Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | RMIT University | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universitas Surabaya | - |
Autor(es): dc.creator | Oliveira, Guilherme C. | - |
Autor(es): dc.creator | Pah, Nemuel D. | - |
Autor(es): dc.creator | Ngo, Quoc C. | - |
Autor(es): dc.creator | Yoshida, Arissa | - |
Autor(es): dc.creator | Gomes, Nícolas B. | - |
Autor(es): dc.creator | Papa, João P. | - |
Autor(es): dc.creator | Kumar, Dinesh | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:30:45Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:30:45Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2025-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.compbiomed.2024.109565 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/300103 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/300103 | - |
Descrição: dc.description | Background: Changes in voice are a symptom of Parkinson's disease and used to assess the progression of the condition. However, natural differences in the voices of people can make this challenging. Computerized binary speech classification can identify people with PD (PwPD), but its multiclass application to detect the severity of the disease remains difficult. Method: This study investigated six diadochokinetic (DDK) tasks, four features (phonation, articulation, prosody, and their fusion), and three machine learning models for four severity levels of PwPD. The four binary classifications were: (i) Normal vs Not Normal, (ii) Slight vs Not Slight, (iii) Mild vs Not Mild and (iv) Moderate vs. Not Moderate. The best task and features for each class were identified and the models were ensembled to develop a multiclass model to distinguish between Normal vs. Slight vs. Mild vs. Moderate. Results: For Normal vs Not-normal, logistic regression (LR) using the prosody from “ka-ka-ka” task, Random Forest (RF) using articulation from “petaka” for Slight vs Not Slight, RF for the fusion from “ka-ka-ka” for Mild vs Not Mild and Gradient Boosting (GB) using prosody from “ta-ta-ta” for Moderate vs Not Moderate gave the best results. Combining these using LR achieved an accuracy of 72%. Conclusion: Dividing the multiclass problem into four binary problems gives the optimum speech features for each class. This pilot study, conducted on a small public dataset, shows the potential of computerized speech analysis using DDK to evaluate the severity of Parkinson's disease voice symptoms. | - |
Descrição: dc.description | Stiftelsen Promobilia | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | School of Engineering RMIT University | - |
Descrição: dc.description | School of Sciences São Paulo State University | - |
Descrição: dc.description | Electrical Engineering Universitas Surabaya | - |
Descrição: dc.description | School of Sciences São Paulo State University | - |
Descrição: dc.description | CAPES: 001 | - |
Descrição: dc.description | FAPESP: 2013/07375-0 | - |
Descrição: dc.description | FAPESP: 2019/07665-4 | - |
Descrição: dc.description | FAPESP: 2023/14197-2 | - |
Descrição: dc.description | FAPESP: 2023/14427-8 | - |
Descrição: dc.description | CNPq: 308529/2021-9 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Computers in Biology and Medicine | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Ensemble learning | - |
Palavras-chave: dc.subject | MDS-UPDRS-speech | - |
Palavras-chave: dc.subject | Parkinson's disease | - |
Palavras-chave: dc.subject | Speech analysis | - |
Título: dc.title | A pilot study for speech assessment to detect the severity of Parkinson's disease: An ensemble approach | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: