Recherche sur la reconnaissance vocale pathologique basée sur XGBoost

Résumé

Ici, nous présentons un protocole pour établir un modèle d’IA non invasif basé sur XGBoost pour diagnostiquer les polypes des cordes vocales à l’aide de la base de données de Sarrebruck.

Résumé

Avec la croissance continue de la communication sociale humaine, le nombre de personnes souffrant de troubles de la voix augmente également. En raison des avantages objectifs et non invasifs des méthodes de détection acoustique pour la voix pathologique, l’utilisation de l’analyse du signal vocal pour la reconnaissance vocale pathologique est devenue un point chaud de recherche. Cet article a d’abord sélectionné 101 voyelles continues /a/ de la base de données allemande SVD comme objet de recherche. Deuxièmement, en utilisant la technologie des paquets d’ondelettes pour l’analyse temps-fréquence, quatre paramètres dynamiques non linéaires, à savoir l’entropie approximative, l’entropie de l’échantillon, l’entropie floue et l’entropie de permutation, sont extraits des sous-signaux comme ensemble de paramètres de caractéristiques pour le classificateur vocal pathologique. Enfin, l’algorithme d’apprentissage automatique XGBoost est sélectionné comme méthode de reconnaissance de motifs pour établir un classificateur vocal pathologique, et la performance de la classification est vérifiée à l’aide d’une validation croisée à cinq reprises et d’une courbe ROC. Les résultats expérimentaux ont montré que la précision du classificateur vocal pathologique de XGBoost est de 0,857, du score F1 de 0,875 et de la valeur AUC de 0,944, tous supérieurs au classificateur construit par SVM, indiquant que XGBoost présente de meilleures performances en reconnaissance vocale pathologique.

Introduction

Le nombre de personnes souffrant de troubles de la voix est en constante augmentation. Selon les statistiques, un tiers de la population rencontre des problèmes de voix à un moment donné de leur^{vie 1}. Pour les utilisateurs professionnels de la voix tels que les chanteurs et les enseignants, en raison de leur fréquente mauvaise utilisation et abus de leur voix, l’incidence des maladies de la gorge est plus élevée. Deux études ont mené des enquêtes auprès des enseignants à Tianjin et Urumqi, et les résultats ont montré que la probabilité de souffrir de troubles de la voix est de 33,81 % et 28,23 %, respectivement^{de 2,3}. En conséquence, l’accent est de plus en plus mis sur la détection et le diagnostic de la voix pathologique en pratique clinique. Actuellement, les méthodes d’évaluation subjective, l’examen de laryngoscopie et les méthodes de détection acoustique sont principalement utilisées pour le diagnostic des maladies de la voix en pratique^{clinique 4,5}. La méthode de détection acoustique convertit les signaux vocaux en signaux numériques pour la recherche, garantissant l’objectivité et évitant la douleur du patient lors de^{l’examen 6}. Ainsi, la détection acoustique est devenue un outil auxiliaire efficace pour les médecins dans le diagnostic clinique, et la recherche à ce sujet est en augmentation.

Les techniques les plus importantes pour diagnostiquer la voix pathologique utilisant des méthodes d’analyse acoustique sont l’extraction des caractéristiques et la reconnaissance de motifs. Depuis les années 1960, les chercheurs extraient certains paramètres acoustiques traditionnels pour l’étude de la voix pathologique, et ont trouvé de nombreux paramètres de caractéristiques acoustiques efficaces et robustes, tels que la perturbation de fréquence fondamentale, la perturbation d’amplitude et les coefficients cépstraux à la fréquence Mel (MFCC⁾⁷. Ces dernières années, les chercheurs se sont non seulement limités à l’étude des paramètres caractéristiques acoustiques traditionnels, mais des paramètres dynamiques non linéaires ont également commencé à être utilisés dans le domaine de la reconnaissance vocale^{pathologique 8}. Cela a aussi un très bon effet. Avec le développement rapide de l’apprentissage automatique, davantage de méthodes de reconnaissance de formes avec une vitesse de course rapide et de bonnes performances de classification ont émergé. Il existe également de plus en plus de méthodes de reconnaissance de motifs utilisées dans la reconnaissance vocale pathologique, telles que les machines à vecteurs de support (SVM), la forêt aléatoire, les réseaux de neurones, l’apprentissage^{profond 9,10}. XGBoost est une méthode de reconnaissance de motifs qui a attiré l’attention ces dernières^{années 11}. Il ne nécessite pas de normalisation des fonctionnalités et peut sélectionner les caractéristiques de manière autonome. Il peut s’adapter à diverses fonctions de perte et utilise des termes de régularisation pour éviter le surapprentissage. Il présente les caractéristiques de vitesse rapide, de portabilité et de tolérance aux pannes. Par conséquent, cet article tente d’appliquer la méthode XGBoost à la reconnaissance vocale pathologique afin d’obtenir de meilleurs résultats de reconnaissance.

Protocole

Le flux de travail technique de cette étude est illustré à la Figure 1.

1. Acquisition d’échantillons vocaux

1. Sourcez les données expérimentales du SVD en^{Allemagne 12}.
2. Obtenir 101 cas de données vocales /a/, dont 45 cas (19 hommes et 26 femmes) de patients polypes vocaux et 56 cas (28 hommes et 28 femmes) de personnes normales.

2. Décomposition par paquets d’ondelettes des données vocales¹³

1. Effectuer une recherche exhaustive sur trois ondelettes de Daubechies (db1, 3, 5) et trois profondeurs de décomposition (4, 6, 8 niveaux) à l’aide du logiciel MATLAB R2023a.
2. Utilisez une fréquence d’échantillonnage de 16 kHz, une décomposition par paquets en ondelettes db3 à quatre niveaux (WPD) pour partitionner le signal vocal en 16 sous-bandes (résolution 500 Hz chacune) (Figure 2).

3. Extraction des paramètres de caractéristiques

1. Extraire des séquences de coefficients discrets des 16 sous-bandes obtenues via un WPD à 4 niveaux par Python 3.10, servant de valeurs d’entrée pour toutes les équations d’entropie décrites ci-dessous.
   REMARQUE : Toutes les équations utilisées dans cette étude ont été dérivées d’algorithmes précédemment publiés (comme dans réferences) et n’ont pas été dérivées indépendamment.
2. Calculez l’entropie approximative pour les 16 séquences de sous-bandes WPD en utilisant la formule^{ci-dessous 14} :
   (1)
   (2)
   Cim (r)={d[X(i), X(j)]Paramètres : La dimension du motif m est choisie comme 2, et la tolérance de similarité r est choisie comme 0,1 à 0,25 fois l’écart-type¹⁴.
3. Calculez l’entropie de l’échantillon pour les 16 séquences de sous-bandes WPD en utilisant la formule^{ci-dessous 15} :
   (4)
   (5)
   B_i^m (r) = {d[X(i), X(j)]Paramètres : La dimension du motif m est choisie comme 1 ou 2, et la tolérance de similarité r est choisie comme 0,1 à 0,25 fois l’écart-type¹⁵.
4. Calculez la fonction d’appartenance floue avec la formule^{ci-dessous : 16} :
   (7)
5. Calculez l’entropie floue avec la formule^{ci-dessous de 17} :
   (8)
   (9)
   (10)
   Paramètres : La dimension du motif m est choisie comme 2, et la tolérance de similarité r est sélectionnée comme 0,15 fois l’écart-type.
6. Calculez l’entropie de permutation avec la formule^{ci-dessous de 18} :
   (11)
   Paramètres : La dimension du motif m est choisie comme 6, et le délai L = 2 a finalement été déterminé pour l’extraction par entropie par permutation.

4. Établissement du modèle

1. Divisez les échantillons vocaux des patients normaux et des patients présentant des polypes des cordes vocales en un jeu de données d’entraînement et un jeu de données de test avec un ratio de 8:2.
2. Utilisez le jeu de données d’entraînement pour l’ajustement des paramètres et l’entraînement du modèle, puis appliquez le classificateur résultant au jeu de données de test pour la classification des maladies.
3. Effectuez la procédure de modélisation SVM en utilisant Python 3.10.
   1. Confirmez la nature non linéaire des données en comparant les performances du noyau SVM. Les premiers tests avec un noyau linéaire ont donné une faible précision, tandis que le noyau de la fonction de base radiale (RBF) a considérablement amélioré les résultats de classification, démontrant que l’espace des caractéristiques nécessite une frontière de décision non linéaire.
   2. Utilisez les vecteurs de caractéristiques d’entropie en 16 dimensions (extraits via WPD) comme entrée pour le classificateur SVM. Implémentez un noyau RBF pour mapper les caractéristiques vocales non linéaires dans un espace de haute dimension.
   3. Effectuez une recherche en grille en Python (scikit-learn) pour identifier la combinaison optimale du coefficient de pénalité C et de la largeur du noyau γ pendant la phase d’entraînement. Évaluez chaque ensemble de paramètres en maximisant le taux de reconnaissance croisée.
   4. Entraînez le modèle SVM à partir d’échantillons vocaux provenant d’individus normaux et de patients atteints de polypes des cordes vocales. Utilisez les hyperparamètres optimaux obtenus à partir de la recherche en grille pour construire le modèle entraîné final.
   5. Appliquez le modèle entraîné à des échantillons de test invisibles. Chaque échantillon de test subit la même procédure d’extraction de la DPP et de l’entropie que les données d’entraînement. La SVM prédit l’étiquette binaire de la classe (polypes normaux vs. cordes vocales) en fonction de la position spatiale du vecteur de caractéristique de test par rapport à la frontière de décision optimisée.
4. Effectuez la modélisation XGBoost en utilisant Python 3.10.
   1. Utilisez une recherche en grille basée sur Python pour optimiser les hyperparamètres clés (y compris le taux d’apprentissage et la profondeur de l’arbre) pendant la phase d’entraînement. Évaluer plusieurs combinaisons de paramètres via une validation croisée afin d’identifier la configuration qui maximise la précision de la classification.
   2. Entraînez un classificateur binaire XGBoost en utilisant les seize caractéristiques d’entropie extraites des échantillons vocaux. Appliquer les hyperparamètres optimaux obtenus à partir de la recherche en grille pour construire le modèle final.
   3. Testez le modèle entraîné sur un ensemble de validation indépendant composé d’échantillons non vus. Cette étape évalue la capacité de généralisation du classificateur en évaluant ses performances sur des données non utilisées lors de l’entraînement.

5. Évaluation de la performance du modèle

1. Mener une méthode de validation croisée en cinq volets.
   1. Partitionnez aléatoirement le jeu de données vocal prétraité en cinq folds égaux. Utiliser quatre folds comme ensemble d’entraînement pour construire le modèle et utiliser le reste comme ensemble de validation pour l’évaluation des performances.
   2. Répétez ce processus cinq fois. Utilisez la moyenne des résultats des cinq itérations comme performance finale du modèle.
2. Obtenez la matrice de confusion.
   1. Générez la matrice de confusion en comparant les labels prédits du classificateur avec les étiquettes de base pour tous les échantillons de test selon les résultats de la validation croisée à cinq ans. Agrégez ces comparaisons individuelles dans un tableau de contingence en utilisant la bibliothèque Python scikit-learn pour quantifier les classifications correctes et incorrectes, comme indiqué dans le tableau 1.
3. Calculez la précision, la précision, la sensibilité et le score F1 pour décrire l’efficacité d’un modèle de classification. Les formules de calcul pertinentes sont les suivantes.
   Précision = (TP + TN)/(TP + TN + FP + FN)
   Précision = TP/(TP + FP)
   Sensibilité = Rappel = TPR = TP/(TP+ FN)
   F1 = (2 × Précision × rappel)/ (Précision + rappel)
   REMARQUE : Ces métriques (TP, TN, FP, FN) ont été dérivées des éléments de la matrice de confusion.
4. Décrivez la courbe ROC avec AUC.
   1. Tracez la courbe ROC pour visualiser le compromis entre le taux de vrais positifs (TPR) et le taux de faux positifs (FPR) sur tous les seuils de classification. Calculez l’aire sous la courbe (AUC) comme une métrique sommaire pour quantifier la capacité discriminative globale du modèle.
      REMARQUE : Une valeur AUC plus proche de 1 indique une probabilité plus élevée que le classificateur distingue correctement les individus normaux de ceux ayant des polypes des cordes vocales, indépendamment du seuil de décision spécifique.

Résultats

Dans cette étude, l’analyse par paquets d’ondelettes a été employée pour effectuer la décomposition temps-fréquence des signaux vocaux. En intégrant des paramètres dynamiques non linéaires — y compris l’entropie approximative, l’entropie de l’échantillon, l’entropie floue et l’entropie de permutation — les caractéristiques de complexité et d’irrégularité des voix pathologiques associées aux polypes des cordes vocales ont été systématiquement caractérisées. Deux classificateurs vocaux pat...

Discussion

Le diagnostic pathologique de la voix utilisant l’analyse du signal de la parole représente une approche non invasive et objective¹⁹. Par conséquent, la classification de la voix pathologique est devenue un axe de recherche majeur dans le traitement et la reconnaissance du signal vocal, démontrant une valeur d’application clinique substantielle et des perspectives de développement²⁰. Cette étude a utilisé des échantillons de parole prélevés...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
MATLAB  ;	The MathWorks	R2023a	Plateforme logicielle principale pour le calcul numérique et le prototypage d’algorithmes.
Logiciels Python	Fondation Python Software	Python 3.10	Langage de programmation de base utilisé tout au long de l’étude.
Base de données vocale de Sarrebruecken, SVD	Institut de phonétique, Université de la Sarre	Sarrebru ; Base de données vocale cken (SVD)	Base de données publique des enregistrements vocaux pathologiques et normaux. Contient des voyelles soutenues et un langage continu provenant de sujets présentant des pathologies comprenant des polypes des cordes vocales, ainsi que des témoins sains. Utilisé pour la recherche académique selon ses conditions d’accès spécifiées.