文摘
调查的有效性识别帕金森病(PD)患者从语音信号,各种声学参数包括韵律和节段性从语音特征提取,然后随机森林分类基于这些声学参数(RF)算法应用于诊断早期PD患者。RF算法的验证该方法在早期PD识别,本研究比较了准确率射频与神经学家的判断基于听觉测试结果,结果清楚地表明该方法的优越性超过其竞争对手。随机森林算法的准确性基于演讲可以提高病人的识别,它提供了一种有效的辅助方法在PD患者的早期诊断。
1。介绍
帕金森病(PD)是一种进行性神经退行性疾病和模棱两可的病因。虽然确切的原因还不知道,PD的风险的因素是年龄,导致帕金森病的患病率随着年龄的增加。PD患者的主要病理变化是死亡和黑质致密部多巴胺能神经元的损失是不可逆转的。这意味着PD患者永远不会被治愈,但anti-Parkinson药物或脑深部电刺激术可以减缓疾病的进展1]。因此,早期发现,早期干预和早期治疗PD患者至关重要,以缓解疼痛和他们的家庭的负担。
诊断PD患者通常是基于临床症状(如rest震颤、刚度和迟缓。除了传统的临床症状、神经影像学、遗传、生化研究应用PD的早期检测,而没有可靠的生物标记物可以作为唯一有效的标准。因此,患者诊断及误诊常见[2]。一个生物标志物为PD的诊断是不够的,和各种方法需要的总和。
语音特征可以作为小说PD的临床生物标志物的诊断已经注意到研究人员。一个纵向研究表明,语音声学参数的扰动在帕金森病(非典型范围和基本频率的方差)发生前大约5年临床症状的发作(3]。其他相关的研究主要集中在语音差异PD和健康的演讲者演讲体现在多个子系统,包括发声,发音,和韵律,可以用来区分PD患者和健康成人(4]。
虽然语言障碍可能是一个早期PD的迹象,它通常是被患者忽视自己和他们的照顾者(5,6]。调查PD患者的语音特征,尤其是对患者在早期阶段,对早期诊断PD患者至关重要。然而,很少有研究报道语音特征的贡献在PD患者的识别。
2。文献综述
根据先前的研究表示,韵律和节段演讲的演讲特点的变化(例如,讲话速度和发音赤字)是PD患者的早期症状之一,而帕金森的发声特性的差异和健康的演讲是不重要的5,7]。所以,韵律和节段性PD演讲的特点进行了综述在当前的研究中。
少变化的基本频率(F0)和窄F0范围与单斜密切关系或单调是PD演讲的最突出的特征(8]。先前的研究已经证实,PD扬声器F0障碍不仅存在于前驱期还在疾病的后期7]。Rusz et al。9)报道,F0可变性是帕金森病的最可靠的声学指标。研究针对PD演讲的声学特性之间的关系和它们的运动症状显示F0可变性之间显著负相关言论帕金森疾病进展,一个解释,PD患者的声带的运动敏感反映疾病进展(10]。
赤字演讲时间也观察到在早期PD扬声器(11,12]。演讲率是影响帕金森病(13]。相比健康的扬声器,PD患者说话速度快或慢,显示一个伟大的个体差异(14]。尽管演讲率已经被用于研究病理变化在PD的演讲中,其可靠性与PD区分使用者从健康的演讲者仍不确定。有节奏的指标起着重要的作用在病理性语音从正常语音的区别。丽丝等。15]首次指出一系列有节奏的指标(例如,标准偏差的辅音的持续时间和比例的元音的时间)可以用来区分使用者健康个体的构音障碍。特别是,Lowit et al。12)发现元音的持续时间的比例在PD的演讲是一个健壮的指标。
电机言语障碍的研究一直集中在元音生产调查发音障碍,因此清晰度赤字被广泛研究了PD扬声器。元音发音障碍被认为是一个重要的早期PD喇叭的标志(16,17]。等指标之间的比例的第二共振峰元音/ i /和/ u / (F2我/F2u)、母音空间区域(VSA)和元音发音指数(VAI)是用来描述元音发音在先前的研究;然而,这些研究显示不一致的结果。几项研究表明,VSA不如VAI可靠识别PD扬声器患有轻微的构音障碍(17- - - - - -19),而其他的研究得出这样的结论:VAI和问题都可以识别PD扬声器的发音障碍16]。
不一致的结果也发现PD的停止讲话。更长的嗓音起始时间(嗓音起始时间)辅音PD演讲中曾被观察到的20.,21]。另一方面,阿克曼和齐格勒22和金23)发现,停止在PD演讲嗓音起始时间较短。此外,最近的一项研究发现,之间没有显著差异在嗓音起始时间与PD扬声器和健康的人24]。
虽然声学语音差异PD患者和健康者都被记录在案,对声学特性是最重要的区分PD患者,特别是早期的,从健康的成年人。相反,神经学家通常使用临床量表等统一帕金森病评定量表(25],它不过是主观的和PD患者可能会误导他们的判断。
因此,本研究主要关注两个问题。首先,在区分PD的指标是最重要的健康的人呢?第二,是自动分类比听觉感知识别PD患者更有利?调查这两个问题,机器学习算法基于语音的韵律和节段性特征用于探索的相对贡献声学特性和早期PD识别的准确率。然后,神经学家被雇来判断演讲者是否PD病人听到后阅读演讲。与自动分类准确率的比较。
3所示。方法
为了解决上面提出的两个问题,本研究招募了PD患者在早期阶段和记录他们的阅读演讲在安静的房间里(噪音< 50 dB)。基于阅读演讲,一些言论声学指标的提取。所有语音数据分为两组,即。,training set and testing set. Using random forest classification, we explored the accuracy rate of classification of early-stage PD patients and the relative contributions of these acoustic metrics to the classification. The framework of this study is shown in Figure1。
3.1。参与者和材料
最小化方言的影响和特殊的讲话风格在声学结果,人说话带有口音或说找到了一个不寻常的方式26]。所以,36个人与特发性帕金森病(男性和女性17日)19日52到78岁(平均= 63.55,SD = 9.46)被招募为PD组。PD的Hoehn和Yahr分数是1 - 2.5,和疾病持续时间不到5年,这就意味着所有患者的早期PD (27]。没有一个病人患有其他疾病或经历了脑深部电刺激术。所有与会者都以普通话为母语,得分至少24细微精神状态检查。
演讲的任务是语音障碍的一个重要因素调查(11,28]。根据先前的研究,通过阅读是最优任务探讨PD演讲而持续的元音和快速重复音节(21,29日),所以通过阅读是在当前的研究中使用。演讲录音之前,参与者被要求默读课文北风和太阳,169年由在普通话音节。然后,所有的参与者在一个安静的房间,读一下这段话语音记录使用变焦H4n便携式录音机在采样率为44100 Hz。这段话的英文翻译如下所示。
北风和太阳争论是最强的,当一个旅行者出现裹着暖和的斗篷。他们同意第一个成功地使旅行者应考虑脱下他的外衣比另一种强。然后,北风吹的那么难,但是他就越多,越密切了旅行者折叠他的斗篷在他身边,最后北风放弃了尝试。然后,太阳照耀出热烈,立即旅行者脱下斗篷,所以北风被迫承认,太阳是最强的。
避免anti-Parkinson药物对语言产生的影响,扬声器的PD停止服用药物,在禁食状态至少12小时演讲录音。
3.2。声学措施
声学分析进行声学措施两个方面。一个方面是韵律特性(基本频率参数,讲话速度和节奏),和其他节段功能(元音共振峰的嗓音起始时间和停止)。下面描述的13个声学措施的细节。
这些措施的基本频率(F从Praat 0)提取软件。自相关算法在生成Praat F0跟踪每一个语音样本,然后总值F0错误是手动修正根据波形和谱图。五F0的参数计算F0,即最低(F0分钟)、最大(F0 max),意思是(F0的意思),范围(区别F0分钟和F0马克斯,F0范围)和标准偏差F0 (F0std)。所有F0值被转换从赫兹半音来(St)和50 Hz作为参考频率。公式如下(frF0 Hz)的价值。
讲话速度和清晰度率计算。演讲率被定义为音节总数除以总演讲时间,和清晰度率被定义为总音节除以清晰度持续时间。停顿时间超过200毫秒都和排除在清晰度率的测量30.]。
在有节奏的参数通常用来区分不同类型的语言(31日),比例(%元音元音的持续时间的演讲V)据报道,有效识别扬声器与脑损伤和帕金森病报道(12,32),因此%V在本研究调查作为一种有节奏的措施。
元音发音的比率衡量的第二共振峰元音/ i /和/ u / (F2我/F2 u),三角形母音空间区域(tVSA)和元音发音指数(VAI)是基于角落元音/,我在讲话中,u /样品。中间60%区间的元音是提取包含这三个单音节元音获得第一和第二共振峰(的稳定值F1,F2)这三个元音。tVSA与单位赫兹2已被广泛用于测量元音的分布,和VAI与元音的集中或分散。元音,越集中越小瓦(VAI的最小值是0.5)。tVSA和VAI的公式如下(17]:
嗓音起始时间(嗓音起始时间)就反映了准确时间的运动之间的协调上喉发音器官(如嘴唇和舌头)和声带。在这项研究中,post-pausal停止/的嗓音起始时间p,ph,t,th,k/两组之间的比较。考虑到演讲率直接影响嗓音起始时间,一个归一化参数,嗓音起始时间比,是本研究中使用24]。
因为嗓音起始时间更长的时间比不送气的吸气停止停止用普通话,嗓音起始时间比吸气/ post-pausal停止计算ph,th/和不送气的/p,t,k/(因此嗓音起始时间ratio_un和电话投票ratio_as),分别。所有的总结在表13声学措施1。
3.3。随机森林分类
基于所有这些声学参数,随机森林分类R (33)是用来调查这些声学参数的贡献PD的分类个人和健康对照组。
首先,平均误差的最小值率模型的计算基于out-of-bag (OOB)数据,和最优数量的变量的二叉树节点“mtry randomForest被设置为3包。由于模型误差往往集中在决策树的数量接近500人,但最优决策树nTree数量设置为500。在实验数据中,70%被随机选中作为训练集,剩下的30%被选为测试集。最后,计算的准确性、敏感性和特异性。
3.4。听觉感知测试
比较声分类的有效性和听觉判断神经,听觉感知测试执行。
下列句子大约10秒钟的话语:“他们同意第一个成功地使旅行者应考虑脱下他的外衣比,“选择从每个参与者的演讲录音,以便收集36刺激听觉刺激。五个神经病学家曾在神经学部门工作至少2年被招募的听觉感知测试。所有五个听众有丰富的临床经验PD患者的评估,但他们不知道学习的目的。
强度归一化后使用Praat软件70分贝,所有36言论刺激在随机顺序回放听众通过耳机在一个安静的房间。下面的提示显示在电脑屏幕上:“请法官的演讲你听到演讲者是否PD患者。“每个言语刺激回放之后,电脑屏幕上出现了两个选项:“PD病人”和“健康的人。“听众点击鼠标来完成被迫选择。
4所示。结果
4.1。随机森林分类的结果
结果基于13声学措施表明,随机森林算法的分类准确率为75.6%,敏感性和特异性分别为66.7%和84.6%,分别。
图2显示所有13个声学措施的重要性区分PD患者和健康对照组。最重要的措施与早期PD F0std确定扬声器,F2i / F2u F0范围和瓦。
4.2。听觉感知测试的结果
五个神经病学家的知觉准确性范围从61.1%到68.1%,平均精度为64.2%,低于随机森林分类的准确性(75.6%)。
5。讨论
言语障碍已经在先前的研究,而目前的研究集中在韵律的贡献和节段功能早期PD的扬声器和声学分类使用随机森林算法的优越性临床听觉判断。
随机森林分类基于13声学措施包括韵律和节段性特征表明,最重要的措施,识别早期PD扬声器F0std, F2i / F2u F0范围和瓦。其中4声措施,F0std和F0范围是韵律特征而F2i / F2u和VAI节段性特征。小F0范围和F0可变性(F0std)早期PD演讲者提出他们的富有表现力的音高变化较少,因此导致单调,先前的研究报告(3,9]。虽然以前的研究报道,F0参数或元音发音扮演的角色在区分PD和健康的人9,17),目前的研究进一步表明,F0和元音发音识别早期PD患者很重要。
演讲者早期PD的识别精度为75.6%,高于听觉评估的神经学家。因此,这一目标算法可以有效的辅助方法,神经学家识别言语障碍的早期PD患者不易察觉。
应该注意的是,早期识别的准确性扬声器与PD仅基于声学措施为75.6%,仍然远离完美。有两个可能的原因。首先,并不是所有的扬声器与早期PD有言语障碍。第二,除了这些声学措施我们调查,其他参数也可能扮演的角色区分早期PD患者和健康人。因此,未来的研究将探索更多的声学指标,开展多个任务,例如,独白和对话,使一个更好的早期PD的识别。
6。结论
随机森林分类算法基于声学措施,特别是基本频率和元音发音,可以是一个辅助方法来识别早期PD。有不同的早期生物标志物PD的临床症状和神经等。然而,一个生物标志物早期诊断的价值是有限的,和各种各样的方法可以提高诊断的准确性。我们的研究结果表明,基于语音声学参数的分类模型可以提供一个更经济、方便、有效的早期诊断方法,准确评估和PD患者的远程监控。然而,从阅读中提取语音声学参数在这项研究还不全面,和更多的声学特性和多个演讲任务应该考虑在将来的研究中。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家社会科学基金重大项目(13 &zd189)。作者要感谢教授Wentao顾他监督上海市刘博士帮助招募PD患者。