基于单频滤波特征从语音对帕金森病严重程度进行分类
音频与语音处理
2023-08-21 v1 人工智能
声音
信号处理
摘要
开发客观评估帕金森病（PD）严重程度的方法对于改善诊断与治疗至关重要。本研究提出了两组源自单频滤波（SFF）方法的新特征：（1）SFF 倒谱系数（SFFCC）与（2）基于 SFF 的 MFCC（MFCC-SFF），用于 PD 的严重程度分类。先前研究表明，与短时傅里叶变换相比，SFF 具有更高的时频分辨率。本研究使用 PC-GITA 数据库，其中包含 PD 患者与健康对照者在三种说话任务（元音、句子、文本朗读）中产生的语音。使用 SVM 分类器的实验表明，所提特征在全部三种说话任务中均优于传统 MFCC。与 MFCC 特征相比，所提 SFFCC 与 MFCC-SFF 特征在元音任务中相对提升 5.8% 与 2.3%，在句子任务中提升 7.0% 与 1.8%，在朗读文本任务中提升 2.4% 与 1.1%。
引用
@article{arxiv.2308.09042,
title = {Severity Classification of Parkinson's Disease from Speech using Single Frequency Filtering-based Features},
author = {Sudarsana Reddy Kadiri and Manila Kodali and Paavo Alku},
journal= {arXiv preprint arXiv:2308.09042},
year = {2023}
}
备注
Accepted by INTERSPEECH 2023