Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/81533
| Title: | การวิเคราะห์คุณลักษณะของเสียงเพื่อทำนายคะแนนแอตเทนชันในแบบประเมินโมคา |
| Other Titles: | An analysis of acoustic features for attention score in MoCA assessment |
| Authors: | วิโรจน์ ตรีมงคลโชค |
| Advisors: | โปรดปราน บุณยพุกกณะ ฑิตยา หวานวารี |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Issue Date: | 2565 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | งานวิจัยนี้เป็นการศึกษาเพื่อค้นหาคุณลักษณะทางเสียงที่มีความสำคัญในการประเมินคะแนนการทำงานสมองด้านแอตเทนชันของแบบประเมินไทยโมคา โดยใช้ชุดข้อมูลเสียงที่บันทึกจากแอปพลิเคชันไทยโมคา โดยเลือกแบบทดสอบทวนตัวเลขตามลำดับจากหน้าไปหลัง (Digit Forward Span, DFS) และแบบทดสอบทวนตัวเลขตามลำดับจากหลังไปหน้า (Digit Backward Span, DBS) ซึ่งเป็นแบบทดสอบการทำงานของสมองด้านแอตเทนชัน ผู้วิจัยพัฒนาโมเดลเพื่อสกัดคุณลักษณะเสียง และเปรียบเทียบหาชุดคุณลักษณะสำคัญทางเสียงที่ด้วยวิธีการกำจัดคุณลักษณะแบบเรียกซ้ำ (Recursive Feature Elimination, RFE) ซึ่งมีความแม่นยำในการจำแนกข้อมูลคะแนนการทำงานสมองด้านแอตเทนชันของแบบประเมินไทยโมคาสูงที่สุด โดยจากการวิจัยนั้นผู้วิจัยได้รับชุดคุณลักษณะสำคัญทางเสียงที่ประกอบด้วย 3 คุณลักษณะ คือ ผลรวมของช่วงเวลาขณะเกิดเสียงในแบบทดสอบทวนตัวเลขตามลำดับจากหน้าไปหลัง ที่ตรวจสอบจากความเข้มของเสียง ผลรวมของช่วงเวลาขณะเกิดเสียงในแบบทดสอบทวนตัวเลขตามลำดับจากหน้าไปหลัง ที่ตรวจสอบจากคอนทัวร์ของระดับเสียง และผลรวมของช่วงเวลาขณะเกิดเสียงในแบบทดสอบทวนตัวเลขตามลำดับจากหลังไปหน้า ที่ตรวจสอบจากคอนทัวร์ของระดับเสียง และชุดคุณลักษณะนี้มีความแม่นยำในการจำแนกข้อมูลคะแนนการทำงานสมองด้านแอตเทนชันร้อยละ 72.0 ซึ่งมากกว่าการใช้คุณลักษณะทางเสียงทั้งหมดในการจำแนกข้อมูล |
| Other Abstract: | In this research, we identified a new set of relevant acoustic features influencing attention scores on the Thai Montreal Cognitive Assessment (Thai MoCA). A dataset from the Digit Forward Span (DFS) task of attention and the Digit Backward Span (DBS) task of attention in the Thai Montreal Cognitive Assessment application was utilized. The model for extracting acoustic features and comparing a set of acoustic features selected by the Recursive Feature Elimination (RFE) was developed, Our model is able to classify the attention score in the Thai Montreal Cognitive Assessment most accurately at 72.0%. The best set of acoustic features consists of 3 features: the duration of voice from the DFS based on intensity, the duration of voice from the DBS based on pitch contour, and the Duration of voice from DFS based on pitch contour. This set has higher predictive power than the full feature set in the attention domain. |
| Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2565 |
| Degree Name: | วิทยาศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิทยาศาสตร์คอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/81533 |
| URI: | http://doi.org/10.58837/CHULA.THE.2022.781 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2022.781 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 6270265921.pdf | 2.11 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.