論文の概要: The use of vocal biomarkers in the detection of Parkinson's disease: a robust statistical performance comparison of classic machine learning models

• arxiv url: http://arxiv.org/abs/2511.16856v1
• Date: Thu, 20 Nov 2025 23:43:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.843427
• Title: The use of vocal biomarkers in the detection of Parkinson's disease: a robust statistical performance comparison of classic machine learning models
• Title（参考訳）: パーキンソン病検出における音声バイオマーカーの応用 : 古典的機械学習モデルの統計的性能比較
• Authors: Katia Pires Nascimento do Sacramento, Elliot Q. C. Garcia, Nicéias Silva Vilela, Vinicius P. Sacramento, Tiago A. E. Ferreira,
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、進行性神経変性疾患であり、機能的モビリティの障害に加えて、しばしば発声障害と関連している。 PDの早期診断を支援するための声帯バイオマーカーの使用は、臨床的設定において非侵襲的で低コストでアクセスしやすい代替手段を示す。 本研究は、PD患者と健常者との区別におけるディープニューラルネットワーク(DNN)の有効性を一貫して評価した。
• 参考スコア（独自算出の注目度）: 1.3538255028226323
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parkinson's disease (PD) is a progressive neurodegenerative disorder that, in addition to directly impairing functional mobility, is frequently associated with vocal impairments such as hypophonia and dysarthria, which typically manifest in the early stages. The use of vocal biomarkers to support the early diagnosis of PD presents a non-invasive, low-cost, and accessible alternative in clinical settings. Thus, the objective of this cross-sectional study was to consistently evaluate the effectiveness of a Deep Neural Network (DNN) in distinguishing individuals with Parkinson's disease from healthy controls, in comparison with traditional Machine Learning (ML) methods, using vocal biomarkers. Two publicly available voice datasets were used. Mel-frequency cepstral coefficients (MFCCs) were extracted from the samples, and model robustness was assessed using a validation strategy with 1000 independent random executions. Performance was evaluated using classification statistics. Since normality assumptions were not satisfied, non-parametric tests (Kruskal-Wallis and Bonferroni post-hoc tests) were applied to verify whether the tested classification models were similar or different in the classification of PD. With an average accuracy of $98.65\%$ and $92.11\%$ on the Italian Voice dataset and Parkinson's Telemonitoring dataset, respectively, the DNN demonstrated superior performance and efficiency compared to traditional ML models, while also achieving competitive results when benchmarked against relevant studies. Overall, this study confirms the efficiency of DNNs and emphasizes their potential to provide greater accuracy and reliability for the early detection of neurodegenerative diseases using voice-based biomarkers.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、神経変性の進行疾患であり、機能的モビリティを損なうことに加えて、しばしば低音障害や変形性関節症などの発声障害と結びついている。 PDの早期診断を支援するための声帯バイオマーカーの使用は、臨床的設定において非侵襲的で低コストでアクセスしやすい代替手段を示す。 本研究の目的は、音声バイオマーカーを用いた従来の機械学習(ML)手法と比較して、パーキンソン病患者と健常者との区別におけるディープニューラルネットワーク(DNN)の有効性を一貫して評価することであった。 2つの公開音声データセットが使用された。 サンプルからメル周波数ケプストラー係数(MFCC)を抽出し,1000個の独立ランダム実行を用いた検証手法を用いてモデルロバスト性を評価した。 評価は分類統計を用いて行った。 正常性の仮定が満たされなかったため,非パラメトリック試験 (Kruskal-Wallis, Bonferroniポストホック試験) を適用し, PDの分類において, 試験された分類モデルが類似しているか, 異なっていたかを確認した。 イタリアのVoiceデータセットとParkinsonのTelemonitoringデータセットの平均精度は9,8.65\%と9,12.11\%で、DNNは従来のMLモデルよりも優れた性能と効率を示し、関連する研究と比較すると競争的な結果を得た。 本研究は、DNNの効率性を確認し、音声ベースのバイオマーカーを用いた神経変性疾患の早期発見のための精度と信頼性を高める可能性を強調した。

関連論文リスト

• Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
  本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。 評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
  論文  参考訳（メタデータ） (2025-05-23T14:06:42Z)
• On the Bias, Fairness, and Bias Mitigation for a Wearable-based Freezing of Gait Detection in Parkinson's Disease [0.20971479389679332]
  歩行の凍結(FOG)はパーキンソン病(PD)の不安定な特徴である ウェアラブルベースのヒューマンアクティビティ認識(HAR)技術の最近の進歩により、ベンチマークデータセット間でFOGサブタイプの検出が可能になった。 本研究では,HARモデルによる人口動態とPD条件によるウェアラブル型FOG検出のバイアスと公平性について検討した。
  論文  参考訳（メタデータ） (2025-01-29T18:43:01Z)
• Distinguishing Parkinson's Patients Using Voice-Based Feature Extraction and Classification [0.0]
  本研究は、パーキンソン病患者の音声特徴の抽出と分類を通じて、健常者からパーキンソン病を区別することに焦点を当てる。 また,3層ニューラルネットワークアーキテクチャの精度を従来の機械学習アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2025-01-24T10:44:16Z)
• EVolutionary Independent DEtermiNistiC Explanation [5.127310126394387]
  本稿では進化的独立決定論的説明(EVIDENCE)理論を紹介する。 EVIDENCEはブラックボックスモデルから重要な信号を抽出する決定論的、モデルに依存しない方法を提供する。 EVIDENCEの実践的応用は、医療における診断精度の向上と音声信号分析の強化である。
  論文  参考訳（メタデータ） (2025-01-20T12:05:14Z)
• PPINtonus: Early Detection of Parkinson's Disease Using Deep-Learning Tonal Analysis [0.0]
  PPINtonusはパーキンソン病の早期発見システムである。 深層学習音素解析を用いて、神経学的検査の代替手段を提供する。
  論文  参考訳（メタデータ） (2024-06-03T01:07:42Z)
• Interpretable Classification of Early Stage Parkinson's Disease from EEG [0.6597195879147557]
  本稿では,脳波データを用いたパーキンソン病の早期発見のための新しいアプローチを提案する。 この表現は、ノイズの多い脳波信号から必須情報を捕捉し、疾患検出を改善するという仮説である。 この表現から抽出された統計的特徴は、解釈可能な機械学習モデルの入力として利用される。 この論文で示された結果は、パーキンソンの4つの初期段階のケースのうち3つ以上がパイプラインでキャプチャされることを示している。
  論文  参考訳（メタデータ） (2023-01-20T16:11:02Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。