DSpace Repository

การแยกแยะความผิดปกติของเสียงพูดชนิดสปาสติกในผู้ป่วยทางระบบประสาทออกจากเสียงพูดปกติ ด้วยการวิเคราะห์คลื่นเสียงด้วยแบบจำลองทางคอมพิวเตอร์

Show simple item record

dc.contributor.advisor ชัยภัทร ชุณหรัศมิ์
dc.contributor.author ชยุต มฤคทัต
dc.contributor.other จุฬาลงกรณ์มหาวิทยาลัย. คณะแพทยศาสตร์
dc.date.accessioned 2023-08-04T06:08:20Z
dc.date.available 2023-08-04T06:08:20Z
dc.date.issued 2565
dc.identifier.uri https://cuir.car.chula.ac.th/handle/123456789/82523
dc.description วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2565
dc.description.abstract วัตถุประสงค์ เพื่อประเมินประสิทธิภาพในการวินิจฉัยอาการพูดไม่ชัดชนิดสปาสติกในแง่ความไว ความจำเพาะ  และ AUC จาก กราฟ ROC ของการวินิจฉัยประโยคพูดไม่ชัดที่สร้างขึ้นจากลักษณะเด่นทางคลินิกและพยาธิสรีรวิทยา และประเมินด้วยเครื่องมือ ASR พร้อมทั้งเปรียบเทียบความแม่นยำในการวินิจฉัยกับประสาทแพทย์     วิธีการวิจัย ผู้ป่วยพูดไม่ชัดชนิดสปาสติกจำนวน 37 คน และกลุ่มควบคุม 37 คน เข้ารับการบันทึกเสียงพูด 4 ประโยคที่ถูกสร้างขึ้นจากกลุ่มพยัญชนะต้นที่แตกต่างกันตามการทำงานของกล้ามเนื้อการพูด และประเมินคะแนนความผิดพลาดของพยางค์แต่ละประโยค (error score of syllable) ด้วยเครื่องมือ ASR ได้แก่ 'Apple Siri™' และ 'Whisper' แล้ววิเคราะห์ logistic regression analysis และ สร้างกราฟ ROC พร้อมทั้ง AUC เพื่อบอกความแม่นยำในการวินิจฉัย พร้อมทั้งให้ประสาทแพทย์วินิจฉัยอาการพูดไม่ชัดจากไฟล์เสียงเดียวกัน ผลการศึกษา ค่าเฉลี่ยคะแนนความผิดพลาดของพยางค์แต่ละประโยคระหว่างกลุ่มผู้ป่วยพูดไม่ชัดชนิดสปาสติกและกลุ่มควบคุมมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ (p < 0.05) ทั้งจากทั้งสองเครื่องมือ โดยที่ AUC สูงที่สุดของเครื่องมือ 'Apple Siri™' และ 'Whisper'เท่ากับ 0.95 และ 0.89 ตามลำดับในการวิเคราะห์ประโยคเดียวกันที่เป็นการเคลื่อนไหวของกล้ามเนื้อโคนลิ้น เพดานอ่อนและคอหอย  ในขณะที่ประสาทแพทย์มีความจำเพาะในการวินิจฉัยมากกว่า 0.9 แต่มีความไวที่ไม่แน่นอนตั้งแต่ 0.20 ถึง 0.74 สรุป เครื่องมือ 'Apple Siri™' และ 'Whisper' ASR มีความแม่นยำและน่าเชื่อถือในการวินิจฉัยแยกแยะอาการพูดไม่ชัดชนิดสปาสติกที่มีความรุนแรงน้อยออกจากเสียงพูดปกติ เมื่อนำมาประยุกต์ใช้กับการวิเคราะห์ประโยคพูดที่มีความไม่ชัดชนิดสปาสติกมากที่สุด ซึ่งถูกสร้างขึ้นด้วยความรู้ทางพยาธิสรีรวิทยาและสัทศาสตร์
dc.description.abstractalternative Objective : To evaluate the diagnostic accuracy of ASR tools in detecting spastic dysarthria using pathophysiologically-informed sentences and comparing the results to those obtained by neurologists through calculating sensitivity, specificity, accuracy, and generating ROC curves with AUC. Methods : 37 dysarthric patients and 37 healthy controls, were enrolled in four sentence recordings, generated based on group of muscles activated to produce consonant sounds. Recordings were ‘scored’ by two ASR software, 'Apple Siri™' and 'Whisper'. The scoring was error count of incorrect syllables and was analyzed using logistic regression with ROC/AUC representing diagnostic performance. Neurologists' diagnostic accuracy was compared with ASR result. Results :  Mean errors generated by both ASR tools were shown to be statistically significant difference with p < 0.05. Maximum AUC of 'Apple Siri™' and 'Whisper' ASR was 0.95 and 0.89 respectively for the sentence articulated with velopharyngeal and glottis placement. Neurologists showed a specificity exceeding 0.90 and sensitivity varying from 0.20 to 0.74. Conclusion : 'Apple Siri™' and 'Whisper' ASR were found to be effective and reliable in differentiating mild spastic dysarthria from control. Feature selection, based on pathophysiological and phonological basis, strengthens sentence-specific dysarthria detection.
dc.language.iso th
dc.publisher จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri http://doi.org/10.58837/CHULA.THE.2022.1020
dc.rights จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification Medicine
dc.subject.classification Professional, scientific and technical activities
dc.subject.classification Medical diagnostic and treatment technology
dc.title การแยกแยะความผิดปกติของเสียงพูดชนิดสปาสติกในผู้ป่วยทางระบบประสาทออกจากเสียงพูดปกติ ด้วยการวิเคราะห์คลื่นเสียงด้วยแบบจำลองทางคอมพิวเตอร์
dc.title.alternative The identification of spastic dysarthria in neurological patients by speech analysis with computational modelling
dc.type Thesis
dc.degree.name วิทยาศาสตรมหาบัณฑิต
dc.degree.level ปริญญาโท
dc.degree.discipline อายุรศาสตร์
dc.degree.grantor จุฬาลงกรณ์มหาวิทยาลัย
dc.identifier.DOI 10.58837/CHULA.THE.2022.1020


Files in this item

This item appears in the following Collection(s)

Show simple item record