基于跨语种声学分析的帕金森病检测方法

来源：电子与信息学报杂志2024年第2期北京时间：

作者：季薇, 王传瑜, 吴迪, 李云, 郑慧芬

单位：1.南京邮电大学通信与信息工程学院 南京 2100032.南京邮电大学计算机学院 南京 2100233.南京医科大学附属老年医院 南京 210024

摘要：基于语音的帕金森病检测具有非介入式、成本较低和无创等优点。当前公开的帕金森病语音数据集大多来源于单一语种，存在数据容量不够大、受试者母语发音特点差异小等特点。单一语种数据集上训练的帕金森病检测模型在面对跨语种语音数据时，将出现性能下降。为避免语种差异带来的影响，提升模型在跨语种场景下的检测性能，该文引入对抗迁移学习和特征解耦的思想，提出一种帕金森病跨语种声学分析模型(CLSAM)。首先，将基于多头自注意力机制的Transformer编码块和多层神经网络级联，组成特征提取器模块，用于将从源域和目标域语音中提取的原始Fbank语音特征初步解耦为两个向量，即域不变病理信息表征向量和域信息表征向量；设计了目标任务不一致的双重对抗训练模块，显式地分离域不变病理信息和域信息；最终，提取跨语种语音数据中的域不变病理信息用于帕金森病检测。该文在公开的MaxLittle帕金森病语音数据集以及自采的帕金森病语音数据集上，采用十折交叉验证的方法验证了所提方法的有效性。实验结果表明：与传统机器学习方法以及现有的迁移学习算法相比，所提模型在跨语种场景中的检测准确率、敏感度和F1分数等性能均有明显提升。

关键词：跨语种声学分析, 帕金森病, 对抗迁移学习, 特征解耦

基金资助：江苏省高校基础科学(自然科学)重大项目(21KJA520003)