14、基于语音的疾病检测联合学习

基于语音的疾病检测联合学习

1. 引言

语音分析为疾病检测提供了一种非侵入性的方法。它有助于检测多种疾病，如帕金森病、阿尔茨海默病、声带麻痹和声带结节等，甚至还能预测帕金森病的严重程度。与喉镜和内窥镜等先进诊断工具相比，语音分析具有非侵入性、无痛且方便的优点。

常见的语音测试有连续语音和持续元音两种。由于连续语音常伴有混淆效应，大多数研究使用正常音高的单个元音进行分析。

语音疾病检测是一个典型的模式识别问题，过去文献中提出的特征大致可分为三类：
- 量化周期性程度的特征 ：如描述基频和振幅周期扰动的抖动（jitter）和闪烁（shimmer），还有声门商（GQ）、递归周期密度熵（RPDE）和音高周期熵（PPE）等。
- 评估语音中噪声程度的特征 ：像谐波噪声比（HNR）、噪声谐波比（NHR）和去趋势波动分析（DFA）等。
- 用于语音和说话人识别的特征 ：例如梅尔频率倒谱系数（MFCC）、线性预测系数（LPC）和线性预测倒谱系数（LPCC）等。

然而，现有方法大多仅考虑单个音频，而不同音频包含互补信息，融合它们会更有益。同时，以往的融合方法存在不足，如音频级融合和特征级融合简单但可能无效，决策级融合虽性能较好但耗时。因此，有必要探索一种新的语音融合方案。

2. 相关工作

2.1 符号说明

• 矩阵用大写粗体字母表示，列向量用小写粗体字母表示。
• (A^T) 表示矩阵 (A) 的转置，(I) 是单位矩阵。
<