综合声学特征和语音识别错误率的高级优化策略,用于对帕金森病严重程度的多阶段分类

科学领域:

• 神经学 神经学
• 语言病理学 语音病理学
• 计算语言学 计算语言学

背景情况:

• 语音分析显示了帕金森病 (PD) 检测的前景.
• 现有的方法往往无法区分不同的PD严重程度.
• 跨PD阶段的不同语言障碍需要精细的诊断方法.

研究的目的:

• 通过区分严重程度来提高帕金森病 (PD) 的诊断准确性.
• 将语音识别错误与声学母音特征集成,以便精确的PD分类.
• 优化语音分析模型,以改善跨PD阶段的检测.

主要方法:

• 利用先进的优化策略,结合语音识别 (字符错误率) 和持续的韩国元音 (/a/, /i/, /u/) 的声学特征.
• 使用的机器学习分类器:随机森林,支持矢量机,k-最近邻居和多层感知器.
• 微调了PD语音识别的Whisper模型,优化了不同的PD严重程度.

主要成果:

• 在PD"ON"状态数据集上,在3级严重程度分类中实现了5.87%的更好的检测准确度.
• 报告了PD"OFF"状态数据集上的3级严重程度分类的7.8%的改进检测准确度.
• 通过综合语音和元音分析,通过PD严重程度水平之间的增强辨别能力.

结论:

• 优化语音识别和母音声学的综合方法有效地检测出不同程度的PD严重程度.
• 与以前的语音分析技术相比,这种方法提供了更精确的帕金森病的分类.
• 针对特定PD阶段的微调模型显著提高了诊断能力.