Nuevo dispositivo para análisis de voz de pacientes con enfermedad de Parkinson en tiempo real
DOI:
https://doi.org/10.17533/udea.redin.327870Palabras clave:
enfermedad de Parkinson, dispositivo portátil, evaluación de voz en tiempo real, área del espacio vocal, jitter, shimmer, pitch, dinámica no linealResumen
La enfermedad de Parkinson (EP) es un desorden neurodegenerativo que afecta la coordinación de músculos y extremidades, incluyendo aquellos responsables de la producción del habla, generando alteraciones en la inteligibilidad de la señal de voz. Está demostrado que el ejercicio terapéutico constante puede mejorar las habilidades de comunicación de los pacientes; sin embargo, el diagnóstico acerca del avance en el proceso de recuperación es realizado de forma subjetiva por los fonoaudiólogos o neurólogos. Debido a esto se requiere el desarrollo de herramientas flexibles que valoren y guíen la terapia fonoaudiológica de los pacientes. En este artículo se presenta el diseño e implementación de un sistema embebido para el análisis en tiempo real de la voz de pacientes con EP. Para esto se desarrollan tres plataformas; primero, se construye una interfaz gráfica en Matlab; luego, se crea un primer prototipo basado en un DSP TMS320C6713 de Texas Instruments. La aplicación final es desarrollada sobre un mini-ordenador que cuenta con un códec de audio, capacidad de almacenamiento, y una unidad de procesamiento. El sistema además se complementa con un monitor LCD para desplegar información en tiempo real, y un teclado para la interacción con el usuario.En todas las plataformas se evalúan diferentes medidas usadas comúnmente en la valoración de la voz de pacientes con EP, incluyendo características acústicas y de dinámica no lineal. En concordancia con otros trabajos del estado del arte donde se analiza la voz de personas con EP, la plataforma diseñada muestra un incremento en la variación del pitch en la voz de los pacientes, además de un decremento en el valor del área del espacio vocálico. Este resultado indica que la herramienta diseñada puede ser útil para hacer la evaluación y seguimiento de la terapia fonoaudiológica de pacientes con EP.
Descargas
Citas
M. de Rijk, L. Launer, K. Berger, M. Breteler, J. Dartigues, M. Baldereschi, L. Fratiglioni, A. Lobo, J. Martinez, C. Trenkwalder, A. Hofman. “Prevalence of parkinson’s disease in europe: a collaborative study of population-based cohorts”. Journal of Speech Language and Hearing Research. Vol. 54. 2007. pp. 21-23.
F. Martínez. “Trastornos del habla y la voz en la enfermedad de Parkinson”. Neurología. Vol. 51. 2010. pp. 542-550. DOI: https://doi.org/10.33588/rn.5109.2009509
S. Skodda, W. Visser, U. Schlegel. “Vowel articulation in Parkinson’s diease”. Journal of Voice. Vol. 25. 2011. pp. 467-472. DOI: https://doi.org/10.1016/j.jvoice.2010.01.009
J. Mekyska, I. Rektorova, Z. Smekal. Selection of Optimal Parameters for Automatic Analysis of Speech Disorders in Parkinson’s Disease. Proceedings of the 34th International Conference on Telecommunications and Signal Processing (TSP). Budapest, Hungría. 2011. pp. 408-412. DOI: https://doi.org/10.1109/TSP.2011.6043700
O. Geman. Data Processing for Parkinson’s Disease: Tremor, Speech and Gait Signal Analysis. Proceedings of the 3rd International Conference on E-Health and Bioengineering (EHB). Iaşi, Romania. 2011. pp. 1-4.
A. Tsanas, M. Little, P. McSharry, L. Ramig. “Accurate Telemonitoring of Parkinson’s Disease Progression by Noninvasive Speech Tests”. IEEE transactions on Biomedical Engineering. Vol. 57. 2010. pp. 884-893. DOI: https://doi.org/10.1109/TBME.2009.2036000
J. Orozco, J. Arias, J. Vargas, E. Nöth. “Perceptual Analysis of Speech Signals from People with Parkinson’s Disease”. J. Ferrández, J. Álvarez, F. de la Paz, F. Toledo (editors). Natural and Artificial Models in Computation and Biology. Lecture Notes in Computer Science. Vol. 7930. Ed. Springer Verlag. Mallorca, Spain. 2013. pp. 201-211. DOI: https://doi.org/10.1007/978-3-642-38637-4_21
E. Belalcazar, J. Orozco, J. Vargas, J. Arias, E. Noth. “New Cues in Low-Frequency of Speech for Automatic Detection of Parkinson’s Disease”. J. Ferrández, J. Álvarez, F. de la Paz, F. Toledo (editors). Natural and Artificial Models in Computation and Biology. Lecture Notes in Computer Science. Vol. 7930 . Ed. Springer Verlag. Mallorca, Spain. 2013. pp. 283-292. DOI: https://doi.org/10.1007/978-3-642-38637-4_29
J. Orozco, J. Arias, J. Vargas, E. Noth, “Analysis of Speech from People with Parkinson’s Disease through Nonlinear Dynamics”. T. Drugman, T. Dutoit (editors). Advances in Nonlinear Speech Processing. Lecture Notes in Computer Science. Vol. 7911 . Ed. Springer Verlag. Mons, Belgium. 2013. pp. 112-119. DOI: https://doi.org/10.1007/978-3-642-38847-7_15
J. Zicker, W. Tompkins, R. Rubow, J. Abbs. “A Portable Microprocessor-Based Biofeedback Training Device”. IEEE transactions on Biomedical Engineering. Vol. 27. 1980. pp. 509-515. DOI: https://doi.org/10.1109/TBME.1980.326665
R. Rubow, E. Swift. “A microcomputer-based wearable biofeedback device to improve transfer of treatment in parkinsonian dysarthria”. Journal of Speech and Hearing Disorders. Vol. 50. 1985. pp. 178-185. DOI: https://doi.org/10.1044/jshd.5002.178
L. Ochs. Self adjusting bio-feedback method and apparatus. US Patent 4.461.301, 24 Jul. 1984 Washington, USA. 1984. pp.1-10
J. Dembowski, B. Watson. “An instrumented method for assessment and remediation of stuttering: A singlesubject case study”. Journal in fluency disorder. Vol. 16. 1991. pp. 241-273. DOI: https://doi.org/10.1016/0094-730X(91)90039-F
A. S. AlMejrad. “Design of an intelligent system for speech monitoring and treatment of low and excessive vocal intensity”. Artif Life Robotics. Vol. 15. 2010. pp. 320-324. DOI: https://doi.org/10.1007/s10015-010-0816-5
M. Wirebrand. Real-time monitoring of voice characteristics using accelerometer and microphone measurements. Master Thesis, Linköping University. Linköping, Sweden. 2011. pp.1-46.
A. Carullo, A. Vallan. “Design Issues for a Portable Vocal Analyzer”. IEEE Transactions on instrumentation and measurement. Vol. 62. 2013. pp. 1084-1093. DOI: https://doi.org/10.1109/TIM.2012.2236724
B. Resch, M. Nilsson, A. Ekman, W. Kleijn. “Estimation of the Instantaneous Pitch of peech”. IEEE Transactions on Audio, Speech, and Language Processing. Vol. 15. 2007. pp. 813-822. DOI: https://doi.org/10.1109/TASL.2006.885242
C. Shahnaz, W. Zhu. A new Technique for the Estimation of Jitter and Shimmer of Voiced Speech Signal. Proceedings of the IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). Ottawa, Canada. 2006. pp. 2112-2115. DOI: https://doi.org/10.1109/CCECE.2006.277799
S. Sapir, L. Ramig, J. Spielman, C. Fox. “Formant Centralization Ratio (FCR): A proposal for a new acoustic measure of dysarthric speech”. Journal of Speech, Language and Hearing Research. Vol. 53. 2010. pp. 114-133. DOI: https://doi.org/10.1044/1092-4388(2009/08-0184)
P. Boersma, D. Weenink. Praat: doing phonetics by computer. Available on: http://www.fon.hum.uva.nl. Accessed: Sept. 18, 2013.
P. Boersma. “Accurate Short-Term Analysis of the Fundamental Frequency and the Harmonics-to-Noise Ratio of a Sampled Sound”. Institute of Phonetic Sciences, U. of Amsterdam. Vol. 17. 1993. pp. 97-110.
M. Kammoun, D. Gargouri, M. Frikha, A. Hamida. Linear Prediction Method Evaluation in Speech Formant Frequencies Estimation. Proceedings of the Third International Conference on Systems, Signals & Devices. Sousse, Tunisia. 2005. pp. 1-5.
R. Kent, Y. Kim. “Toward an acoustic typology of motor speech disorders”. Clinical Linguistics & Phonetics. Vol. 17. 2003. pp. 427-445. DOI: https://doi.org/10.1080/0269920031000086248
H. Herzel, D. Berry, I. Titze. “Analysis of Vocal Disorders With Methods From Nonlinear Dynamics”. Journal of Speech and Hearing Research. Vol. 37. 1994. pp. 1008-1019. DOI: https://doi.org/10.1044/jshr.3705.1008
F. Takens. “On the numerical determination of the dimension of an attractor”. Lecture Notes in Mathematics. Vol. 1125. 1985. pp. 99-106. DOI: https://doi.org/10.1007/BFb0075637
P. Grassberger and I. Procaccia. “Characterization of Strange Attractors”. Physical review. Vol. 50. 1983. pp. 346–349. DOI: https://doi.org/10.1103/PhysRevLett.50.346
J. Jiang, Z. Yu, M. Clancy. “Chaos in voice, from modeling to measurement”. Journal of Voice. Vol. 20. 2006. pp. 2-17. DOI: https://doi.org/10.1016/j.jvoice.2005.01.001
V. Oseledec. “A multiplicative ergodic theorem. Lyapunov characteristic numbers for dynamical systems”. Transactional. Moscow Mathematical. Society. Vol. 19. 1968. pp. 197-231.
R. Chassaing, D. Reay. Digital Signal Processing and Applications with TMS320C6713 and TMS320C6416 DSK. 2nd ed. Ed. Wiley Interscience. New Jersey, USA. 2008. pp. 283-290. DOI: https://doi.org/10.1002/9780470238141
Hardkernel, Hardkernel ODROID. Available on: www.hardkernel.com. Accessed: Sept. 15, 2013.
H. Langtangen. Python Scripting for Computational Science. 3rd ed. Ed. Springer Publishing Company. Berlin, Germany. 2009. pp. 1-70.
R. Johansson. Lectures on scientific computing with Python. Available on: https://github.com/jrjohansson/scientific-python-lectures. Accessed: Sept. 15, 2013.
docs, Python. Multiprocessing Process-based threading interface. 2013 Available on: https://docs.python.org/2/library/multiprocessing.html. Accessed: Jul. 21, 2013.
J. Glover, V. Lazzarini, J. Timoney. Python for audio signal processing. Proceedings of the Linux Audio Conference. Maynooth, Ireland. 2011. pp 1-8. DOI: https://doi.org/10.1186/1687-6180-2011-68
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter