{"id":{"repo_id":"brno-tech","oai_identifier":"oai:dspace.vut.cz:11012/257735"},"canonical_url":"https://search.dev.ndltd.org/etd/brno-tech/oai:dspace.vut.cz:11012/257735","repository":{"repo_id":"brno-tech","name":"Brno University of Technology","base_url":"https://dspace.vut.cz/oai/request"},"display":{"title":"Diferenciální analýza typů mírné kognitivní poruchy pomocí akustických a lingvistických biomarkerů","abstract":"Mírná kognitivní porucha (MCI) představuje klinický stav charakterizovaný kognitivním poklesem přesahujícím běžné stárnutí, který však ještě nedosahuje úrovně demence. U části pacientů může být prodromálním stadiem neurodegenerativního onemocnění. Jelikož dochází ke změnám v řeči již v raných stádiích MCI, je možné tyto změny sledovat a neinvazivně tak odhalovat vývoj poruchy. Motivací práce je prozkoumat možnosti akustické a lingvistické analýzy pro diferenciaci různých typů mírné kognitivní poruchy. Cílem práce je identifikovat klíčové rozdíly v řečových a jazykových projevech u zdravých osob, pacientů s amnestickou MCI, MCI s Lewyho tělísky a pacientů s Parkinsonovou nemocí s MCI. V rámci analýzy byla použita databáze obsahující nahrávky spontánní řeči a čtení textu zdravých jedinců i pacientů diagnostikovaných s MCI. Z nahrávek byly extrahovány akustické a lingvistické parametry, které byly následně využity ve statistické a klasifikační analýze. Analýza ukázala odlišnosti mezi jednotlivými zdravými i poruchou postiženými pacienty, a to jak v akustických vlastnostech, tak i v lingvistické tvorbě řeči. Součástí klasifikační části bylo testování modelů strojového učení založených na ručně vybraných biomarkerech, příznacích vybraných pomocí statistického testu a jejich rozšíření o audio a textové embeddingy. Výsledky ukázaly, že mezi nejvýznamnější řečové biomarkery patřily zejména parametry související s pauzami v řeči. Některé biomarkery vykazovaly signifikantní vztah ke klinickým škálám a kovariátům, což naznačuje možnou souvislost s klinickým stavem osob. Klasifikační analýza ukázala, že nejlepších výsledků bylo dosaženo zejména při diagnostice PD-MCI, zatímco rozlišení ostatních skupin bylo méně spolehlivé. Kombinace akustických, lingvistických a embeddingových příznaků poskytla určitý diskriminační potenciál, avšak výsledky nebyly dostatečně robustní pro spolehlivou automatickou diferenciaci. Práce tak poukazuje na potenciál řečových biomarkerů při analýze MCI a na potřebu větších a vyváženějších datových souborů.","abstract_html":"Mírná kognitivní porucha (MCI) představuje klinický stav charakterizovaný kognitivním poklesem přesahujícím běžné stárnutí, který však ještě nedosahuje úrovně demence. U části pacientů může být prodromálním stadiem neurodegenerativního onemocnění. Jelikož dochází ke změnám v řeči již v raných stádiích MCI, je možné tyto změny sledovat a neinvazivně tak odhalovat vývoj poruchy. Motivací práce je prozkoumat možnosti akustické a lingvistické analýzy pro diferenciaci různých typů mírné kognitivní poruchy. Cílem práce je identifikovat klíčové rozdíly v řečových a jazykových projevech u zdravých osob, pacientů s amnestickou MCI, MCI s Lewyho tělísky a pacientů s Parkinsonovou nemocí s MCI. V rámci analýzy byla použita databáze obsahující nahrávky spontánní řeči a čtení textu zdravých jedinců i pacientů diagnostikovaných s MCI. Z nahrávek byly extrahovány akustické a lingvistické parametry, které byly následně využity ve statistické a klasifikační analýze. Analýza ukázala odlišnosti mezi jednotlivými zdravými i poruchou postiženými pacienty, a to jak v akustických vlastnostech, tak i v lingvistické tvorbě řeči. Součástí klasifikační části bylo testování modelů strojového učení založených na ručně vybraných biomarkerech, příznacích vybraných pomocí statistického testu a jejich rozšíření o audio a textové embeddingy. Výsledky ukázaly, že mezi nejvýznamnější řečové biomarkery patřily zejména parametry související s pauzami v řeči. Některé biomarkery vykazovaly signifikantní vztah ke klinickým škálám a kovariátům, což naznačuje možnou souvislost s klinickým stavem osob. Klasifikační analýza ukázala, že nejlepších výsledků bylo dosaženo zejména při diagnostice PD-MCI, zatímco rozlišení ostatních skupin bylo méně spolehlivé. Kombinace akustických, lingvistických a embeddingových příznaků poskytla určitý diskriminační potenciál, avšak výsledky nebyly dostatečně robustní pro spolehlivou automatickou diferenciaci. Práce tak poukazuje na potenciál řečových biomarkerů při analýze MCI a na potřebu větších a vyváženějších datových souborů.","abstract_has_math":false,"creators":["Dvořák, Petr"],"institution":"Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Mekyska, Jiří"],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-07-24T01:22:34Z","subjects":["Mírná kognitivní porucha","amnestická mírná kognitivní porucha","mírná kognitivní porucha s Lewyho tělísky","Alzheimerova nemoc","Parkinsonova nemoc","analýza řeči","akustická analýza","lingvistická analýza","akustické biomarkery","lingvistické biomarkery","embedding","zpracování přirozeného jazyka","spontánní řeč","řečové biomarkery","statistická analýza","klinické škály","strojové učení","klasifikační analýza.","Mild cognitive impairment","amnestic mild cognitive impairment","mild cognitive impairment with Lewy bodies","Alzheimer's disease","Parkinson's disease","speech analysis","acoustic analysis","linguistic analysis","acoustic biomarkers","linguistic biomarkers","natural language processing","spontaneous speech","speech biomarkers","statistical analysis","clinical scores","machine learning","classification analysis."],"languages":["cs"],"rights":["Standardní licenční smlouva - přístup k plnému textu bez omezení"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["175244"],"render_values":[{"text":"175244","href":null,"code":true}]}]},"links":{"outbound_url":"http://hdl.handle.net/11012/257735","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Mekyska, Jiří"]},{"key":"dc:creator","label":"Author","values":["Dvořák, Petr"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:publisher","label":"Institution","values":["Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií"]},{"key":"dc:type","label":"Dc Type","values":["Text"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Ing."]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Mírná kognitivní porucha","amnestická mírná kognitivní porucha","mírná kognitivní porucha s Lewyho tělísky","Alzheimerova nemoc","Parkinsonova nemoc","analýza řeči","akustická analýza","lingvistická analýza","akustické biomarkery","lingvistické biomarkery","embedding","zpracování přirozeného jazyka","spontánní řeč","řečové biomarkery","statistická analýza","klinické škály","strojové učení","klasifikační analýza.","Mild cognitive impairment","amnestic mild cognitive impairment","mild cognitive impairment with Lewy bodies","Alzheimer's disease","Parkinson's disease","speech analysis","acoustic analysis","linguistic analysis","acoustic biomarkers","linguistic biomarkers","natural language processing","spontaneous speech","speech biomarkers","statistical analysis","clinical scores","machine learning","classification analysis."]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["cs"]},{"key":"dc:rights","label":"Dc Rights","values":["Standardní licenční smlouva - přístup k plnému textu bez omezení"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["175244"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/11012/257735"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Mírná kognitivní porucha (MCI) představuje klinický stav charakterizovaný kognitivním poklesem přesahujícím běžné stárnutí, který však ještě nedosahuje úrovně demence. U části pacientů může být prodromálním stadiem neurodegenerativního onemocnění. Jelikož dochází ke změnám v řeči již v raných stádiích MCI, je možné tyto změny sledovat a neinvazivně tak odhalovat vývoj poruchy. Motivací práce je prozkoumat možnosti akustické a lingvistické analýzy pro diferenciaci různých typů mírné kognitivní poruchy. Cílem práce je identifikovat klíčové rozdíly v řečových a jazykových projevech u zdravých osob, pacientů s amnestickou MCI, MCI s Lewyho tělísky a pacientů s Parkinsonovou nemocí s MCI. V rámci analýzy byla použita databáze obsahující nahrávky spontánní řeči a čtení textu zdravých jedinců i pacientů diagnostikovaných s MCI. Z nahrávek byly extrahovány akustické a lingvistické parametry, které byly následně využity ve statistické a klasifikační analýze. Analýza ukázala odlišnosti mezi jednotlivými zdravými i poruchou postiženými pacienty, a to jak v akustických vlastnostech, tak i v lingvistické tvorbě řeči. Součástí klasifikační části bylo testování modelů strojového učení založených na ručně vybraných biomarkerech, příznacích vybraných pomocí statistického testu a jejich rozšíření o audio a textové embeddingy. Výsledky ukázaly, že mezi nejvýznamnější řečové biomarkery patřily zejména parametry související s pauzami v řeči. Některé biomarkery vykazovaly signifikantní vztah ke klinickým škálám a kovariátům, což naznačuje možnou souvislost s klinickým stavem osob. Klasifikační analýza ukázala, že nejlepších výsledků bylo dosaženo zejména při diagnostice PD-MCI, zatímco rozlišení ostatních skupin bylo méně spolehlivé. Kombinace akustických, lingvistických a embeddingových příznaků poskytla určitý diskriminační potenciál, avšak výsledky nebyly dostatečně robustní pro spolehlivou automatickou diferenciaci. Práce tak poukazuje na potenciál řečových biomarkerů při analýze MCI a na potřebu větších a vyváženějších datových souborů.","Mild cognitive impairment (MCI) is a clinical condition characterized by cognitive decline exceeding normal aging, while not yet reaching the level of dementia. In some patients, it may represent a prodromal stage of a neurodegenerative disease. Since speech changes can occur already in the early stages of MCI, these changes can be monitored and used for non-invasive detection of disorder progression. The motivation of this thesis is to explore the possibilities of acoustic and linguistic analysis for differentiating between different types of mild cognitive impairment. The aim of the thesis is to identify key differences in speech and language manifestations among healthy individuals, patients with amnestic MCI, patients with MCI with Lewy bodies, and patients with Parkinson’s disease with MCI. The analysis used a database containing recordings of spontaneous speech and text reading from healthy individuals and patients diagnosed with MCI. Acoustic and linguistic parameters were extracted from the recordings and subsequently used in statistical and classification analyses. The analysis revealed differences between healthy individuals and patients affected by cognitive impairment, both in acoustic properties and in linguistic aspects of speech production. The classification part included testing machine learning models based on manually selected biomarkers, features selected using statistical testing, and their extension with audio and text embeddings. The results showed that the most important speech biomarkers included mainly parameters related to pauses in speech. Some biomarkers showed a significant relationship with clinical scales and covariates, suggesting a possible association with the clinical condition of the subjects. The classification analysis showed that the best results were achieved mainly in the diagnosis of PD-MCI, while the differentiation of the other groups was less reliable. The combination of acoustic, linguistic, and embedding-based features provided some discriminatory potential; however, the results were not robust enough for reliable automatic differentiation. The thesis therefore highlights the potential of speech biomarkers in the analysis of MCI and the need for larger and more balanced datasets."]},{"key":"dc:title","label":"Title","values":["Diferenciální analýza typů mírné kognitivní poruchy pomocí akustických a lingvistických biomarkerů"]}]}],"canonical_facts":{"dc:contributor.advisor":["Mekyska, Jiří"],"dc:creator":["Dvořák, Petr"],"dc:description.abstract":["Mírná kognitivní porucha (MCI) představuje klinický stav charakterizovaný kognitivním poklesem přesahujícím běžné stárnutí, který však ještě nedosahuje úrovně demence. U části pacientů může být prodromálním stadiem neurodegenerativního onemocnění. Jelikož dochází ke změnám v řeči již v raných stádiích MCI, je možné tyto změny sledovat a neinvazivně tak odhalovat vývoj poruchy. Motivací práce je prozkoumat možnosti akustické a lingvistické analýzy pro diferenciaci různých typů mírné kognitivní poruchy. Cílem práce je identifikovat klíčové rozdíly v řečových a jazykových projevech u zdravých osob, pacientů s amnestickou MCI, MCI s Lewyho tělísky a pacientů s Parkinsonovou nemocí s MCI. V rámci analýzy byla použita databáze obsahující nahrávky spontánní řeči a čtení textu zdravých jedinců i pacientů diagnostikovaných s MCI. Z nahrávek byly extrahovány akustické a lingvistické parametry, které byly následně využity ve statistické a klasifikační analýze. Analýza ukázala odlišnosti mezi jednotlivými zdravými i poruchou postiženými pacienty, a to jak v akustických vlastnostech, tak i v lingvistické tvorbě řeči. Součástí klasifikační části bylo testování modelů strojového učení založených na ručně vybraných biomarkerech, příznacích vybraných pomocí statistického testu a jejich rozšíření o audio a textové embeddingy. Výsledky ukázaly, že mezi nejvýznamnější řečové biomarkery patřily zejména parametry související s pauzami v řeči. Některé biomarkery vykazovaly signifikantní vztah ke klinickým škálám a kovariátům, což naznačuje možnou souvislost s klinickým stavem osob. Klasifikační analýza ukázala, že nejlepších výsledků bylo dosaženo zejména při diagnostice PD-MCI, zatímco rozlišení ostatních skupin bylo méně spolehlivé. Kombinace akustických, lingvistických a embeddingových příznaků poskytla určitý diskriminační potenciál, avšak výsledky nebyly dostatečně robustní pro spolehlivou automatickou diferenciaci. Práce tak poukazuje na potenciál řečových biomarkerů při analýze MCI a na potřebu větších a vyváženějších datových souborů.","Mild cognitive impairment (MCI) is a clinical condition characterized by cognitive decline exceeding normal aging, while not yet reaching the level of dementia. In some patients, it may represent a prodromal stage of a neurodegenerative disease. Since speech changes can occur already in the early stages of MCI, these changes can be monitored and used for non-invasive detection of disorder progression. The motivation of this thesis is to explore the possibilities of acoustic and linguistic analysis for differentiating between different types of mild cognitive impairment. The aim of the thesis is to identify key differences in speech and language manifestations among healthy individuals, patients with amnestic MCI, patients with MCI with Lewy bodies, and patients with Parkinson’s disease with MCI. The analysis used a database containing recordings of spontaneous speech and text reading from healthy individuals and patients diagnosed with MCI. Acoustic and linguistic parameters were extracted from the recordings and subsequently used in statistical and classification analyses. The analysis revealed differences between healthy individuals and patients affected by cognitive impairment, both in acoustic properties and in linguistic aspects of speech production. The classification part included testing machine learning models based on manually selected biomarkers, features selected using statistical testing, and their extension with audio and text embeddings. The results showed that the most important speech biomarkers included mainly parameters related to pauses in speech. Some biomarkers showed a significant relationship with clinical scales and covariates, suggesting a possible association with the clinical condition of the subjects. The classification analysis showed that the best results were achieved mainly in the diagnosis of PD-MCI, while the differentiation of the other groups was less reliable. The combination of acoustic, linguistic, and embedding-based features provided some discriminatory potential; however, the results were not robust enough for reliable automatic differentiation. The thesis therefore highlights the potential of speech biomarkers in the analysis of MCI and the need for larger and more balanced datasets."],"dc:identifier.other":["175244"],"dc:identifier.uri":["http://hdl.handle.net/11012/257735"],"dc:language.iso":["cs"],"dc:publisher":["Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií"],"dc:rights":["Standardní licenční smlouva - přístup k plnému textu bez omezení"],"dc:subject":["Mírná kognitivní porucha","amnestická mírná kognitivní porucha","mírná kognitivní porucha s Lewyho tělísky","Alzheimerova nemoc","Parkinsonova nemoc","analýza řeči","akustická analýza","lingvistická analýza","akustické biomarkery","lingvistické biomarkery","embedding","zpracování přirozeného jazyka","spontánní řeč","řečové biomarkery","statistická analýza","klinické škály","strojové učení","klasifikační analýza.","Mild cognitive impairment","amnestic mild cognitive impairment","mild cognitive impairment with Lewy bodies","Alzheimer's disease","Parkinson's disease","speech analysis","acoustic analysis","linguistic analysis","acoustic biomarkers","linguistic biomarkers","natural language processing","spontaneous speech","speech biomarkers","statistical analysis","clinical scores","machine learning","classification analysis."],"dc:title":["Diferenciální analýza typů mírné kognitivní poruchy pomocí akustických a lingvistických biomarkerů"],"dc:type":["Text"],"thesis:institution_name":["Ing."]},"updated_at":"2026-07-24T01:22:34Z"}