评估非诊断性语音数据在开发帕金森病分类器中的有用性
音频与语音处理
2025-08-29 v1 人工智能
计算与语言
声音
摘要
基于语音的帕金森病 (PD) 检测因其自动化、成本效益高和非侵入性而受到关注。由于研究通常依赖于来自诊断导向语音任务的数据，本 work explores the feasibility of diagnosing PD on the basis of speech data not originally intended for diagnostic purposes, using the Turn-Taking (TT) dataset. 我们的发现表明，TT 可以与诊断导向的 PD 数据集如 PC-GITA 一样有用。我们还研究了哪些特定的数据集特征影响 PD 分类性能。结果表明，拼接音频录音和平衡参与者的性别和状态分布有益。跨数据集评估显示，训练于 PC-GITA 的模型对 TT 的泛化能力较差，而训练于 TT 的模型在 PC-GITA 上表现更好。此外，我们提供了关于高可变性的见解，这主要源于 individual speaker performance 的大差异。
引用
@article{arxiv.2505.18722,
title = {Evaluating the Usefulness of Non-Diagnostic Speech Data for Developing Parkinson's Disease Classifiers},
author = {Terry Yi Zhong and Esther Janse and Cristian Tejedor-Garcia and Louis ten Bosch and Martha Larson},
journal= {arXiv preprint arXiv:2505.18722},
year = {2025}
}
备注
Accepted for Interspeech 2025 (Camera-Ready)