Early Classification of Parkinson’s Disease Using Mel-Spectrogram Voice Analysis via Transfer Learning
Abstract
파킨슨병은 대표적인 신경퇴행성 질환으로, 병의 진행을 늦추기 위해서는 조기 진단이 중요하다. 특히, 음성 변화는 질병의 초기 징후와 관련이 있어 이를 활용하면 비침습적이고 조기 진단이 가능하다. 그러나 기존 연구들은 지지 벡터 기계(Support Vector Machine), 지지 벡터 회귀(Support Vector Regression) 등과 같은 전통적인 기계학습 기법에 주로 의존하였으며, 복잡한 음성 패턴을 효과적으로 반영하기 어려워 일반화 성능에 한계가 있었다. 이에 본 연구에서는 파킨슨병 및 관련 질환의 음성 데이터를 활용한 음성 기반 진단 모델을 개발하였다. 음성 데이터는 Librosa 라이브러리를 이용하여 Mel-Spectrogram으로 변환한 후, ResNet152V2, DenseNet201 등 다양한 딥러닝 기반 분류 모델을 적용하였다. 데이터에는 파킨슨병 외에도 본태성 진전, 다계통 위축 등 유사 신경계 질환을 포함하였으며, 이를 바탕으로 각 모델의 분류 성능을 평가하였다. 실험 결과, 음성 데이터를 활용한 딥러닝 모델이 정상인과 질환군을 높은 정확도로 구분할 수 있음을 확인하였다. 본 연구는 비침습적이고 비용 효율적인 파킨슨병 조기 진단 시스템 개발 가능성을 제시하며, 향후 신경계 질환의 조기 탐지 및 진단 보조 시스템으로 활용될 수 있다.
Fields of Study & Subjects
Voice and Speech Disorders
Artificial Intelligence in Healthcare
Phonocardiography and Auscultation Techniques
Publication details
- Journal / source
- Journal of the Korea Society of Computer and Information
- Volume
- 31
- Issue
- 1
- Pages
- 99–107
- Publication date
- 31 January 2026
- Language
- EN