基于个性化语音动态的心力衰竭连续远程监测
声音
2026-02-26 v2 人工智能
摘要
通过语音信号进行心力衰竭（HF）的远程监测提供了一种非侵入且成本效益高的方案，用于长期患者管理。然而，语音特征之间的显著个体差异常常限制传统横断面分类模型的准确性。为此，我们提出了一种长期单患者跟踪（LIPT）方案，旨在捕捉个体内部相对症状变化的轨迹。该框架的核心是个人化顺序编码器（PSE），它将纵向语音记录转换为具有上下文感知的潜在表示。通过在每个时间戳中纳入历史数据，PSE 能够对临床轨迹进行整体评估，而不是独立地对离散访视进行建模。来自 225 名患者的实验结果表明，LIPT 方法显著优于经典的横断面方法，实现了 99.7% 的临床状态转换识别准确率。该模型的高灵敏度进一步通过额外的随访数据得到证实，确认了其在预测 HF 恶化、以及在远程居家环境中确保患者安全方面的潜力。此外，本工作通过提供对不同语音任务设计和声学特征的全面分析，填补了现有文献中的空白。综上所述，LIPT 框架和 PSE 架构的卓越性能验证了其在长期远程监测系统中集成的就绪性，为远程心力衰竭管理提供了可扩展的解决方案。
引用
@article{arxiv.2602.19674,
title = {Continuous Telemonitoring of Heart Failure using Personalised Speech Dynamics},
author = {Yue Pan and Xingyao Wang and Hanyue Zhang and Liwei Liu and Changxin Li and Gang Yang and Rong Sheng and Yili Xia and Ming Chu},
journal= {arXiv preprint arXiv:2602.19674},
year = {2026}
}