基于多层感知器和LSTM的帕金森病进展语音信号特征检测与预测
机器学习
2024-12-25 v1 人工智能
声音
音频与语音处理
摘要
帕金森病尤其在早期阶段的准确诊断可能具有挑战性。机器学习技术的应用有助于提高帕金森病检测的诊断准确性，但仅有少数研究旨在预测疾病的进展。在本研究中，我们使用帕金森病患者语音信号的诊断特征训练长短期记忆网络(LSTM)，以预测疾病的进展；同时训练多层感知器(Multi-layer Perceptron, MLP)用于检测该疾病。选取的诊断特征通过Relief-F和顺序前向选择两种众所周知的特征选择方法提取，并应用于LSTM和MLP，结果表明能够准确预测疾病的进展（为阶段2和3）及其存在。
引用
@article{arxiv.2412.18248,
title = {Detection and Forecasting of Parkinson Disease Progression from Speech Signal Features Using MultiLayer Perceptron and LSTM},
author = {Majid Ali and Hina Shakir and Asia Samreen and Sohaib Ahmed},
journal= {arXiv preprint arXiv:2412.18248},
year = {2024}
}