arXiv cs.CY· Hiba Akhaddar, Peter Plantinga, Mirco Ravanelli, Tristan Glatard·· 23 小时前AI 评分31
研究发现帕金森病语音检测存在性别差异,单一性别训练的模型难以泛化
Sex Differences in the Detection of Parkinson's Disease from Speech
AI 导读
一项基于深度学习与传统机器学习的研究发现,帕金森病语音检测存在明显性别差异:在较大数据集上女性说话者的分类准确率高于男性,且仅用单一性别数据训练的模型无法泛化到另一性别。研究使用三个预训练语音模型的嵌入向量,结合手工声学特征与多种分类器,在四个持续发声数据集的性别平衡子集上开展实验,并尽可能控制年龄变量。作者据此强调,开发帕金森病检测系统时应将性别作为变量纳入考量。
正文 · AI 翻译
摘要:帕金森病(PD)是全球第二常见的神经退行性疾病,70% 至 75% 的 PD 患者在某个阶段会出现言语障碍。由于 PD 影响男性的频率高于女性,以往的出版物往往依赖不平衡的数据集,这可能将性别偏见引入训练好的模型。本研究使用深度学习和传统机器学习方法,探讨从语音中检测 PD 时的性别差异。我们使用三个预训练语音模型的嵌入,结合手工声学特征和不同的分类器,评估了基于语音的 PD 检测。我们在四个持续发声数据集的平衡子集上进行了性别特异性实验,控制了性别、疾病状态,并在可能的情况下控制了年龄。所有录音均在持续发声任务期间获得。结果表明,在较大的数据集中,女性说话者的分类准确率高于男性说话者。性别特异性结果表明,当模型在一个性别上训练时,它们无法泛化到另一个性别。我们的结果强调了在 PD 检测系统的开发中将性别作为变量的重要性。
| 评论: | 12 页,3 幅图 |
| 主题: | 音频与语音处理(eess.AS);计算机与社会(cs.CY);机器学习(cs.LG) |
| 引用为: | arXiv:2611.24741 [eess.AS] |
| (或此版本的 arXiv:2611.24741v1 [eess.AS]) | |
| https://doi.org/10.48550/arXiv.2611.24741 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
发件人:Hiba Akhaddar [查看电子邮件]
[v1]
2026 年 11 月 18 日星期三 16:57:24 UTC(226 KB)
来源:arXiv cs.CY · arxiv.org