[论文解读] Parkinsonian Chinese Speech Analysis towards Automatic Classification of Parkinson's Disease

Hao Fang, Gong Chen+3 more|arXiv (Cornell University)|May 31, 2021

Voice and Speech Disorders参考文献 18被引用 4

一句话总结

本研究提出了一种新型普通话语音语料库，并评估了多种机器学习与深度学习方法在从语音中分类帕金森病（PD）方面的表现。通过自由形式的图像描述任务，该方法实现了94.0%的准确率——超越了当前最先进水平，表明自然语音相较于结构化任务在早期PD检测中更具优势。

ABSTRACT

Speech disorders often occur at the early stage of Parkinson's disease (PD). The speech impairments could be indicators of the disorder for early diagnosis, while motor symptoms are not obvious. In this study, we constructed a new speech corpus of Mandarin Chinese and addressed classification of patients with PD. We implemented classical machine learning methods with ranking algorithms for feature selection, convolutional and recurrent deep networks, and an end to end system. Our classification accuracy significantly surpassed state-of-the-art studies. The result suggests that free talk has stronger classification power than standard speech tasks, which could help the design of future speech tasks for efficient early diagnosis of the disease. Based on existing classification methods and our natural speech study, the automatic detection of PD from daily conversation could be accessible to the majority of the clinical population.

研究动机与目标

• 开发一种新的普通话语音语料库，用于帕金森病（PD）研究，涵盖多样化的语音任务，如自由对话、快速交替运动（DDK）和诗歌朗读。
• 研究各种机器学习与深度学习方法在利用语音信号区分帕金森病患者与健康对照组方面的有效性。
• 评估自然、非结构化语音（如图像描述）是否相较于标准化语音任务具有更优的分类能力。
• 识别对汉语说话者帕金森病相关语音障碍最具区分力的声学特征。
• 通过自动分析日常生活语音，实现可访问、移动端友好的帕金森病早期诊断。

提出的方法

• 构建了一个包含34名帕金森病患者和34名健康对照者的新型普通话语音语料库，数据在非受控的真实环境条件下采集（如手机、家庭环境）。
• 以梅尔频率倒谱系数（MFCCs）作为主要声学特征，并通过排序算法进行特征选择以降低维度。
• 应用经典机器学习模型（RBF核支持向量机、K近邻、随机森林）和深度学习架构（卷积神经网络、循环神经网络、端到端系统）进行分类。
• 在主成分分析降维后的特征空间（50维）上使用t-SNE可视化，评估帕金森病与健康人群之间的类别可分性。
• 比较三种语音任务（自由对话（图像描述）、快速交替运动任务（DDK）、结构化朗读（诗歌））的性能表现。
• 通过交叉验证优化模型训练，并使用分类准确率（ACC）评估性能。

实验结果

研究问题

• RQ1 自然、非结构化语音（如图像描述）的语音特征能否在帕金森病分类中实现高于标准化语音任务的准确率？
• RQ2 结合特征选择的经典机器学习方法与深度学习模型在普通话语音帕金森病分类中的表现如何比较？
• RQ3 在自由对话、DDK和诗歌朗读三种任务中，哪一种能产生最具区分力的声学模式用于帕金森病检测？
• RQ4 基于MFCC的特征与主成分分析（PCA）降维在提升帕金森病分类模型泛化能力与可分性方面的作用有多大？
• RQ5 端到端深度学习系统是否能有效实现从日常生活语音中分类帕金森病，而无需针对特定任务进行设计？

主要发现

• 自由对话（图像描述）任务实现了94.0%的最高分类准确率，显著优于标准任务（DDK：83.5%，诗歌朗读：91.1%）。
• 采用特征选择的RBF-SVM模型达到94.0%准确率，超越了以往所有报道的帕金森病语音信号分类最先进结果。
• t-SNE可视化结果证实，在PCA与t-SNE投影后的选定特征空间中，帕金森病与健康人群的语音模式具有清晰可分性。
• 本研究表明，自然语音任务更能激发帕金森病患者更明显的语音运动障碍，从而增强分类判别能力。
• 经典机器学习与深度学习模型均实现了最先进性能，表明该方法在不同技术路径下均具有鲁棒性。
• 结果表明，从日常对话中自动检测帕金森病是可行的，且可集成至移动健康应用中，实现可扩展的早期诊断。