基于卷积神经网络与迁移学习策略的三种语言帕金森病语音分类
机器学习
2020-02-12 v1 计算与语言
音频与语音处理
机器学习
摘要
帕金森病患者会出现不同的语音障碍，影响其交流能力。对患者语音的自动评估有助于开发计算机辅助工具，以支持疾病诊断与严重程度评估。本文提出一种方法，用于从三种不同语言（西班牙语、德语和捷克语）的语音中分类帕金森病。所提出的方法考虑使用经时频表示训练的卷积神经网络，以及在这三种语言之间的迁移学习策略。该迁移学习方案旨在当神经网络的权重以不同于测试集所用语言的语音进行初始化时，提高模型的准确率。结果表明，当用于初始化分类器权重的基模型足够鲁棒时，所提出的策略可将模型准确率提高至多 8%。此外，经过迁移学习后所得结果在大多数情况下比未使用迁移学习策略训练的结果在特异度-敏感度方面更为均衡。
引用
@article{arxiv.2002.04374,
title = {Convolutional Neural Networks and a Transfer Learning Strategy to Classify Parkinson's Disease from Speech in Three Different Languages},
author = {J. C. Vásquez-Correa and T. Arias-Vergara and C. D. Rios-Urrego and M. Schuster and J. Rusz and J. R. Orozco-Arroyave and E. Nöth},
journal= {arXiv preprint arXiv:2002.04374},
year = {2020}
}