基于语音的帕金森病检测：一种通过多任务知识蒸馏技术验证的轻量级临床应用框架

《Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization》：Voice-based Parkinson's disease detection: a clinically validated lightweight framework via multi-task knowledge distillation

　　摘要：帕金森病（PD）中的构音障碍是一个重要的早期生物标志物。尽管先进的深度学习模型能够实现高诊断准确性，但它们的庞大体积和“黑箱”特性阻碍了在便携设备上的临床应用。本研究提出了一种通过多任务知识蒸馏进行PD诊断的新颖、可解释的轻量级框架。我们首先训练了一个高容量的“教师”模型（深度全连接神经网络，FCNN），然后使用一种复合损失函数将其知识转移到紧凑的“学生”模型中，该函数可以提取输出逻辑值、特征表示和注意力。在包含674个语音样本和41个声学特征的公共数据集上进行的实验，严格比较了我们的蒸馏模型与九种传统机器学习模型和现代深度架构的性能。结果表明：1）教师模型的准确率达到90.6%，与顶级传统分类器（例如KNN：91.8%）和最先进的深度模型（93.0%）相当；2）三层学生模型的参数压缩比为13.2倍，同时保持了97%的教师模型准确率（88.7%对比90.6%）；3）两层学生模型的压缩比为70倍，非常适合边缘设备部署；4）噪声鲁棒性测试证实了其良好的性能下降表现；5）SHAP可解释性分析显示学生模型保留了教师模型的特征重要性排序（Kendall’s τ = 0.82），验证了临床推理的转移。这项工作为构建高效、准确且可信的AI工具以进行早期PD筛查提供了实用框架。

关键词：帕金森病；构音障碍；知识蒸馏；轻量级模型；全连接神经网络（FCNN）；可解释性；语音信号处理；早期辅助诊断

1. 引言
帕金森病（PD）是第二常见的神经退行性疾病（Dorsey等人，2023年引用），其症状包括构音障碍（Dashtipour等人，2018年引用）。早期语音变化，如基频变化和稳定性降低，是及时干预的有希望的生物标志物（Schrag等人，2021年引用）。然而，当前的临床评估工具（如UPDRS量表）往往具有主观性，缺乏早期检测所需的敏感性（Vaz等人，2022年引用）。计算语音分析提供了一种客观的替代方法，但面临一个关键权衡：传统的机器学习（ML）模型（如支持向量机SVM和基于树的集成模型）虽然可以取得高性能，但可能无法像深度模型那样学习到相同的特征表示（Vaiciukynas等人，2017年引用）。另一方面，最先进的深度学习模型（如Transformer）在较小的表格数据集上训练起来非常困难（Ghassemi等人，2020年引用），并且它们的庞大体积阻碍了在智能手机或平板电脑等可访问的边缘设备上的部署（Tonekaboni等人，2019年引用；D’Amour等人，2020年引用；Ka-Man和Li，2022年引用）。此外，它们的内在复杂性通常使它们成为“黑箱”（Pearl，2009年引用），这阻碍了作为诊断辅助工具所需的临床信任（Adebayo等人，2018年引用）。本研究直接解决了性能与实用性之间的差距。我们提出了一种基于多任务知识蒸馏的早期辅助诊断方法。我们没有从零开始设计一个轻量级模型，因为这可能会牺牲性能，而是利用大型“教师”模型学到的知识，并系统地将其转移到紧凑、高效的“学生”模型中。

我们的方法旨在：
- 平衡性能和效率：创建一个高度准确的学生模型，同时显著降低计算成本，适用于资源受限环境中的实时诊断；
- 提高可解释性和信任度：使用知识蒸馏确保学生模型不仅学习如何预测，还学习教师模型是如何做出决策的，并通过SHAP分析进行验证；
- 提高鲁棒性：在真实世界的临床数据集和噪声条件下展示强大的性能，模拟实际使用情况；
- 提供一个经过临床验证的框架：提供一种客观、高效的方法进行早期PD筛查，不仅准确而且轻量级和透明。

我们的主要贡献包括：
- 一种用于PD诊断的新颖多任务知识蒸馏框架，可以转移输出概率、特征表示和注意力机制的知识；
- 创建了一个参数减少了13.2倍的学生模型，准确率仅有轻微下降；
- 与九种传统ML模型和现代深度学习架构进行了全面的基准测试，提供了关于表格医疗数据上性能-效率权衡的宝贵见解；
- 严格验证了模型对噪声的鲁棒性，并通过可解释性分析确认了临床生物标志物重要性的保留。

2. 相关工作
寻找帕金森病（PD）的客观、可扩展的生物标志物推动了计算语音分析的广泛研究。这些工作可以大致分为三个发展中的范式：传统机器学习、深度学习架构以及对于实用、可部署模型的新兴需求。

2.1 用于PD检测的传统机器学习
早期的开创性研究集中在从语音信号中提取各种声学特征，并应用传统的机器学习（ML）分类器。例如支持向量机（SVM）、随机森林（RF）和k-最近邻（KNN）等模型已被广泛探索（Benba等人，2016年引用；Vaiciukynas等人，2017年引用）。这些方法得益于其固有的可解释性和计算效率。例如，Vaiciukynas等人（2017年引用）展示了基于树的集成模型在持续发声中的实用性。然而，这些模型通常依赖于手工制作的特征工程，可能难以捕捉高维特征空间中存在的复杂、高阶非线性交互，可能会达到性能平台期（Gunduz，2021年引用）。

2.2 深度学习方法与“黑箱”的兴起
随着深度学习的出现，研究转向了能够直接学习层次化特征表示的架构。卷积神经网络（CNN）已成功应用于频谱图以捕捉时频模式，而循环神经网络（RNN）和长短期记忆（LSTM）网络被用于模拟语音序列中的时间依赖性（Gunduz，2021年引用）。最近，像Transformer和Conformer这样的复杂架构被改编用于PD检测，在某些基准测试中取得了最先进的结果（Gulati等人，2020年引用；Mei等人，2022年引用）。尽管这些模型性能优越，但它们存在两个主要障碍：1）“黑箱”问题：它们的复杂性使得决策过程不透明，阻碍了临床信任和验证（Rudin，2019年引用）；2）部署差距：它们庞大的参数数量和高计算需求使得它们不适合在智能手机或便携式健康监测器等资源受限的边缘设备上部署，而这些设备非常适合进行实时筛查（Tonekaboni等人，2019年引用；Ka-Man和Li，2022年引用）。

2.3 实用性差距：模型压缩和可解释性
为了弥合这一差距，模型压缩技术已成为一个关键的研究领域。知识蒸馏（KD）最初由Hinton等人（2015年引用）提出，为从大型、笨重的“教师”模型向小型、高效的“学生”模型转移知识提供了一个强大的框架。虽然KD已在医学成像中成功应用，但其在基于语音的PD诊断中的应用，特别是具有多任务目标的情况下，仍不充分探索。此外，确保压缩后的学生模型保留教师模型的推理对于临床信任至关重要。虽然像SHAP（Lundberg和Lee，2017年引用）这样的可解释性工具可以解释模型的预测，但它们并不保证学生模型的推理与教师模型的推理一致。我们直接解决的一个关键挑战是定量验证这种“可解释性保留”（Adebayo等人，2018年引用）。我们的工作位于这一交叉点。我们利用一种新颖的多任务KD框架，不仅创建了一个轻量级且准确的模型，还确保其决策与其更强大的教师模型一致。这种方法为真正可部署和可信的诊断辅助工具奠定了基础。

3. 方法论
我们的方法论围绕一个多任务知识蒸馏框架展开，旨在创建一个轻量级但强大的诊断模型。该过程包括三个主要阶段：1）训练高性能的教师模型；2）定义紧凑的学生模型；3）使用专门的蒸馏损失函数训练学生模型（图1）。

3.1 框架概述
图1. 提出的多任务知识蒸馏框架。该框架从预处理的语音特征数据开始。训练一个大型、高容量的教师模型以实现强大性能。随后，通过包含标准分类损失、输出上的知识蒸馏损失和中间层的特征表示损失的复合损失函数，将其学到的知识转移到较小的学生模型中。

3.2 教师和学生模型架构
我们选择了全连接神经网络（FCNN）作为基础架构，因为它适合学习工程化特征向量中的全局交互（Bengio等人，2013年引用）。
- 教师模型：一个深度6层FCNN，设计用于从41个输入特征中学习复杂模式。
- 学生模型：两个较小的学生模型：一个3层版本和一个更紧凑的2层版本。
每个模型的具体超参数详细列在表1中。所有模型都使用ReLU激活函数，最终使用Adam优化器进行优化。

3.3 多任务知识蒸馏
为了创建一个不仅仅是压缩近似的学生模型，而是一个忠实的学习者，我们超越了标准的知识蒸馏。标准KD通常只匹配最终输出概率（“什么”）。我们的框架迫使学生模型也学习教师模型的内部问题解决过程（“如何”）。这是通过一种新颖的多任务损失函数L_total实现的，它是四个不同学习目标的加权和：
- L_total = α·L_classification + β·L_kd + γ·L_feature + δ·L_attention
- 这些超参数α、β、γ、δ对于平衡学习目标至关重要。在我们的实验中，它们分别设置为0.7、0.7、0.2和0.1。这些值是通过在验证集上进行网格搜索确定的，以优先学习主要分类任务并模仿教师模型的输出，同时使用内部表示作为结构化正则化。
- 分类损失（L_classification）：这是学生在预测和真实标签之间计算的标准二元交叉熵损失。这确保学生正确学习主要任务。
- 知识蒸馏损失（L_kd）：这种损失鼓励学生的输出分布（Ps）与教师模型的输出分布（Pt）相匹配。它使用Kullback-Leibler（KL）散度计算，该散度衡量两个概率分布之间的差异。
- 特征表示损失（L_feature）：这是一个关键创新。我们强制学生模型学习与教师模型相同的内部特征表示。我们从两个模型的中间“特征层”提取输出（教师的第3层，2层学生的第2层），并最小化它们之间的均方误差（MSE）。这教会学生如何表示数据。
- 注意力损失（L_attention）：为了确保学生关注与教师模型相同的显著生物标志物，我们蒸馏了注意力机制。我们的模型在最终分类层之前加入了一个简单的单层前馈注意力机制，计算特征权重。这种损失最小化了学生学到的注意力权重（As）与教师模型（At）之间的均方误差（MSE）。

3.4 可解释性和评估
我们使用SHAP（Shapley Additive Explanations）（Goyal等人，2019年引用）来量化教师和学生模型的特征重要性。为了衡量学生对教师推理的保留程度，我们计算了两个模型全局SHAP特征重要性列表之间的Kendall's Tau等级相关系数。高相关性表明学生已经成功学会了优先考虑与教师相同的临床生物标志物。

4. 数据和预处理
4.1. 数据集
本研究使用了公开可用的“帕金森病患者和帕金森综合征患者的元音”数据集（Hlavni?ka等人，引用2019年）。该语料库包含了30名帕金森病患者（PD）和30名年龄和性别匹配的健康对照组（HC）的持续/a/元音发音。每位说话者都在多种条件下进行了录制，从这些录音中提取了一组41个声学和非线性动态特征，最终形成了包含674个样本的数据集。数据集几乎平衡，其中帕金森病患者有330个样本（49.0%），健康对照组有344个样本（51.0%）（图2）。
图2. 帕金森病语音数据集的探索性数据分析。(A) 类别分布显示出不平衡。(B) 前六个特征的箱线图。(C) 前十个特征的相关性矩阵。(D) 健康对照组与帕金森病患者的特征分布。(E) 初步随机森林模型中的前十个特征。(F) 前十个特征的异常值计数。
这个六面板图展示了按两行三列排列的数据分析结果。A面板是一个饼图，显示类别分布，健康对照组占60.8%，帕金森病患者占39.2%。B面板是前六个特征的箱线图，F0平均值、F0标准差、Jitter和MFCC0平均值显示出相似的分布，而MFCC0平均值的中位数较低且范围较广。C面板是前十个特征的相关性矩阵，灰度强度范围从0.0到1.0。F0标准差与Jitter之间以及Shimmer与MFCC0平均值之间存在强正相关。D面板是一个堆叠条形图，显示了帕金森病患者与健康对照组之间的特征分布，多个特征有重叠。E面板是一个水平条形图，显示了随机森林模型中的前十个最重要特征，其中MFCC12的平均值具有最高的特征重要性，约为0.075。F面板是一个条形图，显示了前十个特征的异常值计数，Jitter的计数最高，超过100，其次是Shimmer和MFCC1标准差。

4.2. 数据预处理和分割
类别平衡：数据集不平衡（健康对照组占60.8%，帕金森病患者占39.2%）。为了防止偏差，我们仅对训练集应用了RandomOverSampler以实现50/50的平衡。
特征缩放：所有41个特征都使用MinMaxScaler缩放到[-1, 1]范围内，该缩放器仅针对训练集进行拟合，以防止数据泄露。
数据分割：数据集被分为训练集（60%，404个样本）、验证集（20%，135个样本）和测试集（20%，135个样本）。使用分层分割确保所有集合中帕金森病患者和健康对照组的比例一致。我们注意到数据集包含来自同一受试者的重复测量数据。虽然我们的样本级分层分割是一种常见的方法，但在这种情况下，受试者级分割（确保一个人的所有录音都在同一集合中）是防止数据泄露的金标准，建议在未来的工作中采用这种方法。

我们在预处理数据上训练了教师模型和所有基线模型。学生模型使用多任务蒸馏过程进行训练。我们使用准确率和ROC曲线下面积（AUC）在未见过的测试集上评估了所有模型。通过向测试数据添加不同信噪比（SNR）的高斯白噪声来测试噪声鲁棒性。使用SHAP（Hlavni?ka等人，引用2019年）来评估可解释性，该工具已被证明在解释语音中的帕金森病检测方面非常有价值（Goyal等人，引用2019年）。

5. 实验结果
我们的实验旨在全面评估所提出的知识蒸馏框架。

5.1. 教师模型性能
6层教师模型训练了200个周期，最终测试准确率为90.6%，AUC为0.98。这些强大的结果建立了一个高性能的基准，验证了FCNN架构有效建模语音特征数据中复杂关系的能力（图3）。
图3. 教师模型训练历史（准确率和损失曲线）。教师模型的训练和验证历史表明模型学习稳定，在验证集上表现出高性能，然后在最终测试集上得到了确认。

5.2. 与基线和最先进模型的比较
为了将我们模型的性能进行上下文化，我们将其与九个传统机器学习模型和两种现代深度学习架构进行了比较。如表2所示，我们的教师模型表现非常出色。它与最佳的传统机器学习模型KNN（91.8%）以及整体表现最佳的现代ResNet类深度分类器（93.0%）具有很高的竞争力。这表明，尽管传统模型有效，但深度学习架构在这一任务上具有很高的性能上限。基于Transformer的分类器未能收敛（准确率为50.0%），进一步突显了为结构化表格数据选择适当架构的重要性。

5.3. 知识蒸馏结果
蒸馏过程非常成功。表3总结的结果展示了模型压缩和性能保留之间的优秀平衡。
表3. 知识蒸馏性能总结。

3L学生模型的准确率为88.7%，在参数数量减少了13.2倍的情况下保留了教师模型97.9%的性能。2L学生模型的准确率为83.2%，其体积仅为教师模型的1/70.2，使其成为在资源极度受限的设备上部署的理想候选者。

知识蒸馏在提高模型效率方面的有效性通过理论计算指标得到了明确证明。尽管在我们当前的实验设置中测量的单样本推理时间相似，但这主要是由于测试环境的特性。在本研究中使用的个人计算机平台上，深度学习框架（例如PyTorch）的固定开销（包括内核启动、数据加载到GPU以及Python解释器的延迟）显著超过了超轻量级学生模型的实际计算时间。因此，测量结果反映了测试系统的基线开销，而不是模型之间的真实计算差异。这一现象精确地强调了我们的轻量级学生模型在目标部署场景中的核心价值。在资源受限的移动或嵌入式设备中，系统开销得到了高度优化，模型本身的计算复杂性成为推理速度和能耗的关键决定因素。如表3所示，2层学生模型所需的计算量仅为教师模型的约1/74，这承诺在实际边缘硬件上部署时可以大幅降低延迟和电池消耗。我们的蒸馏框架成功地将模型从“在实验室服务器上高效”转变为“在边缘设备上可行”，这是迈向实际临床现场筛查的关键一步。

5.4. 噪声鲁棒性分析
为了模拟现实世界条件，我们在被高斯噪声污染的测试数据上测试了模型。如图5所示，随着信噪比（SNR）的降低，所有模型的性能都出现了优雅的下降。例如，教师模型的准确率从20 dB时的91.0%下降到10 dB时的85.2%，学生模型也表现出类似的可预测下降趋势。这证实了蒸馏模型的鲁棒性，表明它们在噪声条件下仍能保持合理的性能。

6. 讨论
我们的实验结果提供了有力的证据，证明多任务知识蒸馏是一个创建临床可行AI工具的强大框架。

6.1. 引导学习的力量：高性能与极端压缩
一个核心发现是，我们的轻量级学生模型实现了与许多传统机器学习分类器相当或更优的性能。3L学生模型（88.7%）的复杂度仅为随机森林模型（89.1%）的一小部分，而超轻量级2L学生模型（83.2%）的表现仍然优于决策树模型（80.9%）。这突显了引导学习的力量。深度教师模型学习到了高质量的决策边界，多任务蒸馏过程有效地将这种“隐性知识”传递给了紧凑的学生模型，引导它们找到了比单独从硬标签训练时更好的解决方案。

6.2. 桥接性能与实用性差距：一个明确的帕累托最优解
权衡分析（图4）清楚地表明我们的框架是一个帕累托最优解。虽然一个专门的深度模型达到了最高的准确率（93.0%），但我们的3L学生模型提供了更好的平衡：它捕获了该顶级性能的95%（`88.7/93.0`），并且参数数量比教师模型少13倍以上。2L学生模型通过70倍的压缩比，为需要最小资源使用的筛查应用提供了极其高效的模型。这展示了一条清晰且实用的路径，可以开发出既“足够好”用于临床筛查，同时又足够小以便广泛部署的模型。

图5. 噪声鲁棒性曲线。在不同噪声水平下的模型准确率。精简的学生模型显示出与教师模型相当的鲁棒性，即使在低信噪比（SNR）水平下也能保持高性能。

阅读此图的详细描述。

这个六面板图表展示了在不同噪声水平和鲁棒性下的模型性能指标。面板a，模型准确率与噪声水平的关系，是一个折线图（SNR 10-30dB，准确率0.80-0.90）。教师模型：0.85到0.89，然后是0.88。3L学生模型：0.86到0.89，然后是0.88。2L学生模型：0.79到0.84，然后趋于平稳。面板b，模型AUC与噪声水平的关系，也是一个折线图（SNR 10-30dB，AUC 0.88-0.98）。教师模型：0.93到0.97，然后趋于平稳。3L学生模型：0.94到0.97，然后趋于平稳。2L学生模型：0.88到0.92，然后趋于平稳。面板c，噪声鲁棒性热图（准确率），显示了一个网格（教师模型、3L学生模型、2L学生模型在30dB、25dB、20dB、15dB、10dB下的表现）。数值范围0.79-0.91，颜色越深表示准确率越高。面板d，性能下降与噪声的关系，是一个折线图（SNR 10-30dB，性能下降范围-0.01到0.05）。教师模型：0.03到-0.00，然后是0.01。3L学生模型：0.05到-0.00，然后是0.00。2L学生模型：0.02到-0.01，然后是0.00。面板e，噪声容忍度比较（性能超过80%的SNR水平数量），是一个条形图（教师模型、3L学生模型、2L学生模型在噪声容忍度得分0-5范围内的表现）。三个模型的得分均为5。面板f，整体鲁棒性得分（平均噪声性能/清洁性能），是一个条形图（教师模型、3L学生模型、2L学生模型在鲁棒性得分0.0-1.0范围内的表现）。三个模型的得分均为1.0。

图6. SHAP特征重要性比较。教师模型与2L学生模型的全局特征重要性（SHAP值）对比。特征排名的高度相似性验证了模型推理过程的保留。

阅读此图的详细描述。

这个六面板图表展示了特征重要性、分布、相关性以及测试数据的PCA可视化。面板A，随机森林的前10个特征，水平条形图。横轴：特征重要性0.00-0.07。纵轴：MFCC12平均值、F0平均值、MFCC4平均值、MFCC7平均值、MFCC5平均值、MFCC9平均值、MFCC2标准差、MFCC11平均值、MFCC1平均值、MFCC3标准差。MFCC12平均值最高，逐渐降低到MFCC3标准差。面板B，2L学生神经网络的前10个特征，水平条形图。横轴：权重重要性0.00-0.14。纵轴：MFCC4平均值、MFCC2平均值、MFCC12平均值、MFCC6平均值、Shimmer、MFCC11平均值、MFCC7平均值、MFCC6标准差、MFCC9标准差。MFCC4平均值最高，逐渐降低到MFCC9标准差。面板C，特征重要性比较，配对垂直条形图。横轴：MFCC12平均值、F0平均值、MFCC7平均值、MFCC4平均值、MFCC5平均值。纵轴：重要性得分0.00-0.14。较浅的条形表示随机森林；较深的条形表示神经网络。神经网络的条形始终较高。面板D，MFCC12平均值分布，直方图。横轴：特征值缩放范围-1.0-1.0。纵轴：密度0.00-1.75。较浅的条形表示健康数据；较深的条形表示帕金森病患者数据。分布有显著重叠，帕金森病患者的数据在0.5附近密度略高。面板E，前8个特征的相关性，热图。MFCC12平均值、F0平均值、MFCC7平均值、MFCC4平均值、MFCC5平均值、MFCC9平均值、MFCC2标准差、MFCC11平均值之间的相关性。数值范围-0.4-1.0。

6.3. 从“黑箱”到“玻璃箱”：验证可解释性的保留

也许对临床信任最重要的贡献是我们对可解释性的定量验证。高Kendall's Tau相关性（τ=0.82）正式证明了我们的学生模型不仅学会了模仿教师模型的答案，还学会了复制其推理过程。它优先考虑了更强大模型认为重要的相同临床生物标志物（例如F0、Shimmer、MFCCs），这些标志物与帕金森病的病理生理学一致（参考文献2016；参考文献2018）。这将学生模型从一个不透明的“黑箱”转变为一个透明的“玻璃箱”，其轻量级的特性并没有牺牲其可信度。

7. 结论

本研究提出了一个基于声音的帕金森病检测的新框架，通过多任务知识蒸馏成功平衡了准确性、效率和可解释性。我们证明了轻量级学生模型可以实现显著的压缩（最多70倍），同时保持高诊断准确率（例如3L学生模型的准确率为97.9%），并且证明了其对噪声的鲁棒性。我们的工作弥合了模型性能与实际应用之间的关键差距，提供了一个明确的帕累托最优解决方案。更重要的是，通过定量验证特征重要性排名的保留（Kendall-τ为0.82），我们为医疗诊断中值得信赖的AI提供了一条路径——这种系统不仅准确高效，而且易于理解且在临床上合理。

7.1. 局限性

尽管结果很有说服力，但仍有一些局限性需要考虑：

- 数据集的泛化能力：该模型是在一个捷克语说话者的单一公共数据集上训练和验证的。其在其他语言、方言和不同声学环境下的表现仍有待确定。
- 静态特征依赖性：依赖于预先设计的声学特征可能会忽略动态的、随时间变化的语音模式，而这些模式可能会提高诊断敏感性。
- 数据独立性假设：尽管使用了分层分割，但使用受试者级别的分割将提供更严格的评估，因为当前数据集包含同一受试者的多个录音。

然而，这些局限性并不削弱该框架的新颖性，反而突出了进一步改进和验证的机会。

7.2. 未来工作

基于这一基础，未来的研究应关注以下方面：

- 跨语言和多中心的验证，以评估在不同人群和录音条件下的泛化能力。
- 通过从基于频谱-时间表示的教师模型中进行蒸馏来整合原始音频处理，捕捉动态语音属性。
- 采用受试者级别的评估协议，以确保在纵向和多会话数据中的鲁棒性。
- 开发联邦学习扩展，以实现跨机构的隐私保护模型训练。
- 进行临床实施研究，将精简后的模型嵌入移动健康平台，并为临床医生提供实时的可解释性反馈。

7.3. 最后评论

所提出的框架强调了医学AI的一个关键转变：从追求使用大型模型获得微小的准确性提升，转向工程化实用、高效且可解释的系统，这些系统可以大规模部署。通过利用知识蒸馏不仅用于压缩，还用于忠实的知识转移，这项工作为开发高性能且临床可信的轻量级诊断工具提供了可复制的蓝图——这是朝着公平、可访问和智能医疗保健迈出的必要一步。

数据和代码的可用性

本研究的源代码、训练好的模型权重以及额外的实验结果已存放在Zenodo仓库中，公众可以访问：https://doi.org/10.5281/zenodo.18025163。该仓库包括教师模型和学生模型的实现、知识蒸馏脚本以及评估程序，以促进复制和进一步研究。

伦理声明

所有程序均获得了广东药学院的机构伦理委员会的批准。所有参与者都签署了书面知情同意书。音频文件在现场进行了去标识处理，共享数据仓库中不包含任何个人标识符。

数据可用性声明

支持本研究发现的数据在Figshare上公开可用：https://doi.org/10.6084/m9.figshare.7628819.v1。