FLP:基于因子格子模式的帕金森病和特定语言障碍的自动检测,使用录音语音

科学领域:

• 计算语言学计算语言学
• 生物医学信号处理
• 机器学习用于医疗保健

背景情况:

• 早期发现神经发育和神经系统疾病对于有效干预至关重要.
• 在特定语言障碍 (SLI) 和帕金森病 (PD) 中,言语障碍很常见,为诊断查提供了潜在的可能性.
• 现有的深度学习模型可以在实时诊断应用中进行计算密集.

研究的目的:

• 为基于语音检测SLI和PD开发一个计算轻量级但准确的模型.
• 引入新的功能工程技术,模仿深度学习适应性.
• 通过语音分析提供一种可访问的工具,用于通过语音分析早期查神经疾病.

主要方法:

• 引入了一种新的量子灵感特征提取功能,即因子格子模式 (FLP),用于动态的,信号特定的纹理特征提取.
• 开发了一个自我组织的特征工程模型来评估FLP的有效性,选择最佳的模式和特征.
• 采用了语音分类框架,包括FLP特征提取,代邻域组件分析和基于交叉点的特征选择,支持向量机和k-最近邻域分类,以及多数投票来确定结果.

主要成果:

• 以FLP为中心的模型在PD和SLI的三个语音数据集中实现了高分类准确性.
• 达到了超过95%的准确性来检测帕金森病.
• 在特定语言障碍检测方面实现了超过99.79%的准确性.

结论:

• 拟议的特征工程模型在使用语音信号对神经疾病进行分类时表现出高准确度.
• 该模型是基于语音诊断的深度学习方法的准确和计算效率高的替代方案.
• 这项研究促进了对SLI和PD等疾病的早期发现和干预.