Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3782| Recolección y análisis de voz en adultos mayores para el diagnóstico de demencia Collection and analysis of voice in older adults for the dementia diagnosis | |
| Lisset Cabrera Leyva | |
| Jesús Favela Vara | |
| Acceso Abierto | |
| Atribución | |
| biomarcadores digitales, demencia, análisis acústico, aprendizaje automático digital biomarkers, dementia, acoustic analysis, machine learning | |
| La demencia es una de las principales causas de dependencia de los adultos mayores. Si bien no tiene cura conocida, su diagnóstico temprano puede ayudar a adultos mayores y familiares a tomar medidas que permitan atenuar sus efectos. En los últimos años se han publicado estudios orientados a diagnosticar esta enfermedad y su trayectoria mediante el uso de biomarcadores digitales. Este trabajo de investigación se centra en el estudio de la voz como biomarcador digital para apoyar el diagnóstico de demencia. Se elaboró un conjunto de datos con registros de voz de 12 adultos mayores con demencia y 20 sanos que asistieron a una clínica geriátrica a consulta. Los participantes desarrollaron tres pruebas clínicas para grabar su voz: “Repetir frases”, “Fluidez verbal semántica” y descripción de la imagen “Robo de galletas”. Las grabaciones se realizaron con el apoyo de una herramienta desarrollada como parte de esta tesis. Un total de 7500 rasgos acústicos aproximadamente se extrajeron de las señales de habla utilizando las herramientas Praat y openSmile. Primero se le aplicaron técnicas de ingeniería de características para reducir el número de rasgos a los más significativos. Posteriormente se crearon modelos utilizando los siguientes algoritmos de clasificación: Análisis discriminante lineal, Árboles de decisión, k-vecinos más cercanos, Máquina de soporte vectorial y Random forest, capaces de discriminar automáticamente, en función de las características acústicas, a los adultos mayores sanos y con demencia. Los modelos se interpretaron a través de técnicas de Inteligencia artificial explicable. Los resultados obtenidos son similares o mejores que los reportados en la literatura. Las técnicas de Inteligencia artificial explicable aportan evidencia de que los modelos están generando decisiones en función de rasgos acústicos asociados a alteraciones de voz de adultos mayores con demencia. La calidad de los datos de voz grabados y el uso de técnicas de reducción de características diferencian este trabajo con respecto a los reportados en la literatura y son las principales causales del buen desempeño obtenido, aunque el número de sujetos analizados es relativamente pequeño. Nuestros resultados aportan evidencia de que las características acústicas pueden ser utilizadas para predecir el diagnóstico de demencia. Dementia is one of the principal causes of dependency in older adults. Even though there is no known cure, an early diagnosis can help older adults and their families to take actions to attenuate its effects. In the last few years several studies have been published aimed at developing digital biomarkers for the diagnosis of dementia diagnosis and its trajectory. This work focuses on the use of speech analysis as a digital biomarker to support dementia diagnosis. We created a dataset with voice recordings of of 12 older adults diagnosed with dementia and 20 healthy older adults, who assisted to a geriatric clinic for consultation. These participants performed three clinical tests to record their voice: "Repeat phrases", "Semantic verbal fluency", and description of the image “Theft of Cookies image ". The recordings were carried out with a software developed as part of this thesis. A total of approximately 7500 acoustics features were extracted from speech signals using the Praat and openSmile tools. Feature engineering techniques based on ranking fusion were applied to select the most relevant features. Then, classification models were built using the Linear Discriminant Analysis, Decision Tree, k-Nearest Neighbors, Support Vector Machine, and Random Forest techniques, to automatically discriminate, based on the acoustic features, healthy older adults, and those with dementia. The models were interpreted through explainable artificial intelligence techniques. The results obtained are similar or better than those reported in the literature. The explainable artificial intelligence techniques provide evidence that the models are generating decisions based on acoustic features associated with voice alterations in older adults with dementia. The quality of the recorded voice data and the use of feature reduction techniques differentiate this work from those reported in the literature and are the main causes of the good performance obtained, although the number of subjects analyzed is relatively small. Our results provide evidence that acoustic features can be used to predict the dementia diagnosis. | |
| 2022 | |
| Tesis de maestría | |
| Español | |
| Cabrera Leyva, L. 2022. Recolección y análisis de voz en adultos mayores para el diagnóstico de demencia. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 76 pp. | |
| INTELIGENCIA ARTIFICIAL | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Lisset Cabrera Leyva_13 oct 2022_BIB_actualizado.pdf | Versión completa de la tesis | 2.35 MB | Adobe PDF | Visualizar/Abrir |