将构音协调度量化作为精神分裂症的生物标志物
音频与语音处理
2025-11-06 v1 机器学习
信号处理
摘要
人工智能(AI)与深度学习的进展提升了医疗诊断能力,但可解释性有限仍阻碍其临床应用。精神分裂症是一种复杂疾病,症状多样,包括言语紊乱和社交退缩,亟需能够刻画症状严重程度并提供超越二元诊断的临床有意义洞见的工具。本文提出一个可解释的框架,通过特征谱差分图(eigenspectra difference plots)与带指数衰减的加权和(WSED)来量化声道协调性,利用构音语音特征。特征谱图有效区分了复杂与较简单的协调模式,WSED 分数可靠地分离了这些组群,模糊性仅局限于零附近的一个狭窄区间。重要的是,WSED 分数不仅与总体 BPRS 严重程度相关,还与阳性和阴性症状之间的平衡相关,反映出阳性症状显著者具有更复杂的协调模式,而阴性症状较强者的趋势则相反。该方法为精神分裂症提供了一种透明、对严重程度敏感的生物标志物,推动了具有临床可解释性的语音评估工具的发展。
引用
@article{arxiv.2511.03084,
title = {Quantifying Articulatory Coordination as a Biomarker for Schizophrenia},
author = {Gowtham Premananth and Carol Espy-Wilson},
journal= {arXiv preprint arXiv:2511.03084},
year = {2025}
}
备注
Submitted to ICASSP 2026