Általánosságban arra a kérdésre keressük a választ, hogy: van-e bármilyen tipikus akusztikai-fonetikai paramétercsoport, amely a létrehozott beszédben tükrözi a hangképző szervek elváltozásait?
Hipotézisünk az, hogy a hangképző szervek elváltozásai főként a hangforrás (pl. zöngeképzés) és a hangképző üregek akusztikai-fonetikai paramétereiben tükröződnek.
Az eddigi nemzetközi kutatások csupán kitartott magánhangzókat vizsgáltak, így hangelemzéseik eredménye korlátozott, mivel nyilvánvaló, hogy a folyamatos beszéd vizsgálata sokkal több információt ad. A folyamatos beszéd statisztikai akusztikai vizsgálatai alapján lehetséges azoknak az akusztikai-fonetikai paramétereknek a kiválasztása, amelyek alapján egyrészt a normál beszédet a hibástól, a hibásakat pedig egymástól meg lehet különböztetni.
Tehát a konkrét feladat a hangképző szervek elváltozásai és a mérhető akusztikai paraméterek közötti kapcsolat vizsgálata.
Célunk statisztikai, jelfeldolgozási, osztályozási módszerek fejlesztése egy automatikus hangrendellenességet diagnosztizáló rendszer alapjainak létrehozása, egy jól felépített gégészeti patológiás folyamatos-beszéd adatbázis alapján.
A tervezet diagnosztikai rendszer feladata, hogy rövid felolvasott szöveg alapján figyelmeztetni tud a hangképzési probléma fellépésére (pl. a korai stádiumban lévő rákos elváltozásokra), a probléma valószínű eredetére, továbbá lehetőség nyílik a beszédterápiák sikerességének automatikus megítélésére, segítve ezzel a háziorvosok, klinikai orvosok valamint a terapeuták munkáját.

Elvégzendő feladatok:
1. A témába vágó irodalom áttekintése
2. Beszédadatok gyűjtése, adatbázis létrehozása
A statisztikai vizsgálatok elvégzéséhez hangképző szervi rendellenességeket mutató beszéd adatbázist hozunk létre az Országos Onkológiai Intézet Fej-nyak Sebészeti Osztályán
3. A hanganyag beszédhang szintű címkézése és szegmentálása.
4. A patológiás beszéd akusztikai-fonetikai paramétereinek statisztikai vizsgálata az adatbázisok feldolgozásával
- szegmentális szintű feldolgozás
- szupraszegmentális szintű feldolgozás
4. Különböző lényeg kiemelési és osztályozási technikák alkalmazása, tesztelése:
Support Vector Machines (SVM), Feed Forward Neural Networks (NN), Deep Neural Networks (DNN) összehasonlítása
5. Lehetséges diagnosztikai eljárás koncepciójának kidolgozása - Távoli beszédképzési rendellenességek felismerése és hangterápiák

Együttműködő partner a kutatásban:
- Országos Onkológiai Intézet Fej- és Nyaksebészeti Osztály

további elvárások: 
- Speciális elvárások: beszédjel feldolgozásában való jártasság.

felvehető hallgatók száma: 1