基于语音记录监测帕金森病进展的表格数据机器学习模型比较研究
音频与语音处理
2022-05-25 v1 机器学习
声音
定量方法
摘要
帕金森病患者必须定期由医生监测，以观察疾病进展并可能调整治疗方案以缓解症候。通过患者在家中自行录制的语音记录监测疾病进展，可使该过程更快且压力更小。利用 42 名早期帕金森病患者在 6 个月时间跨度内的语音记录数据集，我们应用多种机器学习技术来寻找语音记录与患者运动 UPDRS 评分之间的相关性。我们使用大量回归与分类技术处理该问题。本文大部分内容致力于通过回归技术将语音数据映射至运动 UPDRS 评分，从而对未知样本获得更精确的数值。通过这一针对不同机器学习方法的比较研究，我们认识到在一些表格数据集上，诸如树模型等一些旧的机器学习方法优于前沿深度学习模型。
引用
@article{arxiv.2005.14257,
title = {A Comparative Study of Machine Learning Models for Tabular Data Through Challenge of Monitoring Parkinson's Disease Progression Using Voice Recordings},
author = {Mohammadreza Iman and Amy Giuntini and Hamid Reza Arabnia and Khaled Rasheed},
journal= {arXiv preprint arXiv:2005.14257},
year = {2022}
}
备注
Accepted at "HIMS'20 - The 6th Int'l Conf on Health Informatics and Medical Systems"; https://americancse.org/events/csce2020/conferences/hims20