Show simple item record

dc.contributor.advisorPrauzek, Michalcs
dc.contributor.authorHlavica, Jakubcs
dc.date.accessioned2014-08-05T10:07:54Z
dc.date.available2014-08-05T10:07:54Z
dc.date.issued2014cs
dc.identifier.otherOSD002cs
dc.identifier.urihttp://hdl.handle.net/10084/103933
dc.descriptionImport 05/08/2014cs
dc.description.abstractCílem této diplomové práce je vyvinout výpočetní model, který je schopen efektivně mapovat šestnáct vstupních příznaků dat měření kolísání řečového signálu na požadovaný výstup. Vzorky řečového signálu pochází z měření ve spolupráci s pacienty postiženými Parkinsonovou chorobou. Jedná se o 5875 vzorků měření řečového signálu. Výstup ze systému stanovuje míru závažnosti tímto onemocněním, vyjádřenou prostřednictvím klinické diagnostické stupnice UPDRS. Navržený systém musí být schopen generalizace tak, aby v případě použití budoucích měření správně určil hodnotu UPDRS. Metodami použitými v této práci jsou neuronové sítě, především modifikace algoritmu zpětného šíření chyby Error Backpropagation, a dále metoda Adaptive Neuro Fuzzy Interference System (ANFIS). Výpočty jsou v maximální možné míře paralelizovány tak, aby byl realizován co nejvyšší počet simulací, a tím bylo nalezeno optimální řešení. V případě úspěchu by bylo možné vyvinout vestavěný systém, který by umožňoval průběžně diagnostikovat vývoj Parkinsonovy choroby z domova, čímž by byly pacientům sníženy náklady spojené s cestováním do lékařských zařízení.cs
dc.description.abstractThis diploma thesis deals with software model development, which is capable of mapping sixteen input elements of speech signal oscillation measurements to clinical outputs. Samples of speech signal were obtained by measurements in collaboration with patients suffering from Parkinson's disease. There are provided 5875 measurement samples. The system's output determines severity of Parkinson's disease progression, qualified by clinical diagnostic rating scale UPDRS. Designed system must be able to generalize in order to correctly assess UPDRS scale value from future speech signal measurements. Utilized methods in this thesis are artificial neural networks, particularly modifications of Error Backpropagation algorithm, along with Adaptive Neuro Fuzzy Interference System (ANFIS). Calculations are parallelized as much as possible, so that many model simulations are performed in order to find the optimal solution. In case of success, it would be possible to develop an embedded system, which could continuously diagnose Parkinson's disease progression from home. That would reduce patient's travelling expenses to medical centres.en
dc.format.extent3178021 bytescs
dc.format.mimetypeapplication/savemecs
dc.language.isocscs
dc.publisherVysoká škola báňská - Technická univerzita Ostravacs
dc.subjectParkinsonova chorobacs
dc.subjectřečový signálcs
dc.subjectneuronové sítěcs
dc.subjectError Backpropagationcs
dc.subjectfuzzy logikacs
dc.subjectANFIScs
dc.subjectUPDRScs
dc.subjectParkinson's diseaseen
dc.subjectSpeech Signalen
dc.subjectNeural Networksen
dc.subjectError Backpropagationen
dc.subjectfuzzy logicen
dc.subjectANFISen
dc.subjectUPDRSen
dc.titleModely stanovení vývoje Parkinsonovy choroby z řečového signálucs
dc.title.alternativeModels of Assesment of Parkinson’s Disease Progression using Speech Signalen
dc.typeDiplomová prácecs
dc.contributor.refereeVala, Petercs
dc.date.accepted2014-06-04cs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelMagisterský studijní programcs
dc.thesis.degree-grantorVysoká škola báňská - Technická univerzita Ostrava. Fakulta elektrotechniky a informatikycs
dc.description.department450 - Katedra kybernetiky a biomedicínského inženýrstvícs
dc.thesis.degree-programElektrotechnikacs
dc.thesis.degree-branchMěřicí a řídicí technikacs
dc.description.resultvýborněcs
dc.identifier.senderS2724cs
dc.identifier.thesisHLA355_FEI_N2649_2601T004_2014
dc.rights.accessopenAccess


Files in this item

This item appears in the following Collection(s)

Show simple item record