NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Abstract Foundation modelleri konuşma işlemeyi dönüştürdü, ancak özellikle Parkinson hastalığında (PD) klinik ses analizi için değerleri büyük ölçüde keşfedilmemiştir. Bu çalışmada, birkaç temel model aileden (Whisper, Wav2Vec 2.0, OmniASR, NVIDIA Nemotron ve Qwen3-ASR) gelen katmansal temsilleri, cümle okuma ve bağımsız kohortlardan (PC-GITA ve NeuroVoz) sürekli sesli harfler kullanarak elle hazırlanmış bir akustik tabanla karşılaştırıyoruz. Cümle okumada, en iyi temel model konfigürasyonları, her iki kohortta da yaklaşık 0.88 F1 puanlık segment düzeyinde, el yapımı akustik temelin üzerinde elde etti. Sürekli sesli harfler üzerindeki avantajları, katılımcı düzeyindeki karşılaştırmalarda örtüşen belirsizlikle daha küçük ve daha kohort bağımlıydı. Yumuşak oy toplama genellikle katılımcı düzeyinde ayrımcılığı geliştirdi. Ortadan geç kodlayıcı katmanlar en sık en güçlü temsilleri verdi, ancak optimum derinlik mimariye ve göreve göre çeşitlendi. Düzleştirilmiş analizler kohort eşitsizliklerini ortaya çıkardı, F1 puanları PC-GITA'daki erkek hoparlörler ve NeuroVoz'daki kıdemli hoparlörler için daha yüksekti, bu nedenle sadece temel model temsilleri demografik performans boşluklarını kaldırmaz. Genel olarak, bu sonuçlar konuşma temeli modellerini PD tespiti için umut verici özellik çıkarıcıları olarak destekler ve daha büyük klinik kohortlarda doğrulamayı motive eder.
Özgün kaynak özetini okuyun
Abstract Foundation models have transformed speech processing, but their value for clinical voice analysis, particularly in Parkinson’s disease (PD), remains largely unexplored. In this study, we compare layer-wise representations from several foundation-model families (Whisper, Wav2Vec 2.0, OmniASR, NVIDIA Nemotron, and Qwen3-ASR) with a handcrafted acoustic baseline using sentence reading and sustained vowels from independent cohorts (PC-GITA and NeuroVoz). On sentence reading, the best foundation-model configurations achieved segment-level F1-scores of approximately 0.88 in both cohorts, above the handcrafted acoustic baseline. Their advantage on sustained vowels was smaller and more cohort-dependent, with overlapping uncertainty in participant-level comparisons. Soft-voting aggregation generally improved participant-level discrimination. Intermediate-to-late encoder layers most often yielded the strongest representations, although optimal depth varied by architecture and task. Stratified analyses revealed cohort disparities, F1-scores were higher for male speakers in PC-GITA and for senior speakers in NeuroVoz, so foundation-model representations alone do not remove demographic performance gaps. Overall, these results support speech foundation models as promising feature extractors for PD detection and motivate validation in larger clinical cohorts.
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.