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 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