Presentation is loading. Please wait.

Presentation is loading. Please wait.

帕金森氏症 語言障礙治療追蹤 國立台北大學 統計學系四年級 陳庭安.

Similar presentations


Presentation on theme: "帕金森氏症 語言障礙治療追蹤 國立台北大學 統計學系四年級 陳庭安."— Presentation transcript:

1 帕金森氏症 語言障礙治療追蹤 國立台北大學 統計學系四年級 陳庭安

2 介紹 Parkinson`s Disease、LSVT 資料 變數、EDA 分析 目的、分析 結論
Outline 介紹 Parkinson`s Disease、LSVT 資料 變數、EDA 分析 目的、分析 結論

3 Introduction

4 帕金森氏症 Parkinson’s Disease (PD)
1/22 全球800萬人 慢性中樞神經退化疾病 肢體、認知、言語 30%-言語障礙 Narayana Health Blogs Athanasios Tsanas, Max A. Little, Cynthia Fox, Lorraine O. Ramig,“Objective automatic assessment of rehabilitative speech treatment in Parkinson`s disease”, TNSRE R1, pp. 1-6.

5 Lee Silverman Voice Treatment(LSVT)
2/22 常被實施、最具效果 訓練肌肉 音量加大、音調變化、誇張的發音 部落格-語言、障礙、神經疾病-- LSVT LOUD:一個針對帕金森氏症的言語障礙療程 2015年7月18日

6 Data

7 資料背景 14位PD患者 LSVT療程 美國愛荷華大學國家語音中心 9種聲音(低中高音調、音量),共126筆 聲音評估-7位專家
3/22 14位PD患者 LSVT療程 美國愛荷華大學國家語音中心 9種聲音(低中高音調、音量),共126筆 聲音評估-7位專家 309種臨床語音信號處理演算法 Athanasios Tsanas, Max A. Little, Cynthia Fox, Lorraine O. Ramig,“Objective automatic assessment of rehabilitative speech treatment in Parkinson`s disease”, TNSRE R1, pp. 1-6.

8 變數說明 訊號處理演算法 x 309 * 資料長度 (Data_length)
4/22 Sheet1. Data 訊號處理演算法 x 309 * 資料長度 (Data_length) Sheet2. Binary response 專家判斷結果 (1=acceptable, 2=unacceptable) Sheet3. Subject demographics 編號 年齡 性別 (0=Male, 1=Female)

9 訊號處理演算法*309 A. 聲帶振動週期偏離性 B. 信號噪音比(信噪比) C. 小波衡量 D. 語音訊號能量 5/22
Jitter-週期/頻率 (RPDE, PPE) Shimmer-振幅 OQ-發聲持續時間 HNR-振幅 IMF-振幅/頻率 DFA, GNE-聲帶閉合不全 VFER-聲帶閉合不全/咬合位置 C. 小波衡量 D. 語音訊號能量 F0-series Ea Ed coef entropy_shannon entropy_log det_TKEO_mean, std Log energy MFCC delta log energy delta delta delta log energy delta delta

10 探索式資料分析, EDA 6/22 1. 受測者基本資料 8位男性, 6位女性 51至69歲

11 探索式資料分析, EDA 7/22 2. 聲音治療結果 1/3有改善, 2/3無改善

12 探索式資料分析, EDA 3. 基本資料 v.s. 治療結果 1/3有改善, 2/3無改善 8/22 (x) 不同性別/年齡 治療狀況的差異
男性 33% 67% 女性 治療結果 性別(年齡) 有改善 無改善 男性 (51,58,63,67~69) 33% 67% 女性 (52,62,64,65,68) 治療結果 年齡 有改善 無改善 51,52,58,62~69 33% 67%

13 探索式資料分析, EDA 9/22 4. 演算法 v.s. 治療結果

14 探索式資料分析, EDA 10/22 4. 演算法 v.s. 治療結果

15 Objects

16 1 3 3 “PD” 2 11/22 Prediction 1. 預測錯誤率 2. 聲音不合格的原因(特徵) 3. 易誤判聲音的特徵
Acceptable 3 LSVT Unacceptable 3 “PD” 2

17 Analysis

18 維度縮減、分類預測方法 SVM (Leave-one-out) PCA, MDS, ISOMAP 12/22 預測錯誤率
聲音不合格原因 (特徵) 易誤判聲音的特徵 維度縮減、分類預測方法 12/22 SVM (Leave-one-out) PCA, MDS, ISOMAP

19 預測錯誤率 聲音不合格原因 (特徵) 易誤判聲音的特徵 變數篩選原則 13/22 選擇具區辨力的變數 區辨力= 群間差異 群內差異

20 預測錯誤率 聲音不合格原因 (特徵) 易誤判聲音的特徵 14/22

21 預測錯誤率 聲音不合格原因 (特徵) 易誤判聲音的特徵 15/22 40個最具區辨力的演算法 ISOMAP前6個維度 92% 90%

22 預測錯誤率 聲音不合格原因(特徵) 易誤判聲音的特徵 16/22

23 ISOMAP維度的意義 17/22 聲音不合格原因(特徵) 預測錯誤率 易誤判聲音的特徵 維度 Dim.1 Dim.2 Dim.3 方向 +
- 演算 法 MFCC_1st, 2nd,3rd VFER entropy_log_1,3 Jitter ->F0/pitch Shimmer ->Ampl prc25 IMF DFA 說明 信號能量 的穩定性、 信號噪音 比 小波波段1、 3波動、 聲帶振動頻 率偏離 低音量振 幅偏離 信號噪音 比 信號噪音比 意義 波動穩定性 能量穩定性 週期性(音調) 噪音含量 低音量不穩定 噪音含量( 聲帶閉合不 全、咬合) 定義 能量、音調持續穩定性 噪音(聲帶閉合不全) 噪音(聲帶 閉合、咬合 問題)

24 18/22 *不合格聲音的特徵: 1. 能量、音調不穩定 2. 高比例的噪音 3. 難以維持低音量 聲音不合格原因(特徵) 預測錯誤率
易誤判聲音的特徵 18/22 *不合格聲音的特徵: 1. 能量、音調不穩定 2. 高比例的噪音 3. 難以維持低音量

25 19/22 Prediction 2  3 1  聲音不合格原因(特徵) 預測錯誤率 易誤判聲音的特徵 能量、音調持續穩定 不合格
噪音(聲帶)、低音量波動 噪音(聲帶、咬合)異常 合格 2 3 1

26 20/22   易誤判聲音的特徵 Predicted Acceptance Predicted Unacceptance 8% 10%
預測錯誤率 聲音不合格原因(特徵) 易誤判聲音的特徵 20/22 Predicted Acceptance Predicted Unacceptance 8% 10% 能量、音調持續穩定 噪音(聲帶)、低音量波動 噪音(聲帶、咬合)異常多 不合格 合格 Dim.1 Dim.2 Dim.3

27 Conclusion

28 2. 聲音不合格的原因 -> 未來治療的調整方向 能量、音調不穩定 噪音(聲帶)多、低音量不穩定 噪音(聲帶、咬合)異常多
21/22 1. 預測錯誤率 SVM 錯誤率9% 2. 聲音不合格的原因 -> 未來治療的調整方向 能量、音調不穩定 噪音(聲帶)多、低音量不穩定 噪音(聲帶、咬合)異常多 3. 易誤判的聲音 -> 專家判斷 能量、音調穩定性偏低 -> 預測不合格 噪音(聲帶)不多、低音量較穩定 -> 預測合格

29 Reference 22/22 部落格- 語言、障礙、神經疾病
2015年7月18日 星期六 LSVT LOUD:一個針對帕金森氏症的言語障礙療程 Objective automatic assessment of rehabilitative speech treatment in Parkinson`s disease Athanasios Tsanas, Max A. Little, Cynthia Fox, Lorraine O. Ramig,“Objective automatic assessment of rehabilitative speech treatment in Parkinson`s disease”, TNSRE R1, pp. 1-6. Accurate telemonitoring of Parkinson’s disease- symptom severity using nonlinear speech signal processing and statistical machine learning Athanasios Tsanas, Dr. M.A. Little and Dr. P.E. McSharry, “Accurate telemonitoring of Parkinson’s disease- symptom severity using nonlinear speech signal processing and statistical machine learning”, Summary of thesis for the degree of Doctor of Philosophy, University of Oxford, St. Cross College, pp


Download ppt "帕金森氏症 語言障礙治療追蹤 國立台北大學 統計學系四年級 陳庭安."

Similar presentations


Ads by Google