Makine öğrenmesi yöntemleri kullanılarak sesin müzikal öznitelikleri ile parkinson hastalığının tespiti
Yükleniyor...
Dosyalar
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Trakya Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Parkinson hastalığı ülkemizde ve dünyada Alzheimer hastalığından sonra en yaygın görülen, sinir sistemini etkileyen motor becerileri (yazma, denge, yutkunma, vb.), konuşma zorluğu, ses kısıklığı, düşünme ve davranış fonksiyonların kısmen veya tamamen kaybolmasına neden olan ve gündelik yaşantıyı olumsuz yönde etkileyen nörodejeneratif (sinir sisteminde geri dönüşü olmayan) hastalıklardan biridir. Hastalığın kesin bir tedavisi olmamakla birlikte hastaların gündelik yaşantılarını etkileyen semptomları azaltmayı sağlayan ilaç tedavisi uygulanmaktadır. Konuşma ve ses bozuklukları, Parkinson hastalığı sürecinin erken teşhisinde başvurulan en belirleyici semptomlardır. Bu amaçla bu çalışmada sesin müzikal özelliklerinin Parkinson hastalığının teşhisindeki etkisi incelenmiştir. Bu doğrultuda, Parkinson hastası ve sağlıklı bireylerden alınan ham ses kayıtlarından sesin ritim, ton, tını, perde ve dinamiklik gibi özellikleri çıkartılarak yapay öğrenme algoritmaları ile hangi özelliklerin hastalığı teşhis etmede daha başarılı olduğu araştırılmıştır. Bu tez çalışması, sesin müzikal özelliklerinin, Parkinson hastalığının teşhisinde kullanıldığı literatürdeki ilk örnek çalışma olacaktır.
Parkinson's disease becomes a prevalent neurodegenerative disorder comes after Alzheimer's diseases in our country as well as all around the world. It affects the nervous system motor skills (writing, balance, swallowing, etc.), speech and voice production difficulties, mental and behavioral functions partially or completely. While not being a definitive treatment of this disease, drug therapy is being applied to reduce the symptoms affecting the daily lives of patients. Speech and voice disorders are one of the most significative symptoms of early diagnosis of the Parkinson's disease process. For this purpose, in this study, the effect of musical features on the diagnosis of Parkinson's disease was investigated. The rhythm, tone, timbre, pitch and dynamics features of the voice were extracted from the raw voice recordings of patients with Parkinson's disease and healthy individuals and the machine learning algorithms were used to determine which feature is more successful in diagnosing the disease. This thesis study will be the first case study in the literature in which the musical properties of sound are used in the diagnosis of Parkinson's disease.
Parkinson's disease becomes a prevalent neurodegenerative disorder comes after Alzheimer's diseases in our country as well as all around the world. It affects the nervous system motor skills (writing, balance, swallowing, etc.), speech and voice production difficulties, mental and behavioral functions partially or completely. While not being a definitive treatment of this disease, drug therapy is being applied to reduce the symptoms affecting the daily lives of patients. Speech and voice disorders are one of the most significative symptoms of early diagnosis of the Parkinson's disease process. For this purpose, in this study, the effect of musical features on the diagnosis of Parkinson's disease was investigated. The rhythm, tone, timbre, pitch and dynamics features of the voice were extracted from the raw voice recordings of patients with Parkinson's disease and healthy individuals and the machine learning algorithms were used to determine which feature is more successful in diagnosing the disease. This thesis study will be the first case study in the literature in which the musical properties of sound are used in the diagnosis of Parkinson's disease.
Açıklama
Anahtar Kelimeler
Parkinson hastalığı, disfoni, müzikal özellik, makine öğrenimi, ses analizi, öznitelik çıkarımı ve seçimi, sınıflandırma, Parkinson hastalığı, Disfoni, Müzikal Özellik, Makine Öğrenimi, Ses Analizi, Öznitelik Çıkarımı ve Seçimi, Sınıflandırma, Parkinson’s Disease, Dysphonia, Musical Feature, Machine Learning, Voice Analysis, Feature Extraction And Selection, Classificatio
