Aprendizaje por transferencia en redes neuronales convolucionales para el diagnóstico y monitoreo de la enfermedad de Parkinson usando señales de voz en tres idiomas diferentes

Abstract

RESUMEN : La enfermedad de Parkinson es un desorden neurodegenerativo del sistema nervioso caracterizado por rigidez, bradicinesia y pérdida de los reflejos posturales, afectando drásticamente la calidad de vida de la persona que la padece. Las deficiencias del habla son comúnmente uno de los síntomas tempranos de la enfermedad, por lo que puede ser un buen bio-marcador para el apoyo diagnóstico y el monitoreo de la enfermedad. Este trabajo propone un estudio a partir del aprendizaje profundo, exactamente en la técnica de aprendizaje por transferencia con el fin de mejorar la eficacia de los sistemas para el apoyo diagnóstico de la enfermedad de Parkinson entre idiomas diferentes: Español, Alemán y Checo. Inicialmente se extrajeron las transiciones de las señales de voz, con el fin de modelar las anomalías que presentan los pacientes para comenzar y/o detener la vibración de los pliegues vocales. Luego estas transiciones se llevaron a una representación tiempo-frecuencia utilizando la Transformada de Fourier de Tiempo Corto, formando espectro- gramas muestreados en la escala de Mel, los cuales se usan para el entrenamiento y la validación de redes neuronales convolucionales. Posteriormente con el fin de comparar y comprobar si el aprendizaje por transferencia entre idiomas puede mejorar el apoyo diagnóstico de la enfermedad de Parkinson, se realizaron 4 experimentos diferentes: (I) Clasificación con máquinas de soporte vectorial a partir de características articulatorias clásicas. (II) Entrenamiento y evaluación de redes neuronales convolucionales con datos monolingües. (III) Entrenamiento y evaluación de redes neuronales convolucionales implementando aprendizaje por transferencia entre idiomas. (IV) Clasificación multiclase con redes neuronales convolucionales para evaluar el estado neurológico de los pacientes. Los resultados indican que es posible mejorar los modelos monolingües a partir de otros idiomas usando el método de aprendizaje por transferencia, por lo tanto el entrenamiento de los modelos no debe comenzar con parámetros aleatorios como se realiza comúnmente, si no con un modelo base entrenado en un idioma diferente, aunque es necesario que este modelo sea lo suficientemente robusto para realizar una correcta transferencia de conocimiento y poder incrementar el desempeño del sistema transferido.