IТ-диагностика болезни Паркинсона на основе анализа голосовых маркеров и машинного обучения
https://doi.org/10.35596/1729-7648-2023-21-3-102-110
Аннотация
Представлены результаты исследования параметров спектров речевых сигналов с помощью машинного обучения с применением нейронных сетей, проведенного в целях экспериментального подтверждения возможности выполнения оценки этих параметров для выявления болезни Паркинсона на ранних стадиях (IТ-диагностика). В ходе исследования использовали общедоступную базу данных, в которой систематизированы спектры гласных звуков, произнесенных пациентами с болезнью Паркинсона. Примененный метод – бинарная классификация данных. Сначала выполняли предварительную обработку спектра речевых данных, состоявшую в его фильтрации, для удаления из него шумов и устранения присутствующих в нем всплесков и пробелов. Затем определяли параметры обработанного спектра речевых данных: среднее значение, максимум, минимум, пик, вейвлет-коэффициенты, MFCC и TQWT. После этого выбирали объект с помощью алгоритма PCA. Для обучения модели использовали алгоритмы Knn и Random Forest и нейронной сети Байеса. Для нахождения наилучших гиперпараметров модели применяли алгоритм оптимизации Байеса и метод GridSearch. Установлено, что при использовании Knn, Random Forest и нейронной сети Байеса можно обеспечить увеличение точности распознавания болезни Паркинсона на 94,7; 88,16 и 74,74 % соответственно. Аналогичное исследование, проведенное другими учеными, показало, что точность распознавания наборов данных составила всего 86 %.
Для цитирования:
Вишняков В.А., Ивэй С. IТ-диагностика болезни Паркинсона на основе анализа голосовых маркеров и машинного обучения. Доклады БГУИР. 2023;21(3):102-110. https://doi.org/10.35596/1729-7648-2023-21-3-102-110
For citation:
Vishniakou U.A., YiWei X. IT Diagnostics of Parkinson’s Disease Based on the Analysis of Voice Markers and Machine Learning. Doklady BGUIR. 2023;21(3):102-110. https://doi.org/10.35596/1729-7648-2023-21-3-102-110