基于声音生物标志物与先进机器学习算法的新帕金森病检测
机器学习
2023-12-05 v2 声音
音频与语音处理
摘要
帕金森病（PD）是一种普遍的神经退行性疾病，以影响运动神经元著称，引发震颤、僵硬与步态困难等症状。本研究探索 PD 患者声音特征改变作为疾病早期预测手段的潜力。本研究旨在预测帕金森病的发病。研究运用了多种先进机器学习算法，包括 XGBoost、LightGBM、Bagging、AdaBoost 与支持向量机（SVM）等，采用准确率、曲线下面积（AUC）、灵敏度与特异度等指标评估这些模型的预测性能。这一综合分析的结果凸显 LightGBM 为最有效模型，取得了令人印象深刻的 96% 准确率及与之匹配的 96% AUC。LightGBM 表现出 100% 的惊人灵敏度与 94.43% 的特异度，在准确率与 AUC 得分上超越其他机器学习算法。鉴于帕金森病的复杂性及其在早期诊断中的挑战，本研究强调了利用声音生物标志物结合先进机器学习技术以实现精准、及时 PD 检测的重要意义。
引用
@article{arxiv.2311.05435,
title = {Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms},
author = {Md Abu Sayed and Maliha Tayaba and MD Tanvir Islam and Md Eyasin Ul Islam Pavel and Md Tuhin Mia and Eftekhar Hossain Ayon and Nur Nob and Bishnu Padh Ghosh},
journal= {arXiv preprint arXiv:2311.05435},
year = {2023}
}