전이학습을 활용한 멜 스펙트로그램 음성 분석을 통한 파킨슨병 조기 분류
Early Classification of Parkinson’s Disease Using Mel-Spectrogram Voice Analysis via Transfer Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
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. 그러나기존 연구들은 지지 벡터 기계(Support Vector Machine), 지지 벡터 회귀(Support Vector Regression) 등과같은 전통적인 기계학습 기법에 주로 의존하였으며, 복잡한 음성 패턴을 효과적으로 반영하기 어려워일반화 성능에 한계가 있었다. 이에 본 연구에서는 파킨슨병 및 관련 질환의 음성 데이터를 활용한음성 기반 진단 모델을 개발하였다. 음성 데이터는 Librosa 라이브러리를 이용하여 Mel-Spectrogram으로변환한 후, ResNet152V2, DenseNet201 등 다양한 딥러닝 기반 분류 모델을 적용하였다. 데이터에는 파킨슨병외에도 본태성 진전, 다계통 위축 등 유사 신경계 질환을 포함하였으며, 이를 바탕으로 각 모델의 분류성능을 평가하였다. 실험 결과, 음성 데이터를 활용한 딥러닝 모델이 정상인과 질환군을 높은 정확도로구분할 수 있음을 확인하였다. 본 연구는 비침습적이고 비용 효율적인 파킨슨병 조기 진단 시스템 개발가능성을 제시하며, 향후 신경계 질환의 조기 탐지 및 진단 보조 시스템으로 활용될 수 있다.
Abstract
Parkinson’s disease is a progressive neurodegenerative disorder, and early diagnosis is critical for slowing its progression. Voice changes are particularly notable among early indicators, offering a non-invasive pathway for timely detection. However, most existing approaches rely on traditional machine learning methods such as Support Vector Machines (SVM) and Support Vector Regression (SVR), which often fail to capture complex vocal patterns and thus exhibit limited generalization performance. This study proposes a voice-based diagnostic framework for Parkinson’s disease and related disorders. Voice recordings were transformed into Mel-spectrogram images and classified using deep learning models, including ResNet152V2 and DenseNet201. The dataset included not only Parkinson’s disease but also clinically similar conditions such as essential tremor, multiple system atrophy, and tau-Parkinsonism, alongside healthy controls. Experimental results show that our deep learning models achieve high accuracy (92%) in distinguishing Parkinson’s disease and related disorders from healthy individuals. These findings highlight the potential of voice-based deep learning approaches as a non-invasive, cost-effective tool for early diagnosis and clinical support in neurodegenerative disease management.