帕金森病的语音标记:声学特征和声学测量

科学领域:

• 语音科学 语言科学
• 计算语言学 计算语言学
• 神经学 神经学

背景情况:

• 帕金森病 (PD) 导致低动力性脱节性关节,影响语音的产生.
• 在PD演讲中,关节和音声子系统的联合分析是有限的.
• 可解释深度学习为语音分析提供了新的措施.

研究的目的:

• 通过使用深度学习,共同分析PD的发音和语音语音子系统.
• 确定语音生物标志物,用于早期检测和监测PD的进展.
• 为了比较深度学习衍生的关节特征与喉特征的灵敏度.

主要方法:

• 分析了50名哥伦比亚西班牙语说者与PD和50名对照者的语音数据.
• 结合深度学习衍生的声学特征后部 (关节) 与声与噪声比率 (HNR) (喉).
• 使用线性混合效应模型来评估与疾病严重程度,年龄和性别的关系.

主要成果:

• PD参与者表现出明显更高的[持续的]后部,表明关节衰弱,特别是在牙科停留.
• [发声]后部在各组之间没有差异,显示口腔收缩减少.
• HNR受母音高度和性别的影响,但并没有将PD与对照区分开来,这可能是由于药物的作用.

结论:

• 深度学习衍生出的发音特征有效地捕捉了PD中微妙的,早期的语音衰弱,特别是在冠状元音中.
• 在服用药物治疗的PD患者中,像HNR这样的喉测量是不那么敏感的.
• 这种方法为开发PD进展的特征级生物标志物提供了一个透明的框架.