Dissertação

Speech as a biomarker for sleep disorders and sleep deprivation EVALUATED

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.
Sonolência, Apneia Obstrutiva do Sono, Fala, Aprendizagem Automática, Memória de Trabalho

Novembro 13, 2018, 10:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Alberto Abad Gareta

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Isabel Maria Martins Trancoso

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático