بازگشت به جستجو

غربالگری افسردگی از نمونه صدای بیماران مبتلا به بیماری پارکینسون

عنوان	غربالگری افسردگی از نمونه صدای بیماران مبتلا به بیماری پارکینسون
نویسنده	Özkanca، Yasin Serdar، Öztürk، M. G.، Ekmekci، Merve Nur، Atkins، D. C.، Demiroğlu، Cenk، Ghomi، R. H.
تاریخ انتشار:	2019-05-01
محل انتشار	- S. Karger AG
موضوع	ویژگی های صوتی، شبکه های عصبی عمیق، غربالگری افسردگی، انتخاب ویژگی، بیماری پارکینسون، نشانگرهای زیستی صدا، فناوری صدا
نوع	دوره ای
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	2504-110X
شماره ثبت	8e0553b0-3b30-408f-ac9d-a6a39e7d428b
محل کتابخانه	مهندسی برق و الکترونیک
تاریخ	2019-05-01
متن نمونه	افسردگی یک مشکل رایج سلامت روان است که منجر به ناتوانی قابل توجهی در سراسر جهان می شود. این نه تنها شایع است، بلکه معمولاً با سایر بیماری های روانی و عصبی نیز بروز می کند. بیماری پارکینسون (PD) علائمی را ایجاد می کند که مستقیماً توانایی عملکرد فرد را مختل می کند. تشخیص و تشخیص زودهنگام افسردگی می تواند به درمان کمک کند، اما تشخیص معمولاً نیاز به مصاحبه با یک ارائه دهنده سلامت یا یک پرسشنامه تشخیصی ساختار یافته دارد. بنابراین، اقدامات محجوب برای نظارت بر علائم افسردگی در زندگی روزمره می تواند در غربالگری افسردگی برای درمان بالینی مفید باشد. بیومارکرهای آوازی افسردگی یک روش بالقوه موثر برای ارزیابی علائم افسردگی در زندگی روزمره است که تمرکز پژوهش حاضر است. ما یک پایگاه داده از 921 بیمار PD منحصر به فرد و ارزیابی خود آنها از اینکه آیا احساس افسردگی کرده اند یا نه، داریم. صداهای ضبط شده از این بیماران برای استخراج ویژگی های پارازبانی استفاده شد که به عنوان ورودی برای یادگیری ماشین و تکنیک های یادگیری عمیق برای پیش بینی افسردگی عمل می کرد. نتایج در اینجا ارائه می‌شوند و محدودیت‌ها با توجه به ماهیت ضبط‌هایی که فاقد محتوای زبانی هستند، مورد بحث قرار می‌گیرند. مدل‌های ما در طبقه‌بندی دقیق سوژه‌های افسرده و غیرافسرده با استفاده از ویژگی‌های صوتی و شدت PD به دقت 0.77 دست یافتند. ما دریافتیم که افسردگی و شدت PD دارای ضریب همبستگی 0.3936 است که ویژگی ارزشمندی را هنگام پیش‌بینی افسردگی از روی صدا ارائه می‌کند. نتایج ما نشان‌دهنده ارتباط واضحی بین احساس افسردگی و شدت PD است. صدا ممکن است یک بیومارکر دیجیتال موثر برای غربالگری افسردگی در میان بیماران PD باشد.
DOI	10.1159/000500354
Cilt	3

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

غربالگری افسردگی از نمونه صدای بیماران مبتلا به بیماری پارکینسون

نویسنده Özkanca، Yasin Serdar، Öztürk، M. G.، Ekmekci، Merve Nur، Atkins، D. C.، Demiroğlu، Cenk، Ghomi، R. H.

تاریخ انتشار 2019-05-01

محل انتشار - S. Karger AG

موضوع ویژگی های صوتی، شبکه های عصبی عمیق، غربالگری افسردگی، انتخاب ویژگی، بیماری پارکینسون، نشانگرهای زیستی صدا، فناوری صدا

نوع دوره ای

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 2504-110X

شماره ثبت 8e0553b0-3b30-408f-ac9d-a6a39e7d428b

محل کتابخانه مهندسی برق و الکترونیک

تاریخ 2019-05-01

متن نمونه افسردگی یک مشکل رایج سلامت روان است که منجر به ناتوانی قابل توجهی در سراسر جهان می شود. این نه تنها شایع است، بلکه معمولاً با سایر بیماری های روانی و عصبی نیز بروز می کند. بیماری پارکینسون (PD) علائمی را ایجاد می کند که مستقیماً توانایی عملکرد فرد را مختل می کند. تشخیص و تشخیص زودهنگام افسردگی می تواند به درمان کمک کند، اما تشخیص معمولاً نیاز به مصاحبه با یک ارائه دهنده سلامت یا یک پرسشنامه تشخیصی ساختار یافته دارد. بنابراین، اقدامات محجوب برای نظارت بر علائم افسردگی در زندگی روزمره می تواند در غربالگری افسردگی برای درمان بالینی مفید باشد. بیومارکرهای آوازی افسردگی یک روش بالقوه موثر برای ارزیابی علائم افسردگی در زندگی روزمره است که تمرکز پژوهش حاضر است. ما یک پایگاه داده از 921 بیمار PD منحصر به فرد و ارزیابی خود آنها از اینکه آیا احساس افسردگی کرده اند یا نه، داریم. صداهای ضبط شده از این بیماران برای استخراج ویژگی های پارازبانی استفاده شد که به عنوان ورودی برای یادگیری ماشین و تکنیک های یادگیری عمیق برای پیش بینی افسردگی عمل می کرد. نتایج در اینجا ارائه می‌شوند و محدودیت‌ها با توجه به ماهیت ضبط‌هایی که فاقد محتوای زبانی هستند، مورد بحث قرار می‌گیرند. مدل‌های ما در طبقه‌بندی دقیق سوژه‌های افسرده و غیرافسرده با استفاده از ویژگی‌های صوتی و شدت PD به دقت 0.77 دست یافتند. ما دریافتیم که افسردگی و شدت PD دارای ضریب همبستگی 0.3936 است که ویژگی ارزشمندی را هنگام پیش‌بینی افسردگی از روی صدا ارائه می‌کند. نتایج ما نشان‌دهنده ارتباط واضحی بین احساس افسردگی و شدت PD است. صدا ممکن است یک بیومارکر دیجیتال موثر برای غربالگری افسردگی در میان بیماران PD باشد.

DOI 10.1159/000500354

Cilt 3