تحلیل سیگنال گفتار بیماران آلزایمری فارسی‌زبان

Authors

  • مریم مومنی استادیار، گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه اراک، اراک، ایران
  • مهدیه رحمانی کارشناسی مخابرات، دانشکده فنی و مهندسی، دانشگاه اراک، اراک، ایران
Abstract:

آلزایمر یک نوع اختلال عملکرد مغزی است که به‌تدریج توانایی‌های ذهنی بیمار تحلیل می‌رود؛ ازجمله علائم اولیة این بیماری فقدان حافظه، اختلال در تصمیم‌گیری و اشتباه در انتخاب واژگان درست است؛ بنابراین، پردازش سیگنال گفتار این بیماری توجه بسیاری از پژوهشگران را در دهه اخیر جلب کرده است. تشخیص بیماری آلزایمر با استفاده از سیگنال گفتار به فرهنگ و زبان و محتوای گفتار، جنسیت، سن، لهجه و بسیاری از عوامل دیگر وابسته است؛ ازاین‌رو، سیگنال گفتار بیماران آلزایمری در زبان‌های مختلف بررسی شده است. هدف این مقاله تشخیص بیماران آلزایمری از افراد سالم با استفاده از پردازش سیگنال گفتار آنها در زبان فارسی با ترکیب ویژگی‌های زمانی، فرکانسی و زمانی - فرکانسی است. در این مقاله پس از پیش‌پردازش سیگنال گفتار فارسی با بهره‌گیری از بسته موجک، به‌عنوان ویژگی زمان - فرکانس در کنار ضرایب کپسترال فرکانس مل، نرخ عبور از صفر، افت طیف، پهنای باند، انرژی سیگنال و فرکانس مرکز طیفی، ویژگی‌های سیگنال گفتار بیماران آلزایمری و افراد سالم استخراج شدند و دقت طبقه‌بندی نتایج با ماشین بردار پشتیبان، نتیجة 96% را دربرداشت. نتایج پذیرفتنی نشان‌دهندة الگوریتم پیشنهادی غیرتهاجمی و کم‌هزینه در تشخیص بیماران آلزایمری فارسی‌زبان است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تشخیص احساسات از سیگنال های گفتار براساس روش های فیلتر

گفتار ابزار اولیه ارتباط بین انسان‌‌ می‌باشد. با افزایش تراکنش میان انسان و ماشین نیاز به محاوره خودکار این دو و حذف کاربر انسانی مورد توجه قرار گرفته است.هدف از انجام این تحقیق، تعیین یک مجموعه از ویژگی‌های تاثیر گذار در تشخیص احساسات مبتنی بر سیگنال صحبت می‌باشد. در این مقاله، سیستمی طراحی گردید که شامل سه بخش اصلی، استخراج ویژگی، انتخاب ویژگی و طبقه‌بندی می‌باشد. پس از استخراج ویژگی‌های پرکا...

full text

تشخیص احساسات از سیگنال های گفتار براساس روش های فیلتر

گفتار ابزار اولیه ارتباط بین انسان‌‌ می‌باشد. با افزایش تراکنش میان انسان و ماشین نیاز به محاوره خودکار این دو و حذف کاربر انسانی مورد توجه قرار گرفته است.هدف از انجام این تحقیق، تعیین یک مجموعه از ویژگی‌های تاثیر گذار در تشخیص احساسات مبتنی بر سیگنال صحبت می‌باشد. در این مقاله، سیستمی طراحی گردید که شامل سه بخش اصلی، استخراج ویژگی، انتخاب ویژگی و طبقه‌بندی می‌باشد. پس از استخراج ویژگی‌های پرکا...

full text

حذف نویز سیگنال گفتار

در بسیاری از شرایط ارتباط گفتاری، وجود نویز زمینه، موجب کاهش کیفیت و قابلیت فهم گفتار می گردد. وقتی گوینده و شنونده در محیطی ساکت و بدون نویز ارتباط برقرار می کنند، تبادل اطلاعات آسان و دقیق است اما قرار گرفتن در محیط نویزی تاثیرا ت نامطلوبی بر روی سیگنال گفتار خواهد داشت. از اینرو در سال های اخیر روش های متعددی برای مقاوم سازی بازشناسی گفتار و کاهش عدم تطبیق میان شرایط آموزش و آزمایش مطرح گرد...

15 صفحه اول

تشخیص احساسات از سیگنال های گفتار براساس روش های فیلتر

گفتار ابزار اولیه ارتباط بین انسان می باشد. با افزایش تراکنش میان انسان و ماشین نیاز به محاوره خودکار این دو و حذف کاربر انسانی مورد توجه قرار گرفته است.هدف از انجام این تحقیق، تعیین یک مجموعه از ویژگی های تاثیر گذار در تشخیص احساسات مبتنی بر سیگنال صحبت می باشد. در این مقاله، سیستمی طراحی گردید که شامل سه بخش اصلی، استخراج ویژگی، انتخاب ویژگی و طبقه بندی می باشد. پس از استخراج ویژگی های پرکارب...

full text

شناسایی گفتار پرخیشومی مبتنی بر پردازش سیگنال گفتار

پرخیشومی از رایج ترین اختلالات در کودکان دارای شکاف کام است. عموماً برای کاهش این نقیصه نیاز به عمل های جراحی است و بنابراین ارزیابی خیشومی بودن برای بررسی تأثیر عمل های جراحی و همچنین طراحی جلسات گفتاردرمانی که بعد از عمل های جراحی نیاز است، حیاتی می باشد. مدل های تمام قطب مانند ar برای مدل سازی سیستم لوله صوتی افراد دارای شکاف کام به دلیل صفرهایی که در پاسخ فرکانسی فیلتر لوله صوتی این افراد ظا...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 11  issue 1

pages  81- 95

publication date 2020-03-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023