Skaitinio intelekto metodai neinvazinei gerklų ligų diagnostikai
| Autor: | Minelga, Jonas |
|---|---|
| Přispěvatelé: | Verikas, Antanas |
| Jazyk: | litevština |
| Rok vydání: | 2018 |
| Předmět: | |
| Popis: | Daktaro disertacijoje analizuojami ir pasiūlomi metodai neinvazinei gerklų ligų diagnostikai atlikti. Siekiama pagerinti klasifikavimo tikslumą aptinkant balso patologiją naudojant tokius balso signalo parametrus, kaip Mel skalės dažnių juostos, autokoreliacijos koeficientai, signalų dažnio gaubtinės forma bei paciento apklausos duomenis, tokius kaip lytis, amžius, rūkymo ypatumai, balso kokybės saviįvertinimas ir kt. Darbe pasiūlomas nuo duomenų priklausantis atsitiktinių miškų metodas garso signalo parametrams ir asociacijų taisėklėmis paremtas metodas apklausos duomenims klasifikuoti. Klasifikavimo rezultatų, gautų naudojant garso ir apklausos duomenis tiek kartu, tiek atskirai, palyginimas parodė, jog abiejų tipų duomenų naudojimas kartu leidžia pasiekti didžiausią tikslumą. Atlikti eksperimentai taip pat atskleidė jog balso patologija gali būti sėkmingai aptikta naudojant vien apklausos duomenis, o pasiūlytas nuo duomenų priklausančio atsitiktinio miško metodas leido pasiekti statistiškai reikšmingą kalsifikavimo tikslumo padidėjimą. In this research techniques are analyzed and new methods are proposed for non-invasive voice pathology detection. Such voice signal parameters as Mel-frequency cepstral coefficients, autocorrelation, shape of signal envelope and patient questionnaire data such as age, sex, smoking, voice quality self evaluation and other were used to improve classification accuracy of voice pathology detection. New data dependent random forest technique and association rules based classification methods were proposed for voice signal parameters and questionnaire data classification. Classification results of voice signal parameters and questionnaire data separately and together revealed, that highest classification accuracy can be received by using both types of data together. Experiments also showed that voice pathology can be successfully detected using only questionnaire data. Proposed data dependent random forest technique allowed to achieve statistically significant classification accuracy improvement. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|