FenixEdu™

Dissertação

Speech as a biomarker for sleep disorders and sleep deprivation EVALUATED

Detalhes: Os distúrbios do sono, nomeadamente privação de sono e apneia obstrutiva do sono (OSA), têm uma prevalência crescente na população e são responsáveis por uma diminuição da qualidade de vida e por uma mortalidade e morbilidade elevadas, associadas a hipertensão, doenças cardiovasculares e acidentes de trânsito e de trabalho. Esta dissertação visa a deteção automática de sonolência e de OSA, através da análise de fala. Para tal, identificaram-se os atributos da fala mais relevantes para cada objetivo, e compararam-se vários métodos de aprendizagem automática para classificação binária. Os melhores resultados para a deteção de sonolência (taxa de verdadeiros positivos (TPR) de 91% e taxa de verdadeiros negativos (TNR) de 75%) foram obtidos com o conjunto de atributos eGeMAPS seguido de uma seleção de atributos utilizando o algoritmo Random Forest e classificação com bootstrap aggreggation de SVMs, para indivíduos do género masculino. Estes resultados foram obtidos com o corpus disponibilizado para o INTERSPEECH 2011 Speaker State Challenge. Os melhores resultados para a deteção de OSA (TPR de 88% e TNR de 80%) foram obtidos com um conjunto de atributos selecionados com base na literatura e uma fusão de SVM, LDA e kNN. Estes resultados foram obtidos com um corpus que incluí 25 pacientes com OSA e 20 controlos. Os resultados foram validados com dados recolhidos do youtube. Os dados recolhidos permitiram observar que os distúrbios do sono têm um impacto negativo na memória de trabalho.
Keywords: Sonolência, Apneia Obstrutiva do Sono, Fala, Aprendizagem Automática, Memória de Trabalho

Discussão: novembro 13, 2018, 10:0