Objective ON-OFF-Classification in Patients with Parkinson's Disease Based on Speech Recordings Using Machine Learning Methods
Abstract
Sprachaufnahmen von 14 Parkinson-Patienten wurden zur objektiven ON-OFF-Differenzierung mit maschinellen Lernmethoden analysiert. Das CRNN-Modell erzielte eine Klassifikationsgenauigkeit von 82 %. Der PAC-Ansatz identifizierte Kontinuierlich, Frikativ und Stille als die zur ON-OFF-Differenzierung relevantesten Lautmerkmale. Die Sprachprotokolle PA-TA-KA und Vokale wiesen die höchste ON-OFF-Trennschärfe auf. Die fehlgeschlagene Validierung bei Patienten mit kürzerer Krankheitsdauer verdeutlicht die Herausforderungen bei der Generalisierbarkeit.
Fields of Study & Subjects
Voice and Speech Disorders
Stuttering Research and Treatment
Dysphagia Assessment and Management
Publication details
- Journal / source
- mediaTUM (Technical University of Munich)
- Publication date
- 2 January 2026
- Language
- DE
- Document type
- Thesis