X-vectors：用于语音早期帕金森病检测的新型定量生物标志物
音频与语音处理
2021-02-22 v1 声音
定量方法
摘要
许多文章已利用语音分析来检测帕金森病（PD），但很少关注疾病的早期阶段及性别效应。本文中，我们改编了最新的说话人识别系统，称为 x-vectors，以通过语音分析检测 PD 的早期阶段。X-vectors 是从深度神经网络中提取的嵌入向量，可提供鲁棒的说话人表征，并在使用大量训练数据时改善说话人识别。我们的目标是评估在早期 PD 检测背景下，该技术是否会优于更标准的分类器 MFCC-GMM（梅尔频率倒谱系数-高斯混合模型），如果是，则在何种条件下。我们录制了 221 名法语说话者（包括近期确诊的 PD 受试者和健康对照者），使用高质量麦克风及其自有电话。为获得更精确的模型并评估可能的性别效应，男性和女性被分开分析。我们测试了若干实验和方法学方面，以分析其对分类性能的影响。我们评估了音频片段时长、数据增强、用于神经网络训练的数据集类型、语音任务种类以及后端分析的影响。X-vectors 技术在文本无关任务上提供了优于 MFCC-GMM 的分类性能，且似乎特别适用于女性 PD 的早期检测（提升 7% 至 15%）。该结果在两种录音类型（高质量麦克风和电话）下均被观察到。
引用
@article{arxiv.2007.03599,
title = {X-vectors: New Quantitative Biomarkers for Early Parkinson's Disease Detection from Speech},
author = {Laetitia Jeancolas and Dijana Petrovska-Delacrétaz and Graziella Mangone and Badr-Eddine Benkelfat and Jean-Christophe Corvol and Marie Vidailhet and Stéphane Lehéricy and Habib Benali},
journal= {arXiv preprint arXiv:2007.03599},
year = {2021}
}
备注
Submitted