알츠하이머병(Alzheimer’s disease, AD)과 파킨슨병(Parkinson’s disease, PD)은 고령층에서 흔히 나타나는 신경퇴행성 질환으로, 인지 저하와 운동 장애를 초래한다. 인구가 고령화됨에 따라 이러한 신경퇴행성 질환의 유병률도 증가하고 있으며, 이는 해당 분야에 대한 활발한 연구의 동기를 제공한다. 그러나 대부분의 연구는 뇌 영상 기반으로 수행되고 있으며, 음성 데이터를 활용하는 연구는 상대적으로 적다. 음성 데이터는 뇌 영상 분석에 비해 접근성 측면에서 이점을 제공한다. 본 연구는 Mel spectrogram과 Convolutional Neural Networks(CNN)을 활용하는 새로운 앙상블 기반 분류 모델을 제안하여, 건강한 개인(NM)과 AD 및 PD 환자를 구별한다. 표준화된 조건 하에 총 700개의 음성 샘플을 수집하여 데이터의 신뢰성과 다양성을 확보하였다. 제안된 3자 분류 알고리즘은 다수결 투표 앙상블 전략을 통해 이진 CNN 분류기의 예측을 통합한다. 모델 개발에는 ResNet, DenseNet, EfficientNet 아키텍처를 사용하였다. 실험 결과, ResNet 기반 앙상블 모델은 가중 F1 점수 91.31%를 달성하여 기존 접근법에 비해 우수한 성능을 보였다. 우리가 아는 한, 본 연구는 음성 데이터를 이용하여 신경퇴행성 질환을 3개 범주로 분류하는 최초의 대규모 연구이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.