全球与细分声学特征用于评估运动神经元疾病中的脱节症
Mohamed Attia1, Leif Simmatis2, Ervin Sejdic3
1Department of Electrical and Computer Engineering, University of Toronto, 10 King's College Road, Toronto, M5S 3G4, Ontario, Canada; KITE Research Institute, University Health Network, 550 University Avenue, Toronto, M5G 2A2, Ontario, Canada.
Computers in biology and medicine
|November 28, 2025
概括
使用蒙特利尔强制对齐器进行的自动声学分析提供了一种可行的方法,用于评估运动神经元疾病 (MND) 中的性关节障碍. 从自动对齐的元音中衍生出的细分特征,显示出对分类失联症严重程度的重大承诺.
科学领域:
- 语音科学 语言科学
- 生物医学工程 生物医学工程
- 计算语言学 计算语言学
背景情况:
- 脱发性关节障碍是运动神经元疾病 (MND) 的常见,主观评估的症状.
- 客观声学分析提供了一个替代方案,使用全局或细分特征.
- 针对细分特征的手动细分是耗时的.
研究的目的:
- 评估蒙特利尔强制调整器 (MFA) 用于在失联症中自动分母.
- 为了比较全球和细分声学特征的诊断实用性,用于MND的失关节检测和严重程度分类.
- 通过声学特征评估机器学习模型来对使用声学特征来分类脱关节症.
主要方法:
- 收集了104名患有MND和99名健康对照者的语音数据.
- 利用MFA进行自动元音细分,并提取全球和细分声学特征.
- 训练了四个基于树的分类器 (决策树,随机森林,XGBoost,LightGBM) 进行了10倍的交叉验证.
- 使用SHAP值和统计测试评估特征重要性.
主要成果:
- 在健康/早期MND发言者中,MFA实现了>=86%的对齐准确度,在晚期失节症中降至72%.
- 只有在XGBoost模型中,全球特征在异性关节炎检测中才优越.
- 在整体分类器中,细分特征在多发性关节炎严重程度分类中显著超过全球特征.
结论:
- 自动化细分分析是一种客观,可行和临床上有意义的方法,用于评估MND的性关节障碍.
- 通过MFA,可以高效地提取细分特征,以评估肌痛性关节障碍.
- 细分声学特征对于在MND中分层化失关节症的严重程度特别有价值.
