การทดสอบความคงที่ของเสียงพูดสำหรับกลุ่มผู้ป่วยเด็กสมองพิการที่มีการพูดแบบดิสอาร์เทรีย

อภิสิทธิ์ อังศุพันธุ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/78486

Title:	การทดสอบความคงที่ของเสียงพูดสำหรับกลุ่มผู้ป่วยเด็กสมองพิการที่มีการพูดแบบดิสอาร์เทรีย
Other Titles:	Speech Consistency Test for Cerebral Palsy Children with Dysarthric
Authors:	อภิสิทธิ์ อังศุพันธุ์
Advisors:	ณัฐกร ทับทอง
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
Subjects:	เด็กสมองพิการ การรู้จำเสียงพูดอัตโนมัติ ระบบประมวลผลเสียงพูด Cerebral palsied children Automatic speech recognition Speech processing systems
Issue Date:	2562
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	โครงงานนี้มุ่งพัฒนาการทดสอบความคงที่ของเสียงสำหรับกลุ่มผู้ป่วยเด็กสมองพิการที่มีการพูดแบบ ดิสอาร์เทรีย เพื่อนำไปช่วยทำนายอัตรารู้จำเสียงพูดของเด็กสมองพิการ คลังข้อมูลเสียงพูดประกอบด้วยเสียงพูด 68 คำ บันทึกจากกลุ่มเด็กปกติ 4 คน และกลุ่มเด็กสมองพิการ 8 คน จำนวน 5 รอบ ถูกนำมาใช้ในการคำนวณหาค่าความคงที่ของเสียงพูด (SCS) สำหรับผู้รับการทดสอบแต่ละคน เมื่อนำค่า SCS ไปเปรียบเทียบกับอัตราการรู้จำเสียงพูดที่ใช้แบบจำลองฮิดเดน มาร์คอฟ (HMMs) และข่ายงานประสาทเทียม (ANNs) พบว่าผู้รับการทดสอบที่มีค่า SCS สูง จะมีอัตราการรู้จำเสียงพูดสูง ส่วนผู้รับการทดสอบที่มีค่า SCS ต่ำก็จะมีอัตราการรู้จำเสียงพูดต่ำเช่นกัน จากนั้น ผู้วิจัยได้นำค่า SCS มาหาความสัมพันธ์เชิงเส้นกับอัตราการรู้จำเสียงพูดที่ใช้ HMM และ ANN ซึ่งได้ค่าสัมประสิทธิ์การกำหนด (R2) เท่ากับ 0.89 และ 0.86 ตามลำดับ ซึ่งอยู่ในเกณฑ์ดีมาก ท้ายสุด ผู้วิจัยได้นำค่า SCS ไปทำนายอัตราการรู้จำเสียงพูด พบว่าผลการทำนายที่ได้มีคลาดเคลื่อนสัมบูรณ์เฉลี่ยจากอัตราการรู้จำจริงเท่ากับ 5% ซึ่งเป็นระดับที่น่าพอใจมาก
Other Abstract:	This project aims to develop a Speech Consistency Test for Cerebral Palsy Children with Dysarthric to predict the speech recognition rate. Speech corpus contains 68 words were collected from 4 normal children and 8 cerebral palsy children for 5 times. The corpus was used to measure Speech Consistency Scores (SCSs) for every subject. SCSs were compared with the speech recognition rate using hidden Markov models (HMM) and Artificial Neural Networks (ANNs). It was found that subjects with a high SCS will have a higher speech recognition rate while subjects with a low SCS also have a low speech recognition rate. SCSs were then used to find the linear correlation with the speech recognition rate using HMM and ANN, which gave the linear trendlines with the coefficient of determinations (R2) of 0.89 and 0.86, respectively. Finally, the linear trendline using HMM was used to predict the speech recognition rate. It was found that the prediction results have an average absolute error of 5%, which is a very satisfactory level.
Description:	โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต ภาควิชาฟิสิกส์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2562
URI:	http://cuir.car.chula.ac.th/handle/123456789/78486
Type:	Senior Project
Appears in Collections:	Sci - Senior Projects

Files in This Item:

File	Description	Size	Format
62-SP-PHYS-003 - Apisit Angsuphan.pdf		985.98 kB	Adobe PDF	View/Open

Show full item record