تشخیص ناهنجاری های صوتی با بهره گیری از اطلاعات دینامیکی ویژگی ها

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 945

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME18_059

تاریخ نمایه سازی: 27 فروردین 1393

چکیده مقاله:

دستیابی به یک روش غیر تهاجمی برای تفکیک هر چه بهتر بیماری ها از هم، موضوع مهمی در زمینه پردازش گفتار می باشد. سیگنال گفتار متشکل از نوساناتی است که بیانگر رفتار دینامیکی مجرای صوتی در سیستم تولید گفتار می باشد. می توان با در نظر گرفتن تغییرات الگوهای زمانی در طول یک سیگنال گفتار و با بهره گیری از روش های پردازش دینامیکی، بررسی هایی در زمینه گفتار و بیماری های گفتاری انجام داد و از این موضوع برای جداسازی بیماری ها از هم استفاده کرد. در این مقاله سعی شده است که با بکارگیری بسته ویولت و مدل مخفی مارکوف به جداسازی سه بیماری تشنج، ندول و فلج کامل تار صوتی پرداخته شود. نتایج شبیه سازی ها نشان می دهند که این بیماری ها به ترتیب با درصد صحت بازشناسی 93.33%، 93.75% و 88.46% قابل جداسازی هستند.

کلیدواژه ها:

نویسندگان

ویدا مهدی زاده فر

دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

فرشاد الماس گنج

دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • I1] بهروزمند، روزبه، "تشخیص وجود ناهنجاری در حنجره و بررسی ...
  • -Glottal-toه [4] D.Michaelis, T.Gramss, H.W.Strube, noise excitation ratio- _ new ...
  • R. Fraile, N. S aenz-Lechon, J.I. Go dino-Llorente, V. detection ...
  • I8] طیرانیان حسینی، پگاه، "بررسی ویژگی‌های خطی سیگنال صوتی برای ...
  • F. Klingholtz, F. Martin, _ measuremet of the signal-to-noise ratio ...
  • G. de Krom, _ _ epstrum-based technique for determining _ ...
  • R. Linder, A.E. Albers, M. Hess, S.J. Poppl, R. network-b ...
  • psychoacoustic scaling of acoustic voice features", Journal of Voice 22 ...
  • parameters and differentia-tion of patients by sex", Folia Phoniatrica et ...
  • R. Behroozmand, F. Almasganj, :Comparison of Neural Network and Support ...
  • P. T. Hosseini, F. Almasganj, T. Emami, R. B ehroozmand, ...
  • A. Dibazar, S. Narayanan, T.W. Berger, "Feature Analysis for Automatic ...
  • EMBS/BMES Conference Houston, USA, 2002. ...
  • C. Peng, W. Chen, X. Zhu, B. Wan, D. Wei, ...
  • Julian D. Ari as-Londono _ Juan I. Godi no-Liorente, Nicolas ...
  • tran sformation" , Journal of Article in press, 2010. ...
  • C. S. Burus, R.A. Giopinath and H. Guo, :Introduction to ...
  • M. Svensen, C, M. Bishop, "Pattern recognition and machine learning", ...
  • Disordered Voice Database, Version 1.03, Massachussets Eye and Ear Infirmary, ...
  • نمایش کامل مراجع