基于语音录音特征的帕金森病分类分析
机器学习
2026-01-27 v1
摘要
帕金森病（PD）是一种慢性神经退行性疾病。早期诊断对于减轻患者生活质量的持续恶化至关重要。由于运动症状在早期阶段非常轻微，诊断难以实现。最近的研究表明，利用患者语音录音可有助于早期诊断。尽管从临床角度看，这类录音分析成本较高，但机器学习技术的进步正在使此类数据的处理更加准确和高效。语音录音包含许多特征，但目前尚不确定是否所有特征都对疾病诊断都有价值。本文提出使用不同类型的机器学习模型结合特征选择方法来检测该疾病。所选取的技术允许通过确定哪些特征对问题提供最多信息来减少分类器所使用的特征数量。结果表明，机器学习方法，特别是神经网络，适用于 PD 分类，且可以在不影响模型性能的前提下显著减少特征数量。
引用
@article{arxiv.2601.17007,
title = {Analysis of voice recordings features for Classification of Parkinson's Disease},
author = {Beatriz Pérez-Sánchez and Noelia Sánchez-Maroño and Miguel A. Díaz-Freire},
journal= {arXiv preprint arXiv:2601.17007},
year = {2026}
}