[논문 리뷰] Comparative Study of Speech Analysis Methods to Predict Parkinson's Disease

Adedolapo Aishat Toye, Suryaprakash Kompalli|arXiv (Cornell University)|2021. 11. 14.

Voice and Speech Disorders인용 수 8

한 줄 요약

이 연구는 음성 신호에서 파킨슨병(PD)을 예측하기 위해 청각적 특징(jitter, shimmer)과 멜 주파수 해석형 코-efficient(기본형) 특징(MFCC)을 사용하여 기계학습 모델을 평가한다. 이탈리아 파킨슨 병음성 및 음성 데이터셋과 MDVR-KCL 데이터셋 두 개를 사용하여, 음성 특징과 MFCC를 융합한 SVM 모델이 이탈리아 데이터셋에서 98.9%의 정확도와 MDVR-KCL에서 86.3%의 정확도를 기록하며 이전 방법들을 능가함을 확인하였으며, 조기 PD 진단을 위한 특징 융합의 효과성을 입증한다.

ABSTRACT

One of the symptoms observed in the early stages of Parkinson's Disease (PD) is speech impairment. Speech disorders can be used to detect this disease before it degenerates. This work analyzes speech features and machine learning approaches to predict PD. Acoustic features such as shimmer and jitter variants, and Mel Frequency Cepstral Coefficients (MFCC) are extracted from speech signals. We use two datasets in this work: the MDVR-KCL and the Italian Parkinson's Voice and Speech database. To separate PD and non-PD speech signals, seven classification models were implemented: K-Nearest Neighbor, Decision Trees, Support Vector Machines, Naive Bayes, Logistic Regression, Gradient Boosting, Random Forests. Three feature sets were used for each of the models: (a) Acoustic features only, (b) All the acoustic features and MFCC, (c) Selected subset of features from acoustic features and MFCC. Using all the acoustic features and MFCC, together with SVM produced the highest performance with an accuracy of 98% and F1-Score of 99%. When compared with prior art, this shows a better performance. Our code and related documentation is available in a public domain repository.

연구 동기 및 목표

• 음성 신호 분석을 통해 조기 파킨슨병(PD) 진단을 위한 기계학습 프레임워크를 개발하기.
• PD 및 건강한 음성 샘플에서 추출한 다양한 음성 특징에 대해 다수의 분류기의 예측 성능를 비교하기.
• 청각적 특징(jitter, shimmer)과 MFCC의 조합이 분류 정확도에 미치는 영향을 평가하기.
• 재현 가능하고 임상 적용이 가능한 파킨슨병 스크리닝을 위한 공개 코드베이스를 제공하기.
• 저자원, 반임상적 상황에서의 파킨슨병 진단에 최적화된 특징 세트와 모델을 식별하기.

제안 방법

• MDVR-KCL 및 이탈리아 파킨슨 병음성 및 음성 데이터셋의 음성 기록에서 11개의 청각적 특징(jitter, shimmer 변종, HNR)과 13개의 MFCC를 추출하였다.
• 세 가지 특징 선택 전략을 적용: (a) 청각적 특징만, (b) 모든 청각적 특징과 MFCC, (c) 병합된 특징 세트에서 선별된 10개 특징 조합.
• 일곱 가지 분류기(최근접 이웃, 결정 트리, 서포트 벡터 머신, 나이브 베이즈, 로지스틱 회귀, 그래디언트 부스팅, 랜덤 포레스트)를 훈련하였다.
• 5겹 교차검증과 표준 평가 지표(정확도, 정밀도, 재현도, F1 점수, 특이도)를 사용하여 모델 성능을 평가하였다.
• 긴 음성 파일에서 음성 세그먼트를 추출하기 위해 단순한 침묵 기반 분할 방법을 사용하였으며, 다양한 화자 간 변동성을 고려하였다.
• 재현 가능성을 높이고 임상 적용을 지원하기 위해 코드, 모델, 문서를 포함한 공개 GitHub 리포지터리를 제공하였다.

실험 결과

연구 질문

• RQ1 음성 신호에서 파킨슨병(PD)을 예측하기 위해 어떤 조합의 청각적 특징(jitter, shimmer)과 스펙트럼 특징(MFCC)이 가장 높은 정확도를 낼 수 있는가?
• RQ2 SVM, 랜덤 포레스트, 그래디언트 부스팅 등 다양한 기계학습 모델이 PD 음성 분류에 적용되었을 때 성능는 어떻게 비교되는가?
• RQ3 특징 선택이 모델 성능 향상에 기여하는가? 만약 그렇다면, 어떤 특징 조합이 가장 효과적인가?
• RQ4 표본 수와 기록 조건이 다른 두 데이터셋(이탈리아 파킨슨 병음성 및 음성 vs. MDVR-KCL) 간에서 모델 성능는 어떻게 달라지는가?
• RQ5 공개 가능하고 재현 가능한 프레임워크를 개발하여 음성 데이터를 활용한 비침습적 조기 PD 스크리닝을 지원할 수 있는가?

주요 결과

• 이탈리아 파킨슨 병음성 및 음성 데이터셋에서 SVM이 모든 24개 특징(11개 청각적 + 13개 MFCC)을 사용할 경우 98.9%의 정확도를 기록하였으며, F1 점수는 99.0%였다.
• MDVR-KCL 데이터셋에서는 KNN이 모든 24개 특징을 사용할 경우 최고의 정확도(90.9%)를 기록하였고, SVM은 모든 특징을 사용해도 86.3%의 정확도를 기록하며 이전 방법들을 능가하였다.
• 청각적 특징과 MFCC의 조합은 두 데이터셋과 모든 모델에서 단독으로 사용하는 것보다 항상 높은 성능를 보였다.
• 특징 선택은 모델 복잡도를 줄였지만 성능 향상은 항상 보장되지 않았다. 예를 들어, MDVR-KCL에서 KNN과 SVM은 모든 특징을 사용했을 때 더 높은 성능를 기록하였다.
• 이 연구에서 가장 뛰어난 성능를 보인 모델(SVM, 이탈리아 데이터셋)은 이전 연구를 뛰어넘었으며, Chethan 등(2020)이 보고한 99.2%의 정확도를 상회했지만, 그들의 초모수 설정은 재현 불가능한 것으로 나타났다.
• 저자들은 현재의 분할 방법에 한계를 지적하였으며, 특히 더 긴 음성 파일에서 화자 간 일관성 없는 음성 분할이 성능에 영향을 줄 수 있음을 언급하였다.