Detección de Parkinson a Través de la Voz con IA

Inspiration

La enfermedad de Parkinson es la segunda enfermedad neurodegenerativa más común en adultos mayores de sesenta. La creciente expectativa de vida hace que nuevos sistemas de diagnóstico sean desarrollados, esto con la finalidad de una detección temprana y una reducción en las visitas médicas requeridas para su monitoreo

What it does

El usuario graba directo en el software un audio de alrededor de 3 diciendo /a/ de manera sostenida y homogénea. Con uso de inteligencia artificial se realiza una estimación sobre si el usuario presenta Parkinson o no.

How we built it

Se utilizó una base de datos que contiene información que relaciona las señales acústicas de la voz de personas que tienen Parkinson y personas que no. Con ella, primero se seleccionó un subconjunto de características correspondientes a la técnica de Mel-frequency cepstral coefficients (MFCC). Se entrenaron modelos de clasificación lineales, no lineales y lógicos para poder predecir la presencia del Parkinson basado en el subconjunto mencionado. Una vez que los modelos estaban listos, se desarrolló un programa que transforma una grabación de audio en los coeficientes numéricos del MFCC para poder clasificarlos utilizando los modelos. Finalmente, se desarrolló un front-end en el que se puede grabar el audio, procesarlo, clasificarlo y proporcionarle información al usuario sobre la enfermedad.

Challenges we ran into

Los retos a los que nos enfrentamos fueron:

Encontrar una base de datos adecuada para trabajar, entender esta base de datos y las transformaciones matemáticas que se realizan para llegar a los coeficientes en la base.
Adecuar las grabaciones de voz para asegurar que funcionaran de la misma forma que los usados para crear la base de datos.
Dificultades al desarrollar el programa para pre-procesar el audio del usuario antes de clasificarlo.
La elección de modelos de clasificación que mejor se adecuaran a la base de datos y nos proporcionaran una exactitud más alta.

Accomplishments that we're proud of

Logramos:

Apoyarnos de una investigación teórica de doctorado y convertir este conocimiento teórico en una herramienta que puede ser utilizada por personas alrededor de todo el mundo.
Crear un programa que convierte el audio en coeficientes utilizables por modelos de clasificación.

What we learned

La exportación de modelos para optimizar el tiempo de ejecución del programa.
Sobre la técnica MFCC para extracción de características de señales de audio y sobre pre-procesamiento de señales.
Terminología técnica tanto de la enfermedad de Parkinson como de procesamiento de señales.

-Extracción y manipulación de datos de audio

What's next for Detección de Parkinson a Través de la Voz con IA

Considerar otras transformaciones y métodos para extracción de características de los audios.
Incluir otros atributos generales sobre la persona que puedan influir en el diagnóstico (como la edad)
Conectar nuestro programa con clasificación de encefalogramas para proporcionar diagnósticos más completos.
Conseguir equipo profesional de grabación de audio para asegurar la calidad de los datos con los que se trabaja
Utilizar modelos mas avanzados y sofisticados de clasificación con hardware más capaz y robusto.
Desarrollar un front-end mas accesible y desplegarlo para proporcionas acceso a todas las personas que les interese el parkinson