使用复发图作为通过语音评估识别帕金森病的指标

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 帕金森病 (PD) 是第二常见的神经退行性疾病.
• 早期诊断PD对于改善患者的生活质量和延迟症状进展至关重要.
• 语音障碍,包括发音,发音和表情变化,是PD的早期指标.

研究的目的:

• 为了研究声音的动态行为作为早期发现帕金森病的指标的潜力.
• 评估复发图 (RP) 和卷积神经网络 (CNN) 在基于语音记录的PD患者分类中的有效性.

主要方法:

• 来自PC-GITA数据集的三个调制元音 (/a/, /e/, /o/) 的分析.
• 应用复制图 (RPs) 来从语音信号中提取特征.
• 使用三通道卷积神经网络 (CNN) 架构进行基于图像的语音录音分类.
• 50名帕金森病患者与50名健康受试者的分类.

主要成果:

• 重复情节有效地捕捉了与帕金森病相关的动态语音行为.
• 美国有线电视新闻网的模型成功地区分了PD患者和健康个体.
• 总体分类准确度达到了87%,证明了基于RP的方法的有效性.

结论:

• 基于语音录音的复发情节分析是一种有希望的,非侵入性的工具,用于早期识别帕金森病.
• 动态语音分析使用先进的机器学习技术,如CNN,为PD提供了可行的诊断辅助.
• 进一步的研究可以探索更广泛的数据集和额外的语音功能,以提高诊断准确度.