发布日期: 2025-04-26

更新日期: 2025-04-30

文章字数: 928

阅读时长: 3 分

阅读次数:

⚠️ 以下所有内容总结都来自于大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-04-26 更新

Interpretable Early Detection of Parkinson’s Disease through Speech Analysis

Authors:Lorenzo Simone, Mauro Giuseppe Camporeale, Vito Marco Rubino, Vincenzo Gervasi, Giovanni Dimauro

Parkinson’s disease is a progressive neurodegenerative disorder affecting motor and non-motor functions, with speech impairments among its earliest symptoms. Speech impairments offer a valuable diagnostic opportunity, with machine learning advances providing promising tools for timely detection. In this research, we propose a deep learning approach for early Parkinson’s disease detection from speech recordings, which also highlights the vocal segments driving predictions to enhance interpretability. This approach seeks to associate predictive speech patterns with articulatory features, providing a basis for interpreting underlying neuromuscular impairments. We evaluated our approach using the Italian Parkinson’s Voice and Speech Database, containing 831 audio recordings from 65 participants, including both healthy individuals and patients. Our approach showed competitive classification performance compared to state-of-the-art methods, while providing enhanced interpretability by identifying key speech features influencing predictions.

帕金森病是一种进行性神经退行性疾病，影响运动和非运动功能，其中语音障碍是最早的症状之一。语音障碍提供了一个宝贵的诊断机会，随着机器学习技术的进步，为及时检测提供了有前景的工具。在这项研究中，我们提出了一种用于从语音记录中早期检测帕金森病的深度学习的方法，该方法还强调了驱动预测的语音片段，以提高可解释性。这种方法试图将预测性的语音模式与发音特征联系起来，为解释潜在的神经肌肉功能障碍提供依据。我们使用意大利帕金森病语音和语音数据库评估了我们的方法，该数据库包含来自65名参与者的831个音频记录，包括健康个体和患者。我们的方法与最先进的方法相比，在分类性能方面表现出竞争力，同时通过识别影响预测的关键语音特征来提高可解释性。

论文及项目相关链接

PDF

Summary：帕金森病是一种影响运动和非运动功能的进行性神经退行性疾病，其中语音障碍是其最早的症状之一。随着机器学习技术的进步，语音障碍为早期诊断帕金森病提供了有价值的诊断机会。本研究提出了一种基于深度学习的方法，通过语音记录早期检测帕金森病，并突出驱动预测的语音片段以增强可解释性。该方法旨在将预测语音模式与发音特征相关联，为解释潜在的神经肌肉障碍提供依据。

Key Takeaways：