Automatic Assessment of Imprecise Vowel Articulation in Parkinson´s Disease

Parkinsonova nemoc (PN) je obvykle spojena s poruchou řeči tzv. hypokinetickou dysartrií, která se mimo jiné projevuje také nepřesnostmi v artikulaci samohlásek. Cílem práce bylo navrhnout automatickou metodu pro hodnocení poruch artikulace samohlásek u PN. Pro detekci poruch artikulace se vycházelo z hodnot první a druhé formantové frekvence a od nich odvozených parametrů VSA (obsah vokální plochy), VAI (artikulační index) a F2i/F2u (poměr druhých formantů samohlásek i a u). Pro návrh automatické metody bylo využito dvou přístupů: s rozpoznávačem řeči pro segmentaci fonémů a bez rozpoznávače řeči. Využití rozpoznávače řeči umožnilo zpracovávat signál pouze v úsecích řeči, v nichž byla vyslovena samohláska. Testování proběhlo na databázi čítající 72 subjektů, která obsahovala data od 36 zdravých lidí a 36 pacientů s PN. U všech lidí byly pořízeny řečové záznamy čteného textu a spontánního monologu, na kterých proběhla ruční analýza formantových frekvencí. Ze statistické analýzy ruční detekce byly vyhodnoceny jako signifikantní parametry pro odlišení zdravých a nemocných zejména F2u, VAI a F2i/F2u. U výsledků automatické metody bez rozpoznávače řeči nebyly shledány žádné signifikantní parametry. Parametry, které vzešly z výsledků automatické metody využívajícího rozpoznávač řeči, korespondují s výsledky ruční analýzy co do výčtu signifikantních parametrů i jejich statistické významnosti. Na výsledcích automatické metody s rozpoznávačem řeči proběhla klasifikace, jejíž celková přesnost pro odlišení zdravých jedinců a pacientů s PN dosáhla přes 70 %. Na základě výsledků automatické metody je patrné, že celý proces hodnocení artikulace samohlásek může být zautomatizován. Automatická metoda by mohla najít své potencionální využití v objektivním hodnocení úspěšnosti léčby, progresu nemoci, pomoci při diagnóze PN či u jiných neurologických nemocí, které souvisí s poruchou artikulace samohlásek.The aim of this work was to propose an automatic method for assessment of imprecise vowel articulation in Parkinson's disease (PD). For the detection of articulation disorders the first and second formant frequencies and derived parameters VSA (vowel space area), VAI (vowel articulation index) and F2i/F2u (the ratio of the second formants of the vowels i and u) were used. The approach based on speech recognizer using phoneme segmentation as well as approach without recognizer were used to design automated method for vowel articulation quality extraction. Speech recognizer allowed the processing of signal in vowel speech parts only. Testing of two approaches was performed on a database of 72 subjects including data from 36 healthy people and 36 PD patients. Speech recordings of reading passage and spontaneous monologue were analyzed using manual labels with respect to formant frequencies. Statistical analysis of manual detection showed that parameters such as F2u, VAI and F2i/F2u were able to distinguish between healthy people and PD patients. No statistically significant parameters were found in the results based on the automatic method without recognizer. Parameters resulting from the automatic method with recognizer correlated with the results of the manual analysis. The results of the automatic method with recognizer were subsequently used for a classification with overall reached accuracy of 70 % in separating between PD and healthy groups. Based on the results of the automatic method with recognizer we proved that the entire vowel articulation evaluation process can be automated. The features automatic method can provide biomarkers for early disease detection, monitoring of treatment efficacy or disease progression in PD as well as in other diseases manifesting imprecise vowel articulation