Análisis acústico de la voz en la enfermedad de Parkinson: integración de la Teoría de Valores Extremos en modelos de clasificación
E. T. López Sanjuán, M. Martínez Pizarro, D. F. Merino Delgado, M. I. Parra Arévalo
La enfermedad de Parkinson afecta significativamente a la voz de los pacientes, convirtiéndola en una fuente de biomarcadores no invasivos para su detección. En este trabajo se propone utilizar algoritmos de aprendizaje automático para clasificar pacientes basándose en el análisis acústico de la voz, combinando características clásicas, como la entropía de Shannon, los coeficientes MFCC, etc., con características derivadas de la Teoría de Valores Extremos (EVT) aplicada sobre los espectrogramas de los audios. La EVT permite modelar los comportamientos más extremos de la distribución espectral mediante la distribución de Gumbel y la distribución de Pareto Generalizada. Los parámetros de ambas distribuciones se incorporan como nuevas variables predictoras en los modelos de clasificación binaria. Los resultados sugieren que estas características extremales suponen una mejora en la capacidad de clasificación respecto al uso exclusivo de las características acústicas clásicas.
Palabras clave: Enfermedad de Parkinson, Teoría de Valores Extremos, Aprendizaje Automático
Programado
Aprendizaje Automático y Métodos Estadísticos
2 de septiembre de 2026 15:30
Aula 20
Otros trabajos en la misma sesión
M. Ávila, D. Peña, A. M. Alonso
D. F. Merino Delgado, A. Mateos Caballero, C. J. Pérez Sánchez
A. Mancuso, A. Iodice D'Enza, F. Palumbo, R. Simone