انتخاب و مقایسه عملکرد ویژگی های بهینه استخراج شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون

در سال های اخیر، محققین تلاش های زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام داده اند. همچنین پژوهش هایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسه توانایی دسته ویژگی های مختلف استخراجی از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، ۱۲ دسته ویژگی از سیگنال گفتار ارزیابی شده اند، تحلیل صدا روی قسمت آواسازی افراد انجام شده و واج /آ/ توسط افراد بیان شده است. با انتخاب بهترین ویژگی ها از هر دسته، که شامل ۱۳۲ ویژگی است، به روش تسکین و اعمال آن به طبقه بندی کننده ماشین بردار پشتیبان، مقایسه ای بین دسته ویژگی های مختلف انجام شد. همچنین با ترکیب ویژگی های منتخب از هر دسته، صحت تفکیک بسیار خوب ۹۵.۹۳ درصد، در جداسازی گروه سالم از بیمار به دست آمد. نتایج حاصل از این پژوهش، می تواند گامی بسیار مهم در تشخیص غیرتهاجمی بیماری پارکینسون باشد.

کلیدواژه ها:

بیماری پارکینسون ، سیگنال گفتار ، روش انتخاب ویژگی تسکین ، طبقه بندی کننده ماشین بردار پشتیبان