Global vs. segmental acoustic features for dysarthria assessment in motor neuron diseases
Notice bibliographique
Résumé
Dysarthria, a common symptom of motor neuron disease (MND), is primarily assessed through perceptual evaluations that are subjective, time-consuming, and require expert training. Acoustic analysis provides an objective alternative, leveraging either "global" features extracted from the entire speech signal or "segmental" features derived from individual phonemes (e.g., vowels). While segmental features offer finer-grained acoustic insights, their extraction has traditionally required manual segmentation, making the process time-consuming. This study explored the use of the Montreal Forced Aligner (MFA) for automatic vowel segmentation and compared the diagnostic utility of global versus segmental acoustic features in two machine learning tasks: dysarthria detection (i.e., distinguishing healthy controls (HCs) from speakers with dysarthria) and dysarthria severity classification (i.e., pre-, early-, and late-symptomatic stratification). Speech data were collected from 104 speakers with MND and 99 HCs. Global features were computed from voiced segments, while segmental features were derived from automatically aligned vowels. Four tree-based classifiers - Decision Tree, Random Forest, XGBoost, and LightGBM - were trained using 10-fold cross-validation. Feature importance was assessed using SHAP values, and statistical tests identified features with significant group differences. The MFA achieved alignment accuracy of at least 86% for healthy and early-symptomatic speakers, declining to 72% in late-stage dysarthria. For dysarthria detection, global features were significantly more effective than segmental features only in the XGBoost model. In contrast, segmental features significantly outperformed global features in dysarthria severity classification across all ensemble classifiers. These findings support the use of automated segmental analysis as an objective, viable, and clinically meaningful approach for assessing dysarthria in MNDs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».