人工智能在帕金森病构音障碍研究中的应用进展2025 .pdf

人工智能在帕金森病构音障碍研究中的应用进展2025

帕金森病(Parkinsonzsdisease)是一种常见的神经退行性病，影响

运动功能的同时也伴随着多种非运动症状，比如构音障碍，又称为帕金森

病性构音障碍，主要特征包括：鼻音［1］、声音嘶哑、音调波动、语速减

慢、节奏不规律、发音清晰度下降乃至难以分辨、语音强度不规律(音量

减小、颤抖和嘶哑)［2-3］,言语障碍比典型的运动症状早几年发生［4-5］,

且不能通过左旋多巴治疗恢复［6］。因此言语分析有助于帕金森病的早期

诊断。对发声障碍的远程监测可以实现对帕金森病临床状况的有效跟进。

传统上对帕金森病患者的言语评估主要依赖于感知测试和人工分析，既主

观又耗费人力。然而,人工智能(artificialintelligence)与这一领域的

结合改变了研究和管理构音障碍的方式，其在帕金森病构音障碍的评估、

诊断、治疗和康复中的应用日益受到重视［7］。文中将探讨人工智能在帕

金森病构音障碍研究中的应用，包括语音特征分析、机器学习模型、智能

手机应用、合成语音生成以及远程评估等，旨在为未来的研究方向提供参

考。

我们检索了PbMed数据库、中国知网知识资源总库、中华医学期刊全

文数据库。使用的英文检索词包括aParkinsonzsdisease”“artificial

intelligencewadeeplearningmachinelearning”neralnetworks,

compter”heristics”aspportvectormachine”dysarthria”

dysphonia”speechdisorders”langagedisorders”diagnosis

assessment”differentialdiagnosis”，中文检索词包括帕金森病”

“人工智能”“构音障碍。检索起止年限为自建库至2024年5月2日,

共检索到76篇文献。

一、人工智能在帕金森病构音障碍研究中的方法和技术人工智能技术，特

别是机器学习和语音信号处理，已经在帕金森病构音障碍的研究中展现出

巨大潜力。通过自动化语音分析，人工智能能够从患者的语音样本中提取

关键特征，如音高、音量、语速和发音清晰度等，这些特征与帕金森病构

音障碍的严重程度密切相关［8］o通过分析帕金森病患者的语音和语言数

据来识别病相关的生物标志物，开发早期检测和监测帕金森病构音障碍

的可靠而客观的方法。这些技术可以帮助医生更准确地诊断帕金森病，监

测病情进展，并为患者提供个性化的治疗方案。

语(一音)信号处理和语音特征提取2010年前后的研究［9］即开始利

用人工智能研究帕金森病构音障碍，主要利用机器学习算法来分析帕金森

病患者的语音数据，将原始语音信号转化为机器学习模型可以理解的形式,

通过声学分析和模式识别，识别与健康人群的差异。语音信号处理是人工

智能在帕金森病构音障碍研究中的核心技术之一。例如，基频

(fndamentalfreqency)可以反映患者的音调控制能力及变异性；频

率微扰(reqencypertrbation)、振幅微扰(amplitdepertrbation)

及声门噪声比(glottal-to-noiseratio,GNR)可反映语音强度的不规

律性［2］(如颤抖和嘶哑)和呼吸声的异常［3］,提示声带功能障碍。在

帕金森病构音障碍研究中，常用非线性动态复杂度、信号分形缩放指数、

梅尔频率倒谱系数、线性预测编码系数(linearpredictivecoefficients)、

相对频谱变换感知线性预测系数，极端学习机(extremelearning

machine)＞决策树(decisiontree)、朴素贝叶斯(naiveBayes)、高

斯混合模型(Gassianmixtremodel)＞隐马尔可夫模型(hidden

Markovmodel)＞光梯度增强及逻辑回归(Logisticregression)等多

种学习模型于评估声学特征与帕金森病状态的关系[10-12]o

分(二类)算法及机器学习模型对语音特征提取后，使用机器学习算法对

提