Cílem této diplomové práce je ověřit využitelnost interpretovatelných řečových biomarkerů a hlubokých řečových reprezentací pro automatickou klasifikaci osob s Parkinsonovou nemocí a zdravých kontrol. Práce vychází z předpokladu, že Parkinsonova nemoc
ovlivňuje řečovou produkci, zejména v souvislosti s hypokinetickou dysartrií, a že tyto
změny lze zachytit pomocí akustických a hlubokých řečových příznaků.
Experimentální část je založena na databázi spontánních monologů. Využity jsou upravené interpretovatelné řečové biomarkery a x-vektorové reprezentace extrahované pomocí
předtrénovaného modelu ECAPA-TDNN. Pro klasifikaci byly navrženy a porovnány tři
způsoby kombinace obou typů příznaků: pozdní fúze, časná fúze a hybridní fúze. Biomarkerové modely a modely časné a hybridní fúze využívají algoritmus XGBoost s laděním
hyperparametrů pomocí Optuny, zatímco x-vektorová větev a meta-model pozdní fúze
jsou založeny na logistické regresi. Finální vyhodnocení bylo provedeno metodou vynechání jednoho vzorku.
Dosažené výsledky ukazují, že x-vektorové reprezentace poskytují výraznější diskriminační
informaci než samostatné interpretovatelné biomarkery. Samostatný x-vektorový model
založený na logistické regresi dosáhl přesnosti 0,7519 a hodnoty AUC 0,8045, zatímco
biomarkerový model s algoritmem XGBoost dosáhl přesnosti 0,6589 a hodnoty AUC
0,6878. Fúzní přístupy umožnily propojit výkonnost hlubokých reprezentací s informací
obsaženou v interpretovatelných biomarkerech, jejich přínos však závisel na konkrétním
způsobu kombinace příznaků. Z fúzních přístupů byla nejúspěšnější hybridní fúze, která
dosáhla přesnosti 0,7597 a hodnoty AUC 0,8117. Výsledky potvrzují potenciál automatické analýzy řeči pro hodnocení řečových projevů Parkinsonovy nemoci, zároveň je
však nutné interpretovat je s ohledem na omezenou velikost datového souboru, použitý
validační protokol a možný vliv individuálních rozdílů mezi mluvčími.