预测帕金森病的语音分析方法比较研究
音频与语音处理
2021-11-22 v1 机器学习
定量方法
摘要
帕金森病（PD）早期观察到的症状之一是言语障碍。言语障碍可用于在该病恶化前进行检测。本工作分析语音特征与机器学习方法以预测PD。从语音信号中提取如shimmer与jitter变体以及梅尔频率倒谱系数（MFCC）等声学特征。本工作使用两个数据集：MDVR-KCL与Italian Parkinson's Voice and Speech数据库。为区分PD与非PD语音信号，实现了七种分类模型：K近邻、决策树、支持向量机、朴素贝叶斯、逻辑回归、梯度提升、随机森林。每个模型使用三组特征集：(a)仅声学特征，(b)全部声学特征与MFCC，(c)从声学特征与MFCC中选出的特征子集。使用全部声学特征与MFCC并结合SVM取得了最高性能，准确率为98%，F1分数为99%。与已有研究相比，这展示了更优的性能。我们的代码与相关文档可在公共仓库中获取。
引用
@article{arxiv.2111.10207,
title = {Comparative Study of Speech Analysis Methods to Predict Parkinson's Disease},
author = {Adedolapo Aishat Toye and Suryaprakash Kompalli},
journal= {arXiv preprint arXiv:2111.10207},
year = {2021}
}
备注
Machine Learning for Health (ML4H) - Extended Abstract