RECA-PD：面向帕金森病语音分类的鲁棒性解释性交叉注意力方法
声音
2025-08-29 v1 人工智能
计算与语言
音频与语音处理
摘要
帕金森病（PD）影响全球超过1000万人，语音障碍常在肌肉症状出现多年后出现，使语音成为早期非侵入性检测的有价值模态。虽然最近的深度学习模型在语音检测中实现高准确率，但通常缺乏临床应用所需的可解释性。为此，我们提出了 RECA-PD，这是一种新颖的、稳健的、可解释的交叉注意力架构，将可解释语音特征与自监督表示相结合。RECA-PD 在语音-based PD 检测中匹配最先进的性能，同时提供更一致、更临床意义的解释。此外，我们演示了通过分割长录音可以缓解某些语音任务（如独白）的性能下降。我们的发现表明，性能和可解释性并非必然互斥。未来工作将增强对非专业人士的解释可用性，并探索严重程度估计以提高实际临床相关性。
引用
@article{arxiv.2507.03594,
title = {RECA-PD: A Robust Explainable Cross-Attention Method for Speech-based Parkinson's Disease Classification},
author = {Terry Yi Zhong and Cristian Tejedor-Garcia and Martha Larson and Bastiaan R. Bloem},
journal= {arXiv preprint arXiv:2507.03594},
year = {2025}
}
备注
Accepted for TSD 2025