Stemanalyse bij patiënten met neurologische aandoeningen

In deze studie zullen de onderzoekers de klinische kenmerken van gezonde deelnemers en deelnemers met neurologische aandoeningen evalueren door speciale klinische schalen toe te passen. Ook zullen de onderzoekers de stemstoornis beoordelen met behulp van perceptuele onderzoeksinstrumenten. Vervolgens zullen de onderzoekers spectrale analyse toepassen om de belangrijkste frequentiecomponenten van stem te beoordelen bij gezonde deelnemers en bij patiënten met neurologische aandoeningen met een prominente stemstoornis. Om onderscheid te maken tussen gezonde deelnemers en patiënten met verschillende neurologische aandoeningen, zullen de onderzoekers een stemanalyse toepassen op basis van de SVM-classificatie (Support Vector Machine), die naast de belangrijkste frequentiecomponenten van de stem ook een groot aantal kenmerken bevat.

Voor deze doeleinden zullen de onderzoekers in detail de sensitiviteit, specificiteit, positief voorspellende waarde en negatief voorspellende waarde en nauwkeurigheid van alle diagnostische tests beoordelen. Bovendien zullen de onderzoekers het gebied onder de ROC-curven (Receiver Operating Characteristic) berekenen om de optimale diagnostische drempel te verifiëren, zoals weergegeven door het bijbehorende criterium (Ass. Crit.) en Youden Index (YI). Om mogelijke klinisch-instrumentele correlaties te beoordelen, zullen de onderzoekers ook een aangepast algoritme van SVM-analyse gebruiken om een ​​continue numerieke waarde (de aannemelijkheidsratio [LR]) te berekenen die een maatstaf is voor de ernst van de stemstoornis voor elke deelnemer.

Er worden spraakopnamen gemaakt door deelnemers te vragen een specifieke spraaktaak te produceren met hun gebruikelijke stemintensiteit, toonhoogte en kwaliteit. De spraaktaak zal bestaan ​​uit een aanhoudende uitzending van een dichte middenvoor niet-afgeronde klinker /e/ gedurende ten minste 5 seconden. Spraakopnamen worden verzameld met behulp van een high-definition audiorecorder die op een afstand van 5 cm van de mond wordt geplaatst. Stemvoorbeelden worden opgenomen in lineair PCM-formaat (.wav) met een bemonsteringsfrequentie van 44,1 kHz, met een bemonsteringsgrootte van 24 bits. Stemanalyse bestaat uit drie afzonderlijke processen: kenmerkextractie, selectie en classificatie. Voor kenmerkextractie zullen de onderzoekers de speciale software van OpenSMILE (audEERING GmbH, Duitsland) gebruiken. Vervolgens zullen de onderzoekers de spraakfunctie selecteren en classificeren met behulp van het SVM-algoritme dat is opgenomen in Weka.