NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Birçok makale Parkinson hastalığını (PD) tespit etmek için ses analizi kullandı, ancak çok azı hastalığın erken evrelerine ve cinsiyet etkisine odaklandı. Bu makalede, ses analizi kullanarak erken bir aşamada PD'yi tespit etmek için x-vektörleri adı verilen en son hoparlör tanıma sistemini uyarladık. X-vektörleri, Derin Sinir Ağları'ndan (DNN'ler) çıkarılan, sağlam hoparlör temsilleri sağlayan ve büyük miktarda eğitim verisi kullanıldığında hoparlör tanımasını artıran gömmelerdir. Amacımız, erken PD tespiti bağlamında, bu tekniğin daha standart sınıflandırıcı MFCC-GMM'den (Mel-Frekans Cepstral Katsayıları-Gaussian Karışım Modeli) daha iyi performans gösterip göstermeyeceğini ve eğer öyleyse, hangi koşullar altında olacağını değerlendirmekti. Yüksek kaliteli bir mikrofonla ve telefon ağı üzerinden 221 Fransızca hoparlör (son zamanlarda teşhis edilen PD denekleri ve sağlıklı kontroller) kaydettik. Erkekler ve kadınlar daha kesin modellere sahip olmak ve olası bir cinsiyet etkisini değerlendirmek için ayrı ayrı analiz edildi. Sınıflandırma performansı üzerindeki etkilerini analiz etmek için çeşitli deneysel ve metodolojik yönler test edildi. Ses segmenti sürelerinin etkisini, veri artırımını, sinir ağı eğitimi için kullanılan veri kümesi türünü, konuşma görevlerini ve arka uç analizlerini değerlendirdik. X-vektörleri tekniği, metinden bağımsız görevler için MFCC-GMM'den daha iyi sınıflandırma performansları sağladı ve özellikle kadınlarda PD'nin erken tespiti için uygun görünüyordu (%7-15 iyileşme). Bu sonuç her iki kayıt türü için de gözlenmiştir (yüksek kaliteli mikrofon ve telefon).
Özgün kaynak özetini okuyun
Many articles have used voice analysis to detect Parkinson's disease (PD), but few have focused on the early stages of the disease and the gender effect. In this article, we have adapted the latest speaker recognition system, called x-vectors, in order to detect PD at an early stage using voice analysis. X-vectors are embeddings extracted from Deep Neural Networks (DNNs), which provide robust speaker representations and improve speaker recognition when large amounts of training data are used. Our goal was to assess whether, in the context of early PD detection, this technique would outperform the more standard classifier MFCC-GMM (Mel-Frequency Cepstral Coefficients-Gaussian Mixture Model) and, if so, under which conditions. We recorded 221 French speakers (recently diagnosed PD subjects and healthy controls) with a high-quality microphone and via the telephone network. Men and women were analyzed separately in order to have more precise models and to assess a possible gender effect. Several experimental and methodological aspects were tested in order to analyze their impacts on classification performance. We assessed the impact of the audio segment durations, data augmentation, type of dataset used for the neural network training, kind of speech tasks, and back-end analyses. X-vectors technique provided better classification performances than MFCC-GMM for the text-independent tasks, and seemed to be particularly suited for the early detection of PD in women (7-15% improvement). This result was observed for both recording types (high-quality microphone and telephone).
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.