基于 SHAP 与硬投票集成方法的语音信号帕金森病诊断
机器学习
2022-10-05 v1 音频与语音处理
信号处理
摘要
背景与目的：帕金森病（PD）是仅次于阿尔茨海默病的第二常见进行性神经系统疾病，以运动与非运动症状为特征。由于罹患该病的人数众多，开发一种在初期阶段诊断该病的方法十分必要。PD 通常依据运动症状或其他神经影像技术（如 DATSCAN 与 SPECT）识别。这些方法昂贵、耗时且对公众不易获取；此外，它们不够准确。这些限制促使我们开发一种基于语音信号、使用 SHAP 与硬投票集成方法的新技术。方法：本文中，我们使用皮尔逊相关系数理解输入特征与输出间的关系，最终选出高相关性的输入特征。这些选定特征由极端梯度提升（XGBoost）、轻量梯度提升机（LightGBM）、梯度提升与 Bagging 分类。此外，基于四种分类器的性能确定了硬投票集成方法。在最后阶段，我们提出 Shapley Additive exPlanations（SHAP）依据特征在诊断帕金森病中的重要性进行排序。结果与结论：所提方法取得了 85.42% 准确率、84.94% F1 分数、86.77% 精确率、87.62% 特异度与 83.20% 敏感度。研究结果证明所提方法优于最先进方法，并可辅助医师诊断帕金森病例。
引用
@article{arxiv.2210.01205,
title = {Diagnosis of Parkinson's Disease Based on Voice Signals Using SHAP and Hard Voting Ensemble Method},
author = {Paria Ghaheri and Hamid Nasiri and Ahmadreza Shateri and Arman Homafar},
journal= {arXiv preprint arXiv:2210.01205},
year = {2022}
}