早期中风诊断和评估基于使用语音增强器的病态语音分类
Jun Zhang1, Yiyi Qiu1, Yingchen Liu1
1The State Key Laboratory of Digital Medical Engineering, Jiangsu Key Lab of Robot Sensor and Control, School of Instrument Science and Engineering, Southeast University, Nanjing, 210096, China.
Computers in biology and medicine
|August 17, 2025
概括
这项研究开发了一种使用语音分析和降噪的早期中风诊断 (ESD) 系统. 该系统在临床试验中实现了100%的准确性,为中风检测提供了可靠的工具.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 语音处理 语音处理
背景情况:
- 脑卒中在医院前查工具是主观的,依赖于医学知识.
- 语音分析提供了早期中风诊断 (ESD) 的非侵入性方法.
- 环境噪音显著降低了基于语音的诊断系统的准确性.
研究的目的:
- 通过病态语音分类和语音增强 (SE) 来调查ESD的可行性和有效性.
- 开发ESD的级联框架,集成SE和识别模块.
主要方法:
- 一个基于SEWUNet的SE模块拒绝了持续的元音 (SVs) 和自发的语音 (SS).
- 识别模块采用机器学习 (KNN,SVM,RF,DT,AdaBoost) 用于SV和CNN转换器/ResNet用于SS.
- 五倍交叉验证和性别/年龄特征的整合被用于模型培训.
主要成果:
- 最佳的SV模型超过了90%的准确性,灵敏度,特异性和F1分数.
- SS模型的准确度超过95%,在增强的语音上提高了10%的性能.
- 实时ESD系统在临床试验中使用两阶段识别策略实现了100%的准确性.
结论:
- 拟议的ESD方法将SE与SV和SS结合起来,作为辅助诊断工具.
- 这种方法有助于早期发现中风,减少工作量,提高诊断客观性.
- 该研究为ESD研究提供了一个开源代码和实验协议.
