基于语音分析的可解释性早期检测 Parkinson 病
机器学习
2025-04-25 v1
摘要
Parkinson 病是一种渐进性神经退行性疾病，影响运动和 non-motor 功能，speech 障碍是其最早症状之一。speech 障碍提供了可观测的诊断机会，随着机器学习的进步，为及时检测提供了有前景的工具。在本研究中，我们提出了一种从语音录音中进行早期 Parkinson 病检测的深度学习方法，这种方法还突出显示了驱动预测的语音片段，以增强可解释性。该方法旨在将预测性语音模式与 articulatory features 关联起来，为解释 underlying neuromuscular 障碍提供了依据。我们使用意大利 Parkinson 语音和语音数据库进行了该方法的评估，该数据库包含 65 名受试者（包括健康者和患者）的 831 条音频录音。我们的 approach 在与 SOTA 方法相比表现出竞争力的分类性能，同时通过识别影响预测的关键 speech 特征来提供增强的可解释性。
关键词
引用
@article{arxiv.2504.17739,
title = {Interpretable Early Detection of Parkinson's Disease through Speech Analysis},
author = {Lorenzo Simone and Mauro Giuseppe Camporeale and Vito Marco Rubino and Vincenzo Gervasi and Giovanni Dimauro},
journal= {arXiv preprint arXiv:2504.17739},
year = {2025}
}