Automatic detection of Parkinson's disease from components of modulators in speech signals

  • Milton Orlando Sarria Paja

Resumen

La enfermedad de Parkinson (EP) es el segundo trastorno neurodegenerativo más común después de la enfermedad de Alzheimer. Este trastorno afecta principalmente a los adultos mayores con una tasa de aproximadamente el 2%, y aproximadamente el 89% de las personas diagnosticadas con EP también desarrollan trastornos del habla. Esto ha llevado a la comunidad científica a investigar información embebida en las señales de voz de pacientes diagnosticados con la EP, lo que ha permitido no solo un diagnóstico de la patología sino también un seguimiento de su evolución. En los últimos años, una gran cantidad de estudios se han centrado en la detección automática de patologías relacionadas con la voz, a fin de realizar evaluaciones objetivas de manera no invasiva. En los casos en que la patología afecta principalmente los patrones vibratorios de las cuerdas vocales como el Parkinson, los análisis que se realizan típicamente sobre grabaciones de vocales sostenidas. En este artículo, se propone utilizar información de componentes con variación lenta de las señales de voz, también conocidas como componentes de modulación, combinadas con un enfoque efectivo de reducción de dimensiónalidad que se utilizará como entrada al sistema de clasificación. El enfoque propuesto logra tasas de clasificación superiores al 88%, superando el enfoque clásico basado en los coeficientes cepstrales de mel (MFCC). Los resultados muestran que la información extraída de componentes que varían lentamente es altamente discriminatoria para el problema abordado y podría apoyar los sistemas de diagnóstico asistido para EP.

Descargas

La descarga de datos todavía no está disponible.
Publicado
2020-12-14
Cómo citar
Sarria Paja, M. (2020). Automatic detection of Parkinson’s disease from components of modulators in speech signals. Computer and Electronic Sciences: Theory and Applications, 1(1), 71 - 82. Recuperado a partir de https://revistascientificas.cuc.edu.co/CESTA/article/view/3374
Sección
Artículos