[论文解读] Vocal markers from sustained phonation in Huntington's Disease

Rachid Riad, Hadrien Titeux+6 more|arXiv (Cornell University)|Jun 9, 2020

Genetic Neurodegenerative Diseases参考文献 31被引用 5

一句话总结

本研究利用持续元音中的发声特征与调制功率谱（MPS）特征，分析亨廷顿病（HD）患者的语音标志，以区分无症状基因携带者（preHD）、症状性HD患者和健康对照组。发声特征在预测临床评分方面表现最佳，而MPS特征显著提升了preHD的识别能力，使误分类率降低三倍，为临床试验中远程、可重复的监测提供了潜在可能。

ABSTRACT

Disease-modifying treatments are currently assessed in neurodegenerative diseases. Huntington's Disease represents a unique opportunity to design automatic sub-clinical markers, even in premanifest gene carriers. We investigated phonatory impairments as potential clinical markers and propose them for both diagnosis and gene carriers follow-up. We used two sets of features: Phonatory features and Modulation Power Spectrum Features. We found that phonation is not sufficient for the identification of sub-clinical disorders of premanifest gene carriers. According to our regression results, Phonatory features are suitable for the predictions of clinical performance in Huntington's Disease.

研究动机与目标

• 利用持续元音识别无症状亨廷顿病（preHD）基因携带者的亚临床语音标志。
• 评估发声特征与调制功率谱（MPS）特征是否能够区分preHD、HD与健康对照组。
• 评估语音特征对HD患者临床评分（cUHDRS、TFC、TMS）的预测能力。
• 探索使用简短、自动化的语音任务作为神经退行性疾病监测中生态友好、可重复生物标志物的可行性。
• 确定MPS特征在检测早期、无症状HD方面是否优于传统发声特征。

提出的方法

• 从85名参与者中采集持续 /a/ 元音录音：24名对照组（C），16名preHD，45名HD。
• 提取已知反映HD中构音障碍的发声特征（如抖动、闪烁、基频等）。
• 计算调制功率谱（MPS）特征，以捕捉与语音可懂度和粗糙感相关的时域与频域调制。
• 应用正则化线性模型（逻辑回归）进行组别分类与临床评分预测。
• 使用统计检验（H统计量、p值、FDR校正）评估各特征分布的组间差异。
• 结合发声与MPS特征，以提升分类与预测性能。

Figure 1: Averaged weights of the Logistic Regression regularised with ElasticNet applied on the Modulation Power Spectrum Features to discriminate between each sub-group. Mean Sparsity $=37.1\%$

实验结果

研究问题

• RQ1 持续元音特征能否区分健康对照组、无症状基因携带者（preHD）与症状性HD患者？
• RQ2 与传统发声特征相比，调制功率谱（MPS）特征是否能提升preHD的检测能力？
• RQ3 发声特征在多大程度上可预测HD患者的临床评分（cUHDRS、TFC、TMS）？
• RQ4 当分类模型在区分preHD与对照组及HD时，会产生哪些类型的错误？不同特征集如何影响错误模式？
• RQ5 基于语音的标志物（来自1分钟持续元音任务）能否替代或补充UHDRS等冗长的临床评估？

主要发现

• 发声特征对临床评分的预测能力最强，对综合cUHDRS评分的决定系数（R²）最高。
• 结合发声与MPS特征后，分类准确率达到0.56，F1-macro达到0.46，优于单独使用任一特征集。
• 与仅使用发声特征相比，MPS特征使preHD的误分类率降低三倍，显著提升了preHD的检测能力。
• HD患者分类最可靠，而preHD与对照组及HD之间存在较高混淆，表明早期阶段边界模糊。
• 基于MPS特征训练的逻辑回归模型揭示了可解释的激活模式，包括在0.0 Hz时域频率（发声中断）的强烈响应，以及在preHD中特定的2.5和7 cycles/kHz频谱调制。
• 尽管总体分类性能较低，MPS特征在识别preHD方面表现出更高的敏感性，表明其在早期检测中的潜力。

Figure 2: Confusion matrices for the Logistic regression based on the Phonatory features (left) and on the MPS features (right) averaged across all the repeated learning-testing experiments.