ANALISI DELLE CARATTERISTICHE VOCALI E DI TECNICHE DI MACHINE LEARNING PER LA DIAGNOSI DEL MORBO DI PARKINSON

Il morbo di Parkinson è una patologia neurodegenerativa caratterizzata da un’ampia varietà di manifestazioni cliniche, che possono interessare non soltanto le funzioni motorie, ma anche la produzione e la qualità della voce. Le alterazioni vocali, spesso associate a fenomeni quali ipofonia, ridotta variabilità della frequenza fondamentale e modificazioni delle caratteristiche temporali e spettrali del segnale, possono pertanto rappresentare una fonte di informazioni utile ai fini della caratterizzazione della patologia, motivo per cui l’analisi computazionale del segnale vocale si configura come un approccio non invasivo e potenzialmente applicabile allo sviluppo di strumenti di supporto alla diagnosi e al monitoraggio della malattia. Il presente lavoro di tesi si propone di analizzare le caratteristiche del segnale vocale associate al morbo di Parkinson attraverso tecniche di elaborazione digitale del segnale e di estrazione automatica di caratteristiche acustiche. Dopo aver introdotto il ruolo dei segnali biomedici quali possibili biomarcatori delle malattie neurodegenerative e approfondito le caratteristiche fisiologiche e acustiche della voce, viene esaminato il segnale vocale nel contesto del morbo di Parkinson, con particolare attenzione alle principali alterazioni che possono emergere nelle registrazioni vocali dei soggetti affetti. La parte sperimentale è sviluppata mediante MATLAB, attraverso una procedura di elaborazione applicata alle registrazioni vocali appartenenti alle diverse classi considerate. I segnali vengono inizialmente acquisiti e sottoposti a pre-processing e filtraggio, al fine di attenuare le componenti indesiderate e ottenere una rappresentazione maggiormente idonea alle successive analisi; poi, per ciascun segnale vengono estratte caratteristiche di natura temporale, spettrale e statistica; esse vengono analizzate sia sui segnali originali sia sui segnali filtrati, consentendo di effettuare un confronto tra le due condizioni e di esaminare le differenze riscontrabili tra i gruppi di soggetti considerati. I risultati sono rappresentati mediante opportune analisi statistiche e grafiche, quali valori medi, deviazioni standard, intervalli di variazione, istogrammi e boxplot, con l’obiettivo di individuare le caratteristiche maggiormente informative nella discriminazione dei diversi gruppi. Sulla base delle caratteristiche estratte e dei risultati dell’analisi comparativa, il lavoro si sviluppa infine verso l’impiego di tecniche di Machine Learning per la classificazione dei segnali vocali, con l’obiettivo di valutare la capacità delle caratteristiche acustiche considerate di contribuire al riconoscimento automatico dei soggetti appartenenti alle diverse classi. Nel complesso, lo studio intende evidenziare il potenziale dell’analisi automatizzata del segnale vocale come strumento di supporto allo studio del morbo di Parkinson, integrando l’elaborazione del segnale con metodologie di apprendimento automatico.