La soutenance aura lieu le mardi 5 septembre 2023 à 16 heures à la

Maison de la Recherche de l’Université Sorbonne Nouvelle
Salle Athéna
4 rue des Irlandais
75005 Paris

Devant le jury composé de :

• David GRABLI (Rapporteur), Professeur, Praticien hospitalier, Service de neurologie, Hôpital
  de la Pitié Salpetrière, Paris
• François PELLEGRINO (Rapporteur), Directeur de recherche CNRS, DDL Lyon 2
• Claire PILLOT-LOISEAU (Examinatrice), Professeure, Université Sorbonne nouvelle, Paris 3
• Jody KREIMAN (Examinatrice), Professeure, University of California, Los Angeles
• John KINGSTON (Examinateur), Professeur, University of Massachusetts, Amherst
• Lise CREVIER-BUCHMAN (Co-Directrice), Chargée de Recherche CNRS, Hôpital Foch, Université Sorbonne nouvelle, Paris 3
• Didier DEMOLIN (Co-Directeur), Professeur émérite, Université Sorbonne nouvelle, Paris 3

Résumé
Cette thèse porte sur les troubles de la parole qui se manifestent chez les femmes atteintes de la maladie de Parkinson. Nous avons choisi de nous concentrer sur une population féminine car, bien que les femmes atteintes de la maladie de Parkinson représentent une part importante de la population, les études prenant en compte le sexe féminin comme une variable cruciale sont fortement sous-représentées. De plus, les mesures aérodynamiques sont rarement exploitées. Ces constats ont motivé cette recherche en soulignant la nécessité d’une description objective, quantifiée et  détaillée de la voix parkinsonienne. Pour cela, nous avons réalisé une évaluation instrumentale multiparamétrique sur un corpus de 74 femmes, dont 37 femmes parkinsoniennes et 37 témoins,
appariées par âge. Notre recherche se distingue par (1) l’élaboration d’un cadre conceptuel et méthodologique pour le traitement de la parole normale et dysarthrique, en utilisant une approche innovante pour segmenter et mesurer automatiquement les données aérodynamiques et acoustiques ; (2) la mise en place d’une étude multiparamétrique qui intègre des mesures acoustiques et
aérodynamiques, et qui explore la relation entre la pression sous-glottique et la fréquence fondamentale ; (3) l’élaboration d’un modèle de production normale afin d’identifier les déviances spécifiques à la parole parkinsonienne ; (4) l’identification des sources de variation des paramètres aérodynamiques et acoustiques, tels que les effets du vieillissement ou de la prise de mesure ; et (5) la détection des caractéristiques les plus altérées et des mesures les plus performantes pour discriminer la parole parkinsonienne via une analyse multiparamétrique et une tâche de  classification automatique des marqueurs vocaux.

Abstract
This thesis focuses on the speech disorders that occur in women suffering from Parkinson’s disease, known as hypokinetic dysarthria. We chose to focus on a female population because, although
women with Parkinson’s disease represent a significant portion of the population, studies that consider gender as a crucial variable are strongly underrepresented. Moreover, aerodynamic measures, although more difficult to acquire and automatically process than acoustic measures, are rarely exploited. These observations motivated this research, highlighting the need of an objective, quantified, and detailed description of the voice of women with Parkinson’s disease. To this end, we carried out a multiparametric instrumental evaluation on a corpus of 74 women, including 37 with Parkinson’s and 37 controls, matched according to their age. Our research stands out by (1) the development of a conceptual and methodological framework for the processing of normal and dysarthric speech, using an innovative approach to segment and automatically measure aerodynamic and acoustic data; (2) the implementation of a multiparametric study that integrates acoustic and aerodynamic measurements, and explores the relationship between subglottal pressure and fundamental frequency; (3) the establishment of a normal production model to identify deviations specific to Parkinsonian speech; (4) the identification of sources of variation in aerodynamic and acoustic parameters, such as the effects of aging or the measurement process; and (5) the detection of the most altered features and the most effective measurements to discriminate Parkinsonian speech through a multiparametric analysis and an automatic classification task of vocal markers.