation /a/ speech samples recording from 59 of Parkinson’s disease patients (PD) and 43 of normal controls (NC). 2 Evaluation of PD by listening. The 92 speech samples were evaluated by 3 speech pathologists. The results shown evaluation accuracy as 64.88%, sensitivity as 66.67% and sensitivity as 62.79%. 3 Speech processing for evaluation of PD. The speech data used in this evaluation consisted of 460 speech samples which originated from 92 people (PD and NC). The three speech feature selection criteria, i.e., computer techniques, related to literatures and related to speech disorder, were explored. SVM was used as a classifier. The accuracies of 82.17%, 78.87% and 87.17% were provided for every criterion respectively. 4. Speech processing for evaluation of the clinical severity rating of PD based on UPDRS section II item 5, 6, 7 and section III items 18. The 259 speech samples were from all stages of 59 PD. The speech features were selected using a related to speech disorder criteria. The results shown the evaluation accuracy around 87-93%. | - |
| dc.language.iso | th | - |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.relation.uri | http://doi.org/10.58837/CHULA.THE.2016.983 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.title | ระบบประมวลสัญญาณเสียงพูดสำหรับประเมินโรคพาร์กินสัน | - |
| dc.title.alternative | SPEECH PROCESSING SYSTEM FOR EVALUATION OF PARKINSON'S DISEASE | - |
| dc.type | Thesis | - |
| dc.degree.name | วิทยาศาสตรดุษฎีบัณฑิต | - |
| dc.degree.level | ปริญญาเอก | - |
| dc.degree.discipline | วิศวกรรมชีวเวช | - |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.email.advisor | Roongroj.B@Chula.ac.th,rbh1@ucla.edu,rbh@ucla.edu,rbh@chulapd.org | - |
| dc.email.advisor | Nuttakorn.T@Chula.ac.th | - |
| dc.email.advisor | Arporn.T@Chula.ac.th | - |
| dc.identifier.DOI | 10.58837/CHULA.THE.2016.983 | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5287853021.pdf | 4.42 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.