从在线语音任务中检测帕金森病
音频与语音处理
2020-12-17 v4 计算机与社会
机器学习
声音
机器学习
摘要
在本文中，我们设想一个基于网络的框架，可帮助世界各地任何人在任何地方录制简短语音任务，并分析所录数据以筛查帕金森病（PD）。我们收集了来自 726 名独特参与者（262 名 PD，38% 女性；464 名非 PD，65% 女性；平均年龄：61）的数据——来自全美及境外。一小部分数据在实验室环境中收集以比较质量。参与者被指示说出一个包含英文字母表中所有字母的流行全字母句“the quick brown fox jumps over the lazy dog..”。我们从语音数据中提取了标准声学特征（梅尔频率倒谱系数（MFCC）、抖动与微扰变体）以及基于深度学习的特征。利用这些特征，我们训练了若干机器学习算法。通过对标准声学特征使用 XGBoost——一种梯度提升决策树模型进行建模，我们在判定自我报告帕金森病存在与否上取得了 0.75 的 AUC（曲线下面积）性能。进一步分析揭示，广泛使用的 MFCC 特征以及一组先前验证的、为从 verbal phonation 任务（发‘ahh’音）检测帕金森病而设计的发声障碍特征子集包含最具区分度的信息。我们的模型在受控实验室环境以及跨越不同性别与年龄组的“野外”数据上表现同样良好。使用该工具，我们几乎可从任何拥有视频/音频设备的人处收集数据，从而促进神经照护中的公平与可及性。
引用
@article{arxiv.2009.01231,
title = {Detecting Parkinson's Disease From an Online Speech-task},
author = {Wasifur Rahman and Sangwu Lee and Md. Saiful Islam and Victor Nikhil Antony and Harshil Ratnu and Mohammad Rafayet Ali and Abdullah Al Mamun and Ellen Wagner and Stella Jensen-Roberts and Max A. Little and Ray Dorsey and Ehsan Hoque},
journal= {arXiv preprint arXiv:2009.01231},
year = {2020}
}