视觉转换器用于帕金森病分类,使用多语言持续元音记录

科学领域:

• 神经科学是一个神经科学.
• 计算语言学 计算语言学
• 生物医学工程 生物医学工程

背景情况:

• 帕金森病 (PD) 是全球第二常见的神经退行性疾病.
• 早期发现PD对于及时干预和管理至关重要.
• 语音和言语障碍影响了PD患者的绝大多数 (70-90%).

研究的目的:

• 开发和验证一种用于自动分类帕金森病的新型管道.
• 探索持续的母音录音和Mel谱图用于PD检测的潜力.
• 评估视觉转换器模型在PD中进行语言独立语音分析的有效性.

主要方法:

• 利用视觉转换器模型应用于从多语言持续元音录音中获得的音谱.
• 开发了一个分类管道,用于区分患有和没有帕金森病的个体.
• 使用F1得分指标评估模型的性能.

主要成果:

• 拟议的视觉变压器模型在帕金森病分类中获得了0.78的F1得分.
• 该模型证明了作为PD检测单一模式生物标志物的有效性,无论语言如何.
• 这些结果与帕金森病患者中语音障碍的高患病率一致.

结论:

• 使用先进的深度学习模型 (如视觉转换器) 的语音分析显示了早期和准确的帕金森病诊断的巨大潜力.
• 开发的方法提供了一个非侵入性,语言独立的方法,适合广泛的临床应用和远程医疗.
• 这种方法可以促进更快的诊断,指导治疗的开始,并帮助预测帕金森病的风险.