מאמר שיטה

מחקר על זיהוי קול פתולוגי המבוסס על XGBoost

DOI:

10.3791/68784

⸱

29 במאי 2026

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Otorhinolaryngology, The First Affiliated Hospital with Nanjing Medical University, 2Key Laboratory of Brain-Machine Intelligence Technology, Ministry of Education, Nanjing University of Aeronautics and Astronautics, 3Department of Allergology & Clinical Allergy Center, The First Affiliated Hospital with Nanjing Medical University

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כאן אנו מציגים פרוטוקול להקמת מודל AI לא פולשני מבוסס XGBoost לאבחון פוליפים במיתרי הקול באמצעות מאגר הנתונים של Saarbrücken.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עם הצמיחה המתמשכת של התקשורת החברתית האנושית, מספר האנשים הסובלים מהפרעות קול גם הוא עולה. בשל היתרונות האובייקטיביים והלא פולשניים של שיטות זיהוי אקוסטי לקול פתולוגי, השימוש בניתוח אותות דיבור לזיהוי קול פתולוגי הפך למוקד מחקרי. מאמר זה בחר תחילה 101 תנועות רציפות /a/ מתוך מאגר SVD הגרמני כמטרת מחקר. שנית, באמצעות טכנולוגיית חבילות גל לניתוח זמן-תדר, מופקים ארבעה פרמטרים דינמיים לא ליניאריים, כלומר אנטרופיה מקורבת, אנטרופיה מדגימה, אנטרופיה מטושטשת ואנטרופיית פרמוטציה, מתת-אותות כסט פרמטרי התכונה למסווג הקול הפתולוגי. לבסוף, אלגוריתם למידת המכונה XGBoost נבחר כשיטת זיהוי דפוסים להקמת מסווג קול פתולוגי, וביצועי הסיווג מאומתים באמצעות אימות צולב חמש פעמים ועקומת ROC. תוצאות ניסוי הראו כי דיוק מסווג הקול הפתולוגי של XGBoost הוא 0.857, ציון F1 הוא 0.875, וערך AUC הוא 0.944, כולם גבוהים יותר מהמסווג שנבנה על ידי SVM, מה שמעיד כי ל-XGBoost יש ביצועים טובים יותר בזיהוי קולי פתולוגי.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מספר האנשים הסובלים מהפרעות קול הולך וגדל כל הזמן. לפי סטטיסטיקה, שליש מהאוכלוסייה חווה בעיות קול בשלב כלשהו בחייהם1. אצל משתמשי קול מקצועיים כמו זמרים ומורים, בשל השימוש הלא נכון וההתעללות התכופה בקולם, שיעור המחלות בגרון גבוה יותר. שני מחקרים ערכו סקרים על מורים בטיאנג'ין ואורומצ'י, והתוצאות הראו כי הסיכוי לסבול מהפרעות קול הוא 33.81% ו-28.23%, בהתאמה, 2,3. כתוצאה מכך, יש דגש גובר על זיהוי ואבחון קול פתולוגי בפרקטיקה הקלינית. כיום, שיטות הערכה סובייקטיביות, בדיקת לרינגוסקופיה ושיטות זיהוי אקוסטיות משמשות בעיקר לאבחון מחלות קול בפרקטיקה קלינית 4,5. שיטת זיהוי אקוסטי ממירה אותות קול לאותות דיגיטליים למחקר, ומבטיחה אובייקטיביות ומונעת כאב מטופל במהלך הבדיקה6. לכן, גילוי אקוסטי הפך לכלי עזר יעיל לרופאים באבחון קליני, והמחקר עליו הולך וגובר.

הטכניקות החשובות ביותר לאבחון קול פתולוגי באמצעות שיטות ניתוח אקוסטי הן חילוץ תכונות וזיהוי דפוסים. מאז שנות ה-60, חוקרים חילצו פרמטרים אקוסטיים מסורתיים לחקר קול פתולוגי, ומצאו פרמטרים רבים של תכונות אקוסטיות יעילות ועמידות, כגון הפרעות תדר יסודיות, הפרעות משרעת, ומקדמי קפסטרל בתדר מל (MFCC)7. בשנים האחרונות, החוקרים לא רק הגבילו את עצמם ללימוד פרמטרי מאפיינים אקוסטיים מסורתיים, אלא שפרמטרים דינמיים לא ליניאריים החלו לשמש גם בתחום זיהוי קול פתולוגי8. יש לזה גם אפקט מאוד טוב. עם ההתפתחות המהירה של למידת מכונה, צצו שיטות זיהוי דפוסים נוספות עם מהירות ריצה גבוהה וביצועי סיווג טובים. יש גם יותר ויותר שיטות זיהוי דפוסים המשמשות בזיהוי קולי פתולוגי, כגון מכונות וקטור תמיכה (SVM), יערות אקראיים, רשתות עצביות, למידה עמוקה 9,10. XGBoost היא שיטת זיהוי דפוסים שזכתה לתשומת לב בשנים האחרונות11. הוא אינו דורש נורמליזציה של תכונות ויכול לבחור תכונות בעצמו. הוא יכול להסתגל לפונקציות אובדן שונות ומשתמש במונחי רגולריזציה כדי למנוע התאמת יתר. יש לו תכונות של מהירות גבוהה, ניידות וסבילות לתקלות. לכן, מאמר זה מנסה ליישם את שיטת XGBoost לזיהוי קול פתולוגי כדי להשיג תוצאות זיהוי טובות יותר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

תהליך העבודה הטכני של מחקר זה מוצג באיור 1.

1. רכישת דגימות קול

  1. מקור את נתוני הניסוי מה-SVD בגרמניה12.
  2. קבלו 101 מקרים של נתוני תנועה /a/קול, כולל 45 מקרים (19 גברים ו-26 נשים) של חולי פוליפ קולי ו-56 מקרים (28 גברים ו-28 נשים) של אנשים תקינים.

2. פירוק חבילות גל של נתוני קול13

  1. בצע חיפוש ממצה על פני שלושה גלי דובשי (db1, 3, 5) ושלושה עומקי פירוק (4, 6, 8 רמות) באמצעות תוכנת MATLAB R2023a.
  2. השתמש בקצב דגימה של 16 קילוהרץ, בפירוק חבילות גל ב-db3 בארבעה רמות (WPD) כדי לחלק את אות הדיבור ל-16 תת-תחומים (רזולוציה של 500 הרץ כל אחד) (איור 2).

3. חילוץ פרמטר מאפיין

  1. חלץ רצפי מקדמים בדידים מתוך 16 תת-התחומים שהושגו באמצעות WPD ב-4 רמות על ידי פייתון 3.10, המשמשים כערכי קלט לכל משוואות האנטרופיה המתוארות להלן.
    הערה: כל המשוואות ששימשו במחקר זה נגזרו מאלגוריתמים שפורסמו בעבר (כמו ב-references) ולא נגזרו באופן עצמאי.
  2. חשב את האנטרופיה המשוערת עבור רצפי תת-הפס של 16 WPD באמצעות הנוסחה שלהלן14:
    figure-protocol-1(1)
    figure-protocol-2(2)
    Cim (r)={d[X(i), X(j)]פרמטרים: ממד התבנית m נבחר כ-2, וסובלנות הדמיון r נבחרת כ-0.1 עד 0.25 כפול סטיית התקן14.
  3. חשב את האנטרופיה של המדגם עבור רצפי תת-הפס של 16 WPD באמצעות הנוסחה מתחתל-15:
    figure-protocol-3(4)
    figure-protocol-4(5)
    Bim (r) = {d[X(i), X(j)]פרמטרים: ממד התבנית m נבחר כ-1 או 2, וסבילות הדמיון r נבחרת כ-0.1 עד 0.25 כפול סטיית התקן15.
  4. חשב פונקציית חברות מטושטשת עם הנוסחה מתחתל-16:
    figure-protocol-5(7)
  5. חשב את האנטרופיה המטושטשת עם הנוסחה מתחתל-17:
    figure-protocol-6(8)
    figure-protocol-7(9)
    figure-protocol-8(10)
    פרמטרים: ממד התבנית m נבחר כ-2, וסובלנות הדמיון r נבחרת כ-0.15 כפול סטיית התקן.
  6. חשב את אנטרופיית הפרמוטציה עם הנוסחה מתחתל-18:
    figure-protocol-9(11)
    פרמטרים: ממד התבנית m נבחר כ-6, והשהיית זמן L = 2 נקבעה בסופו של דבר להפקת אנטרופיית פרמוטציה.

4. הקמת דגם

  1. חלק דגימות קול בין מטופלים רגילים ומטופלים עם פוליפים במיתרי הקול למאגר נתוני אימון ומערך בדיקות ביחס של 8:2.
  2. השתמש במאגר הנתונים של האימון לכיוון פרמטרים והכשרת מודלים, ואז יישם את המסווג המתקבל על מאגר הנתונים של הבדיקה לסיווג מחלות.
  3. בצע את תהליך מידול ה-SVM באמצעות Python 3.10.
    1. אשר את האופי הלא-ליניארי של הנתונים על ידי השוואת ביצועי ליבת SVM. בדיקות ראשוניות עם גרעין ליניארי הניבו דיוק נמוך, בעוד שגרעין פונקציית הבסיס הרדיאלי (RBF) שיפר משמעותית את תוצאות הסיווג, והראה כי מרחב התכונות דורש גבול החלטה לא ליניארי.
    2. השתמשו בווקטורי תכונות האנטרופיה ב-16 ממדים (המופקים באמצעות WPD) כקלט עבור מסווג SVM. מימוש גרעין RBF כדי למפות את תכונות הקול הלא-ליניאריות למרחב רב-ממדי.
    3. בצע חיפוש רשת באמצעות פייתון (scikit-learn) כדי לזהות את השילוב האופטימלי של מקדם העונש C ורוחב הליבה γ במהלך שלב האימון. העריך כל קבוצת פרמטרים על ידי מקסום קצב הזיהוי של אימות צולב.
    4. אימנו את מודל ה-SVM באמצעות דגימות קול מאנשים רגילים ומטופלים עם פוליפים במיתרי הקול. השתמשו בהיפרפרמטרים האופטימליים שהתקבלו מחיפוש הרשת כדי לבנות את המודל הסופי המאומן.
    5. החלו את המודל המאומן על דגימות בדיקה שלא נראו. כל דגימה עוברת את אותו תהליך חילוץ WPD ואנטרופיה כמו נתוני האימון. ה-SVM חוזה את תווית המחלקה הבינארית (פוליפים נורמליים מול מיתרי קול) בהתבסס על המיקום המרחבי של וקטור תכונת הבדיקה ביחס לגבול ההחלטה האופטימלי.
  4. בצע הליך מידול XGBoost באמצעות Python 3.10.
    1. השתמש בחיפוש רשת מבוסס פייתון כדי לאופטימיזציה של היפרפרמטרים מרכזיים (כולל קצב למידה ועומק עץ) במהלך שלב האימון. הערכו שילובי פרמטרים מרובים באמצעות אימות הדדי כדי לזהות את התצורה שממקסמת את דיוק הסיווג.
    2. למד מסווג XGBoost בינארי באמצעות שש עשרה תכונות האנטרופיה שמופקות מדגימות קול. מיישמים את ההיפרפרמטרים האופטימליים שהתקבלו מחיפוש הרשת כדי לבנות את המודל הסופי.
    3. בדקו את המודל המאומן על סט אימות עצמאי המורכב מדגימות בלתי נראות. שלב זה מעריך את יכולת ההכללה של המסווג על ידי הערכת ביצועיו על נתונים שלא שימשו במהלך האימון.

5. הערכת ביצועי המודל

  1. בצע שיטת אימות הדדית חמש-שכלית.
    1. חלק את מאגר הקול המעובד מראש באקראי לחמישה קיפולים שווים. השתמשו בארבעה קיפולים כסט האימון לבניית המודל, והשתמשו בקיפול הנותר כסט אימות להערכת ביצועים.
    2. חזור על התהליך הזה חמש פעמים. השתמשו בממוצע התוצאות מחמש האיטרציות כביצועי המודל הסופיים.
  2. השגת מטריצת הבלבול.
    1. יצר את מטריצת הבלבול על ידי השוואת התוויות החזויות של המסווג עם תוויות האמת הבסיסית עבור כל דגימות הבדיקה בהתאם לתוצאות האימות הצולב החמשתיות. אגד את ההשוואות האישיות הללו לטבלת תלויה באמצעות ספריית scikit-learn של פייתון כדי לכמת סיווגים נכונים ושגויים, כפי שמוצג בטבלה 1.
  3. חשב דיוק, דיוק, רגישות וציון F1 כדי לתאר את יעילות מודל הסיווג. נוסחאות החישוב הרלוונטיות הן כדלקמן.
    דיוק = (TP + TN)/(TP + TN + FP + FN)
    דיוק = TP/(TP + FP)
    רגישות = שחזור = TPR = TP/(TP+ FN)
    F1 = (2 × דיוק × קריאה)/ (דיוק + קריאה)
    הערה: מדדים אלו (TP, TN, FP, FN) נגזרו מאלמנטים של מטריצת הבלבול.
  4. תאר את עקומת ה-ROC עם AUC.
    1. צייר את עקומת ה-ROC כדי להמחיש את הפשרה בין שיעור החיובי האמיתי (TPR) לשיעור החיובי השגוי (FPR) בכל ספי הסיווג. חשב את השטח מתחת לעקומה (AUC) כמדד סיכום לכימות את יכולת ההבחנה הכוללת של המודל.
      הערה: ערך AUC הקרוב יותר ל-1 מצביע על הסתברות גבוהה יותר שהמסווג מבחין נכון בין אנשים רגילים לאלו עם פוליפים במיתרי הקול, ללא תלות בסף ההחלטה הספציפי.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

במחקר זה נעשה שימוש בניתוח חבילות גל לביצוע פירוק זמן-תדר של אותות קול. על ידי שילוב פרמטרים דינמיים לא ליניאריים — כולל אנטרופיה משוערת, אנטרופיה מדגימה, אנטרופיה מטושטשת ואנטרופיה פרמוטציה — אופיינו באופן שיטתי תכונות המורכבות והאי-סדירות של קולות פתולוגיים הקשורים לפוליפים במיתרי קול. לאחר מכן נבנו שני מסווגי קול פתולוגיים בהתבסס על אלגוריתם מכונת וקטור התמיכה (SVM) ואלגוריתם XGBoost, בהתאמה. באמצעות גישת חיפוש רשת, זוהו תצורות הפרמטרים האופטימליות לכל מודל, כפי שמפורט בטבלה 2...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

אבחון קול פתולוגי באמצעות ניתוח אותות דיבור מייצג גישה לא פולשנית ואובייקטיבית19. כתוצאה מכך, סיווג קול פתולוגי הפך למוקד מחקר משמעותי בעיבוד וזיהוי אותות דיבור, והדגים ערך יישום קליני משמעותי וסיכויי התפתחות20. מחקר זה השתמש בדגימות דיבור שנאספו מ-SVD כקורפוסים ניסיוניים. באמצעות עיבוד אותות דיבור וטכניקות למידת מכונה, הוקם מסווג קול פתולוגי.

כדי להבטיח את שימור מאפייני האות המקומיים, אומצה טרנספורמציית חבילת גל...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מצהירים שאין להם אינטרסים מתחרים.

תודות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

העבודה נתמכה על ידי פרויקט שיפור יכולות בית החולים של מחוז ג'יאנגסו (JSPH-MC-2023-12). המחברים רוצים להודות לפרופסור חבר שאן לי מבית הספר לכלכלה וניהול, ולצוות המעבדה המרכזית לטכנולוגיית בינה מוח-מכונה (משרד החינוך) באוניברסיטת נאנג'ינג לאווירונאוטיקה ואסטרונאוטיקה, על ההכוונה שלהם במתודולוגיה, ניתוח נתונים ויצירת דמויות. תרומות אלו הבטיחו התקדמות חלקה של המחקר הזה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
MATLAB ה-MathWorksR2023aפלטפורמת תוכנה ראשית לחישוב נומרי ופרוטוטייפינג של אלגוריתמים.
תוכנת פייתוןקרן התוכנה של פייתוןפייתון 3.10שפת התכנות המרכזית ששימשה לאורך כל המחקר.
Saarbruecken Voice Database,SVDמכון הפונטיקה, אוניברסיטת סארלנדSaarbrü מאגר הקול cken (SVD)מאגר נתונים זמין לציבור של הקלטות קול פתולוגיות ותקינות. מכיל תנועות מתמשכות ודיבור רציף של נבדקים עם מצבים כמו פוליפים במיתרי הקול, וכן בקרות בריאות. משמש למחקר אקדמי תחת תנאי הגישה שנקבעו.

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Byeon, H. The risk factors related to voice disorder in teachers: a systematic review and meta-analysis. Int J Environ Res Public Health. 16 (19), 3675(2019).
  2. Fu, D. H., et al. The prevalence and risk factors for 47796 teachers of Tianjin middle school elementary school and kindergartens. J Audiol Speech Pathol. 24 (6), 559-564 (2016).
  3. Han, Y., et al. Urumqi 11689 secondary school teachers of throat disease investigation. Lin Chuang Er Bi Yan Hou Tou Jing Wai Ke Za Zhi. 26 (7), 302-305 (2012).
  4. Xu, W. The pathway to standardization in the diagnosis and treatment of voice disorders. Zhonghua Er Bi Yan Hou Tou Jing Wai Ke Za Zhi. 58 (Z1), 92-98 (2023).
  5. Reghunathan, S., et al. Components of voice evaluation. Otolaryngol Clin North Am. 52 (4), 589-595 (2019).
  6. Ulozaite-Staniene, N., et al. Exploring the feasibility of the combination of acoustic voice quality index and glottal function index for voice pathology screening. Eur Arch Otorhinolaryngol. 276 (6), 1737-1745 (2019).
  7. Liu, B., et al. Acoustic character governing variation in normal, benign, and malignant voices. Folia Phoniatr Logop. 77 (2), 137-146 (2025).
  8. Zhang, F., et al. Nonlinear dynamic analysis and perturbation measurement used for discriminating pathological voices and their correlations with perceptual evaluation. J Voice. , (2024).
  9. Peng, X., et al. Voice disorder classification using convolutional neural network based on deep transfer learning. Sci Rep. 13 (1), 7264(2023).
  10. Syed, S. A., et al. Inter classifier comparison to detect voice pathologies. Math Biosci Eng. 18 (3), 2258-2273 (2021).
  11. Yuan, Z. N., et al. A predictive model for hospital death in cancer patients with acute pulmonary embolism using XGBoost machine learning and SHAP interpretation. Sci Rep. 15 (1), 18268(2025).
  12. Barry, W. J., Pütze, M. Saarbrucken voice database. , Available from: http://www.stimmdatenbank.coli.uni-saarland.de/ (2025).
  13. Yang, S. M., et al. Research on multi-source signal recognition algorithm based on wavelet packet analysis. Comput Simul. 41 (12), 418-423 (2024).
  14. Pincus, S. M. Approximate entropy as a measure of system complexity. Proc Natl Acad Sci U S A. 88 (6), 2297-2301 (1991).
  15. Richman, J. S., Moorman, J. R. Physiological time-series analysis using approximate entropy and sample entropy. Am J Physiol Heart Circ Physiol. 278 (6), H2039-H2049 (2000).
  16. Zadeh, L. A. Fuzzy sets. Inf Control. 8 (3), 338-353 (1965).
  17. Chen, W., et al. Characterization of surface EMG signal based on fuzzy entropy. IEEE Trans Neural Syst Rehabil Eng. 15 (2), 266-272 (2007).
  18. Bandt, C., Pompe, B. Permutation entropy: a natural complexity measure for time series. Phys Rev Lett. 88 (17), 174102(2002).
  19. Lopes, L. W., et al. Accuracy of acoustic analysis measurements in the evaluation of patients with different laryngeal diagnoses. J Voice. 31 (3), 382.e15-382.e26 (2017).
  20. Pham, T. D., et al. Diagnosis of pathological speech with streamlined features for long short-term memory learning. Comput Biol Med. 170, 107976(2024).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

XGBoostROC

מאמרים קשורים