انتخاب و مقایسه عملکرد ویژگی‌های بهینه استخراج‌شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون

در سال‌های اخیر، محققین تلاش‌های زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام داده‌اند. همچنین پژوهش‌هایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسه توانایی دسته‌ ویژگی‌های مختلف استخراجی‌ از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، 12 دسته ویژگی از سیگنال گفتار ارزیابی شده‌‌اند، تحلیل صدا روی قسمت آواسازی افراد انجام شده و واج /آ/ توسط افراد بیان شده است. با انتخاب بهترین ویژگی‌ها از هر دسته، که شامل 132 ویژگی است، به روش تسکین و اعمال آن به طبقه‌بندی کننده ماشین بردار پشتیبان، مقایسه‌ای بین دسته ویژگی‌های مختلف انجام شد. همچنین با ترکیب ویژگی‌های منتخب از هر دسته، صحت تفکیک بسیار خوب 95.93 درصد، در جداسازی گروه سالم از بیمار به‌دست آمد. نتایج حاصل از این پژوهش، می‌تواند گامی بسیار مهم در تشخیص غیرتهاجمی بیماری پارکینسون باشد.