Reconocimiento de trastornos en la voz a partir de audios asociados a la enfermedad de Parkinson

Arce Sierra, Michael Xavier; Tomalá Pozo, Josué Alberto

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Ingeniería en Ciencias Computacionales
→
Ver ítem

dc.contributor.advisor	Peláez Jarrín, Enrique , Director
dc.contributor.author	Arce Sierra, Michael Xavier
dc.contributor.author	Tomalá Pozo, Josué Alberto
dc.creator	ESPOL
dc.date.accessioned	2023-06-21T13:58:37Z
dc.date.available	2023-06-21T13:58:37Z
dc.date.issued	2022
dc.identifier.citation	Arce Sierra, M. X. y Tomalá Pozo, J. A. (2022). Reconocimiento de trastornos en la voz a partir de audios asociados a la enfermedad de Parkinson. [Proyecto integrador]. ESPOL. FIEC. .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/57565
dc.description	La Enfermedad de Parkinson es la segunda enfermedad neurodegenerativa más común en el mundo, que actualmente afecta a más de 10 millones de personas. Aunque no tiene cura, existen tratamientos que logran minimizar el impacto que tiene en la vida de los pacientes y sus familias. Por esto, es esencial su detección temprana. Un síntoma característico de esta enfermedad es la debilidad de los músculos que producen la voz, lo que genera cambios en su forma de hablar. Bajo esta premisa se propone un modelo, basado en técnicas de aprendizaje autónomo y aprendizaje profundo, para detectar esos cambios como patrones asociados a la enfermedad, y determinar la probabilidad de que una persona tenga Parkinson. Para el desarrollo del proyecto se obtuvo las grabaciones de audios de sujetos diagnosticados con Parkinson, desde 3 fuentes diferentes: 2 clínicas neurológicas en España y Guayaquil, y un grupo de personas voluntarias. Los archivos de audios pertenecen a grabaciones de personas entonando el fonema A, fonema M y leyendo una lectura corta. De estos audios se extrajeron espectrogramas de frecuencias que fueron los datos de entrenamiento de una red neuronal convolucional tipo ResNet 50 V2, la cual fue la que dio mejores resultados frente a otras arquitecturas evaluadas, con un 95% de precisión en los audios de fonemas y un 97% de precisión con las lecturas cortas. Para probar este modelo, se desarrolló una aplicación web donde se puede cargar archivos de audio de nuevas personas y obtener un diagnóstico de la enfermedad. Como resultado, se logró grabar audios de pacientes con diagnóstico de Parkinson y de sujetos sanos, pre-procesarlos y analizarlos, mediante un modelo basado en deep learning que detecta la enfermedad e integrado a una aplicación web.
dc.format	application/pdf
dc.format.extent	51 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Enfermedad de Parkinson
dc.subject	Trastornos de voz
dc.subject	Deep learning
dc.subject	Inteligencia artificial
dc.title	Reconocimiento de trastornos en la voz a partir de audios asociados a la enfermedad de Parkinson
dc.type	Ingeniero en Ciencias Computacionales
dc.identifier.codigoespol	T-113401
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral