Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes

RESUMEN : La enfermedad de Parkinson es un desorden neurodegenerativo del sistema nervioso caracterizado por rigidez, bradicinesia y pérdida de los reflejos posturales, afectando drásticamente la calidad de vida de la persona que la padece. Las deficiencias del habla son comúnmente uno de los síntom...

Full description

Autores:
Ríos Urrego, Cristian David
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/14100
Acceso en línea:
http://hdl.handle.net/10495/14100
Palabra clave:
Diagnóstico
Enfermedad de Parkinson
Voz
Aprendizaje
Sistema nervioso
Transferencia de conocimientos
Habla
Lenguas
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id UDEA2_c5f3dcfe0f2c393691b6139d9b31d538
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/14100
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
title Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
spellingShingle Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
Diagnóstico
Enfermedad de Parkinson
Voz
Aprendizaje
Sistema nervioso
Transferencia de conocimientos
Habla
Lenguas
title_short Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
title_full Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
title_fullStr Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
title_full_unstemmed Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
title_sort Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes
dc.creator.fl_str_mv Ríos Urrego, Cristian David
dc.contributor.advisor.none.fl_str_mv Orozco Arroyave, Juan Rafael
Vásquez Correa, Juan Camilo
dc.contributor.author.none.fl_str_mv Ríos Urrego, Cristian David
dc.subject.decs.none.fl_str_mv Diagnóstico
Enfermedad de Parkinson
Voz
topic Diagnóstico
Enfermedad de Parkinson
Voz
Aprendizaje
Sistema nervioso
Transferencia de conocimientos
Habla
Lenguas
dc.subject.unesco.none.fl_str_mv Aprendizaje
Sistema nervioso
Transferencia de conocimientos
dc.subject.ocde.none.fl_str_mv Habla
Lenguas
description RESUMEN : La enfermedad de Parkinson es un desorden neurodegenerativo del sistema nervioso caracterizado por rigidez, bradicinesia y pérdida de los reflejos posturales, afectando drásticamente la calidad de vida de la persona que la padece. Las deficiencias del habla son comúnmente uno de los síntomas tempranos de la enfermedad, por lo que puede ser un buen bio-marcador para el apoyo diagnóstico y el monitoreo de la enfermedad. Este trabajo propone un estudio a partir del aprendizaje profundo, exactamente en la técnica de aprendizaje por transferencia con el fin de mejorar la eficacia de los sistemas para el apoyo diagnóstico de la enfermedad de Parkinson entre idiomas diferentes: Español, Alemán y Checo. Inicialmente se extrajeron las transiciones de las señales de voz, con el fin de modelar las anomalías que presentan los pacientes para comenzar y/o detener la vibración de los pliegues vocales. Luego estas transiciones se llevaron a una representación tiempo-frecuencia utilizando la Transformada de Fourier de Tiempo Corto, formando espectro- gramas muestreados en la escala de Mel, los cuales se usan para el entrenamiento y la validación de redes neuronales convolucionales. Posteriormente con el fin de comparar y comprobar si el aprendizaje por transferencia entre idiomas puede mejorar el apoyo diagnóstico de la enfermedad de Parkinson, se realizaron 4 experimentos diferentes: (I) Clasificación con máquinas de soporte vectorial a partir de características articulatorias clásicas. (II) Entrenamiento y evaluación de redes neuronales convolucionales con datos monolingües. (III) Entrenamiento y evaluación de redes neuronales convolucionales implementando aprendizaje por transferencia entre idiomas. (IV) Clasificación multiclase con redes neuronales convolucionales para evaluar el estado neurológico de los pacientes. Los resultados indican que es posible mejorar los modelos monolingües a partir de otros idiomas usando el método de aprendizaje por transferencia, por lo tanto el entrenamiento de los modelos no debe comenzar con parámetros aleatorios como se realiza comúnmente, si no con un modelo base entrenado en un idioma diferente, aunque es necesario que este modelo sea lo suficientemente robusto para realizar una correcta transferencia de conocimiento y poder incrementar el desempeño del sistema transferido.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-04-30T02:20:40Z
dc.date.available.none.fl_str_mv 2020-04-30T02:20:40Z
dc.type.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion.spa.fl_str_mv info:eu-repo/semantics/draft
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
format http://purl.org/coar/resource_type/c_7a1f
status_str draft
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10495/14100
url http://hdl.handle.net/10495/14100
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.accessrights.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 56
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.group.spa.fl_str_mv Grupo de Investigación en Telecomunicaciones Aplicadas (GITA)
dc.publisher.place.spa.fl_str_mv Medellín, Colombia
institution Universidad de Antioquia
bitstream.url.fl_str_mv http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/1/RiosCristian_2019_EnfermedadParkinsonIdiomas.pdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/2/license_rdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/3/license.txt
bitstream.checksum.fl_str_mv 602190ec7cc2843356fd22b6259a1cde
b88b088d9957e670ce3b3fbe2eedbc13
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Antioquia
repository.mail.fl_str_mv andres.perez@udea.edu.co
_version_ 1812173133481771008
spelling Orozco Arroyave, Juan RafaelVásquez Correa, Juan CamiloRíos Urrego, Cristian David2020-04-30T02:20:40Z2020-04-30T02:20:40Z2019http://hdl.handle.net/10495/14100RESUMEN : La enfermedad de Parkinson es un desorden neurodegenerativo del sistema nervioso caracterizado por rigidez, bradicinesia y pérdida de los reflejos posturales, afectando drásticamente la calidad de vida de la persona que la padece. Las deficiencias del habla son comúnmente uno de los síntomas tempranos de la enfermedad, por lo que puede ser un buen bio-marcador para el apoyo diagnóstico y el monitoreo de la enfermedad. Este trabajo propone un estudio a partir del aprendizaje profundo, exactamente en la técnica de aprendizaje por transferencia con el fin de mejorar la eficacia de los sistemas para el apoyo diagnóstico de la enfermedad de Parkinson entre idiomas diferentes: Español, Alemán y Checo. Inicialmente se extrajeron las transiciones de las señales de voz, con el fin de modelar las anomalías que presentan los pacientes para comenzar y/o detener la vibración de los pliegues vocales. Luego estas transiciones se llevaron a una representación tiempo-frecuencia utilizando la Transformada de Fourier de Tiempo Corto, formando espectro- gramas muestreados en la escala de Mel, los cuales se usan para el entrenamiento y la validación de redes neuronales convolucionales. Posteriormente con el fin de comparar y comprobar si el aprendizaje por transferencia entre idiomas puede mejorar el apoyo diagnóstico de la enfermedad de Parkinson, se realizaron 4 experimentos diferentes: (I) Clasificación con máquinas de soporte vectorial a partir de características articulatorias clásicas. (II) Entrenamiento y evaluación de redes neuronales convolucionales con datos monolingües. (III) Entrenamiento y evaluación de redes neuronales convolucionales implementando aprendizaje por transferencia entre idiomas. (IV) Clasificación multiclase con redes neuronales convolucionales para evaluar el estado neurológico de los pacientes. Los resultados indican que es posible mejorar los modelos monolingües a partir de otros idiomas usando el método de aprendizaje por transferencia, por lo tanto el entrenamiento de los modelos no debe comenzar con parámetros aleatorios como se realiza comúnmente, si no con un modelo base entrenado en un idioma diferente, aunque es necesario que este modelo sea lo suficientemente robusto para realizar una correcta transferencia de conocimiento y poder incrementar el desempeño del sistema transferido.56application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bcceAtribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentesGrupo de Investigación en Telecomunicaciones Aplicadas (GITA)Medellín, ColombiaDiagnósticoEnfermedad de ParkinsonVozAprendizajeSistema nerviosoTransferencia de conocimientosHablaLenguasIngeniero ElectrónicoPregradoFacultad de Ingeniería. Carrera de Ingeniería ElectrónicaUniversidad de AntioquiaORIGINALRiosCristian_2019_EnfermedadParkinsonIdiomas.pdfRiosCristian_2019_EnfermedadParkinsonIdiomas.pdfTrabajo de grado de pregradoapplication/pdf2319898http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/1/RiosCristian_2019_EnfermedadParkinsonIdiomas.pdf602190ec7cc2843356fd22b6259a1cdeMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8823http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/2/license_rdfb88b088d9957e670ce3b3fbe2eedbc13MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/14100/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5310495/14100oai:bibliotecadigital.udea.edu.co:10495/141002021-06-19 19:19:56.092Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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