NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan / Objektifler: Parkinson hastalığı (PD), hem eklemaltı hem de fonatory alt sistemlerini etkiler ve hipokinetik disartri olarak bilinen karakteristik konuşma değişikliklerine yol açar. Bununla birlikte, çok az çalışma, bu alt sistemleri aynı katılımcılar içinde yorumlanabilir derin öğrenme temelli önlemler kullanarak ortaklaşa analiz etmiştir. Yöntemler: PD'li 50 Kolombiyalı İspanyolca konuşan ve 50 yaş ve cinsiyet uyumlu sağlıklı kontroller de dahil olmak üzere PC-GITA corpus'tan gelen konuşma verileri analiz edildi. Fonolojik özellik posterior-probabilistik indisleri, font derin sinir ağından türetilmiş eklemsel daralmanın laringeal bir ölçü olarak armoni-gürültü oranı (HNR) ile birleştirdi. Doğrusal karışık etkiler modelleri, hastalık şiddeti (UPDRS, UPDRS-speech ve Hoehn ve Yahr), yaş ve cinsiyet ile ilgili bu önlemlerin nasıl test edildiğini test etti. Bulgular: PD katılımcıları, özellikle diş durakları için belirgin şekilde daha yüksek [sürekli] posteriorlar gösterdi, artmış spirantizasyon ve artikülatör zayıflamasını yansıtıyordu. Buna karşılık, [sonorant] posteriorlar kontrollerden farklı değildi, daha açık, yaklaşık eklemlere doğru bir kayma olmadan oral daralmanın azaldığını gösteriyordu. HNR, sesli yükseklik ve cinsiyet tarafından tahmin edildi, ancak PD'yi kontrollerden ayırmadı, muhtemelen ON-ilaç kayıtlarını yansıtıyordu. Sonuç: Bu bulgular, derin öğrenme kaynaklı eklemleyici özelliklerin PD konuşmasında erken, özellikle koronal ünsüzler için subfonik zayıflamayı yakalayabildiğini, HNR gibi tek parametreli laringeal indekslerin ise ilaçlı koşullar altında daha az hassas olduğunu göstermektedir. Spektral enerji kalıplarını yorumlanabilir fonolojik kategorilere bağlayarak, bu yaklaşım ince artikülatör açıklarını tespit etmek ve PD ilerlemesinin özellik düzeyinde biyobelirteçleri geliştirmek için şeffaf bir çerçeve sağlar.
Özgün kaynak özetini okuyun
Background/Objectives: Parkinson's disease (PD) affects both articulatory and phonatory subsystems, leading to characteristic speech changes known as hypokinetic dysarthria. However, few studies have jointly analyzed these subsystems within the same participants using interpretable deep-learning-based measures. Methods: Speech data from the PC-GITA corpus, including 50 Colombian Spanish speakers with PD and 50 age- and sex-matched healthy controls were analyzed. We combined phonological feature posteriors-probabilistic indices of articulatory constriction derived from the Phonet deep neural network-with harmonics-to-noise ratio (HNR) as a laryngeal measure. Linear mixed-effects models tested how these measures related to disease severity (UPDRS, UPDRS-speech, and Hoehn and Yahr), age, and sex. Results: PD participants showed significantly higher [continuant] posteriors, especially for dental stops, reflecting increased spirantization and articulatory weakening. In contrast, [sonorant] posteriors did not differ from controls, indicating reduced oral constriction without a shift toward more open, approximant-like articulations. HNR was predicted by vowel height and sex but did not distinguish PD from controls, likely reflecting ON-medication recordings. Conclusions: These findings demonstrate that deep-learning-derived articulatory features can capture early, subphonemic weakening in PD speech-particularly for coronal consonants-while single-parameter laryngeal indices such as HNR are less sensitive under medicated conditions. By linking spectral energy patterns to interpretable phonological categories, this approach provides a transparent framework for detecting subtle articulatory deficits and developing feature-level biomarkers of PD progression.
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.