Procesamiento de señales de voz para la clasificación de la enfermedad de Parkinson utilizando redes neuronales convolucionales

Abstract

La enfermedad de Parkinson es un desorden neurodegenerativo del sistema nervioso, de causa desconocida, y curso crónico, progresivo e irreversible. Si bien aún no se conoce una cura, existen tratamientos que pueden mejorar significativamente la calidad de vida de los pacientes, si su detección es temprana. La enfermedad generalmente se diagnostica en etapas tardías, estando aproximadamente un 60% de las neuronas degeneradas, de modo que al iniciar la terapia la probabilidad de detener el progreso de la enfermedad es improbable. Los síntomas más comunes son la aparición de temblores y rigidez muscular. Debido a la rigidez de los músculos se producen alteraciones de la voz las cuales tienen gran potencial para el diagnóstico no invasivo y precoz de la enfermedad. El bajo costo de este diagnóstico en comparación con los estudios clínicos lo haría accesible a un mayor número de personas. En este trabajo se presentan los avances del proyecto “Procesamiento de Señales de Voz para la Clasificación de la Enfermedad de Parkinson Usando Herramientas Tecnológicas”. Se aplicaron distintos modelos de aprendizaje profundo para la clasificación de enfermos de Parkinson y no enfermos utilizando espectrogramas de las señales de voz. Se logró una precisión del 95.65% en la clasificación.