Πρόβλεψη παθογένειας στη φωνή με την χρήση αλγορίθμων μηχανικής μάθησης
| datacite.contributor.RelatedPerson | Ψαράκης Εμμανουήλ | |
| datacite.contributor.RelatedPerson | Δερματάς, Ευάγγελος | |
| datacite.contributor.Supervisor | Μεγαλοοικονόμου, Βασίλειος | |
| dc.contributor.author | Πορτοκάλογλου, Ανδρονίκη | |
| dc.contributor.other | Portokaloglou, Androniki | |
| dc.date.accessioned | 2024-06-27T05:42:46Z | |
| dc.date.available | 2024-06-27T05:42:46Z | |
| dc.date.issued | 2024-06-05 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η τεχνητή νοημοσύνη έχει γνωρίσει ραγδαία ανάπτυξη τα τελευταία χρόνια και έχει ενταχθεί σε διάφορους κλάδους όπως και η ιατρική περίθαλψη. Με την ικανότητα της αναλύει τερά- στιες ποσότητες δεδομένων όπως εικόνες, ιατρικά δεδομένα ακόμη και ήχο,ειναι πολύ πιθανό να αποτελει σε λίγα χρόνια αναπόσπαστο κομμάτι του κλάδου. H παρούσα διπλωματική στο- χεύει στην ανάπτυξη ενός συστήματος πρόβλεψης παθογένειάς στη φωνή βοηθώντας παράλ- ληλα στο καθορισμό κατάλληλων χαρακτηριστικών για την πρόβλεψη αυτή. Συγκεκριμένα, χρησιμοποιούνται δεδομένα φωνής από ασθενής και υγιής ανθρώπους να αρθρώνουν το αγ- γλικά φωνήεντα ’a’,’i’ και ’u’. Τα χαρακτηριστικά των ανθρώπων όπως η ηλικία και το φύλλο σε συνδυασμό με την εξαγωγή των Mel frequency cepstral coefficients χρησιμοποιούνται για την εκπαίδευση διάφορων κατηγοροποιητών. Ένα τέτοιο σύστημα μπορεί να αποτελέσει μέρος της διαδικασίας διάγνωσης με επίβλεψη βέβαια από ειδικούς. | |
| dc.description.translatedabstract | Artificial intelligence has experienced rapid growth in recent years and has been incorporated in various industries as well as medical care. With its ability to analyze vast amounts of data such as images, medical data and even sound, artificial intelligence can become an integral part of the industry. This thesis aims to develop a system for predicting pathogenesis in the voice while at the same time helping to define appropriate characteristics for this prediction. Specifically, the voice data used are from ill and healthy people articulating the english vowels ’a’,’i’ and ’u’. People’s characteristics such as age and sex combined with the extraction of Mel frequency cepstral coefficients are used to train various classifiers. Such system can maybe one day be part of the diagnostic process in collaboration with doctor’s knowledge and supervision. | |
| dc.identifier.uri | https://hdl.handle.net/10889/27265 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NoDerivs 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/us/ | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Παθογένεια | |
| dc.subject | Φωνή | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Pathology | |
| dc.subject.alternative | Voice | |
| dc.title | Πρόβλεψη παθογένειας στη φωνή με την χρήση αλγορίθμων μηχανικής μάθησης | |
| dc.title.alternative | Voice pathology prediction using machine learning algorithms |