BenSParX:基于孟加拉语会话语音的帕金森病稳健可解释机器学习检测框架

《Artificial Intelligence in Medicine》:BenSParX: A robust explainable machine learning framework for Parkinson’s disease detection from Bengali conversational speech

【字体: 大 中 小 】 时间:2026年10月14日 来源:Artificial Intelligence in Medicine 7.8

编辑推荐:

  BenSParX:一个用于从孟加拉语会话语音中检测帕金森病(Parkinson’s disease, PD)的稳健可解释机器学习(machine learning, ML)框架。 •首次引入用于帕金森病(PD)检测的孟加拉语语音数据集。 •具有丰富声学特征和严

  
BenSParX:一个用于从孟加拉语会话语音中检测帕金森病(Parkinson’s disease, PD)的稳健可解释机器学习(machine learning, ML)框架。
•首次引入用于帕金森病(PD)检测的孟加拉语语音数据集。
•具有丰富声学特征和严格特征选择的稳健机器学习(ML)流程。
•一种新颖的特征选择策略,用于识别PD的细微、具有细微差异且语言无关的嗓音生物标志物(vocal biomarkers)。
•SHAP(SHapley Additive exPlanations)整合实现了PD检测中基于临床的特征级可解释性。
帕金森病(Parkinson’s disease, PD)是第二常见神经障碍,影响全球超过1000万老年人,由中脑多巴胺能神经元退化引起。孟加拉国PD相关死亡率自1990年上升46.6%,年均增长2%,主要影响80岁以上男性,75–79岁女性死亡率最高。世界卫生组织(WHO)2020年报告3782例死亡,占全部死亡0.53%。PD患者常见运动迟缓、僵硬、震颤、平衡受损和发声困难,嗓音缺陷是最早体征之一。语音障碍包括气息声、音量低、发音不清、停顿延长和单调言语,出现在70%–90%病例。声学分析可检测人耳常不可察觉的细微嗓音异常。多数研究集中于英语和少数主要语言,忽略语言多样性,限制全球适用性。已有西班牙语、英语、普通话、捷克语、葡萄牙语、土耳其语和意大利语等语音PD检测研究,但尚无孟加拉语研究。语音特征跨语言差异显著,单语模型常无法泛化;例如普通话说话者因语言认知需求停顿更多,可能被误判为PD相关不流畅。此外,多数研究聚焦窄声学特征,Mel频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCCs)最常用,也含jitter、shimmer和harmonicity,少数考虑pitch和intensity,很少全面分析formants、pulse相关特征和多样声学参数组合,尤其孟加拉语。现有研究特征选择有限或无,超参数调优少,模型可解释性常被忽视,限制透明性和临床可解释性。因此,研究人员提出BenSParX,首个孟加拉语会话语音数据集和语言包容ML框架。

研究人员与孟加拉国运动障碍学会和Bangabandhu Sheikh Mujib Medical University(BSMMU)合作,招募确诊PD 1.5年内患者和健康对照(healthy controls, HC)。通过Oppo F17智能手机电话录音,半结构化访谈,问健康相关问题,诱导自然会话语音。120名参与者:60 PD(男40,女20),60 HC(男35,女25)。44 kHz单声道WAV。预处理:Audacity降噪、语音分离、10秒分段,得900样本。提取8类71个特征:spectrogram/MFCCs、intensity、pitch、jitter、shimmer、formants、pulse、harmonicity。采用四种特征选择:递归特征消除与交叉验证(Recursive Feature Elimination with Cross-Validation, RFECV)、最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)、Relief-F结合顺序前向选择(Sequential Forward Selection, SFS)、Mann–Whitney U检验。九种ML分类器。嵌套交叉验证:外层10折,内层5折,按说话人ID分组。SHAP解释。外部验证四个数据集:Sakar18、Little、Naranjo、MDVR-KCL。

4.1 最佳特征:通过Table 6分析,MFCC特征在所有特征选择策略中占主导,常超50%,最稳定。intensity和harmonicity重复选择,formants稳定且非冗余,pulse中等一致,jitter和shimmer方法依赖,pitch最不稳定。LASSO最稳定,Mann–Whitney U选60–64特征,RFECV范围宽,Relief-F+SFS变异性大。结论:MFCC为核心,intensity、harmonicity、formants提供稳定互补信息,扰动特征情境依赖,pitch辅助。

4.2 超参数调优:采用RandomizedSearch,5折CV,Table 7列出搜索范围,确保每个分类器在有利配置下公平比较。

4.3 机器学习模型比较:九种分类器与四种特征选择。RF在Mann–Whitney下最佳:95.67%准确率(95% CI 94.0%–96.8%),AUC-ROC(Area Under the Receiver Operating Characteristic Curve)0.990(0.98–0.99),F1 95.62%(94.1%–96.9%),特异性96.22%(93.5%–97.6%)。GB在RFECV+LR下达95.56%(93.9%–96.7%),Brier损失最低0.041(0.03–0.05)。XGBoost准确率持续>93%。Relief-F+SFS显著提升SVM(71.22%至83%)和MLP(59.33%至85.89%)。LR峰值79.78%,DT RFECV 86.22%,KNN 86.89%。结论:集成学习与稳健特征选择结合,尤其RF+Mann–Whitney和GB+RFECV/LASSO,在准确、稳定和校准间最佳。

4.4 与现有方法比较:与EF-LSTM、LF-LSTM、1D-CNN比较,本框架准确率95.67%,优于EF-LSTM 94.77%、LF-LSTM 92.56%、1D-CNN 94.11%;F1 95.62%,AUC 0.990,且置信区间更窄。

4.5 外部验证:在Sakar18,RF+Mann–Whitney达95.35%准确率、F1 95.3%、AUC 0.986,超过Polat 94.89%;在Little,RF+Relief-F+SFS达98.66%、98.63%、0.997,超过Hadjaidji 97.44%和Pradeep Reddy 95%/97%;在Naranjo,SVM+RFECV+GB达87.91%、86.82%、0.929;在MDVR-KCL,XGBoost+RFECV+GB达98.59%、99.19%、0.996。结论:跨数据集优越,稳健泛化。

4.6 可解释性:SHAP应用于外层折,Mann–Whitney选60–64特征,58特征每折。Top特征包括std_delta_delta_log_energy、std_delta_log_energy、Delta_MFCC_2、MFCC_2、meanAutoCorrHarmonicity,反映能量变异和谐波结构。rapJitter、apq11Shimmer、meanPeriodPulses也一致。PD实例最终概率0.993,HC实例0.001。结论:最具预测性特征与临床语音损伤一致。

讨论部分:发现方面,Mann–Whitney U产生60–64特征,含formant和pulse;MFCC占30–34/39,多数jitter、shimmer、harmonicity、intensity、pitch保留。分类器性能差异不大,特征稳健可转移。外部验证最佳组合因数据集而异,无固定组合。本框架优于近期深度学习模型,尽管使用相同手工特征,且折间变异性低,表明更强泛化性。局限性包括:样本量中等,过拟合风险;单次短录音1–2分钟,限制时间变异;诊断1.5年内,但临床元数据有限,无法分层;人口同质,方言、社会经济、教育变异有限。未来工作:多次更长录音和药物状态;纵向数据与UPDRS、药物史;多样区域、社会经济和方言背景;更多语音任务;多模态数据;替代特征提取如VGGish和预训练CNN。

结论翻译:本研究引入BenSParX,一个新颖的孟加拉语会话语音数据集,以及用于PD检测的稳健可解释机器学习框架,标志着在此语言欠代表领域的首次此类努力。研究人员的贡献有两方面:(i)提出首个公开可用的孟加拉语PD语音数据集,在真实世界环境中通过自然电话对话采集;(ii)提出全面且可解释的ML管道,整合多样声学特征类别、严格特征选择策略和最先进分类器。通过涉及九种机器学习模型和四种特征选择技术的广泛实验,研究人员证明该框架在孟加拉语数据集上持续优于深度学习基线,并在现有数据集上优于最先进方法。基于SHAP的可解释性进一步验证,最具预测性的特征与PD中临床已确立的语音损伤一致,包括能量不稳定、谐波性降低、jitter、shimmer和发音不精确。通过结合临床相关性、技术严谨性和模型可解释性,本研究为基于语音的PD检测设立了新基准,尤其在低资源语言中。这项工作为更包容、可及和可信的AI驱动早期神经筛查工具铺平道路,并强调文化和语言自适应机器学习在数字健康应用中的价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号