Work

Redes neuronales generativas adversarias para la ayuda a la detección de patologías relacionadas con la voz

Year: 2025
Type: dissertation
Abstract: La enfermedad de Parkinson (EP) afecta a millones de personas en todo el mundo y su diagnóstico temprano sigue siendo un reto clínico, especialmente en etapas iniciales donde los síntomas motores aún no son evidentes. Dado que la voz puede reflejar alteraciones asociadas a la EP, este Trabajo Fin de Máster explora un enfoque automatizado y no invasivo basado en el análisis directo de señales de audio para detectar posibles indicios de la enfermedad. El trabajo propone una solución innovadora basada en redes generativas adversarias (GANs) para sintetizar nuevas muestras de voz a partir de grabaciones reales de la vocal /e/ pertenecientes al corpus PC-GITA, con el objetivo de aumentar el conjunto de datos disponible y mejorar el entrenamiento de modelos clasificadores. En particular, se emplea el vocoder QGAN, una arquitectura eficiente basada en convoluciones cuaterniónicas, capaz de generar audios sintéticos realistas con una huella computacional reducida. Posteriormente, se entrenan cinco modelos de clasificacion profunda (ResNet-1D, LSTM-FCN, InceptionTime, CDIL-CNN y TimesNet), todos diseñados para procesar directamente la forma de onda como serie temporal univariante, sin necesidad de extraer características manualmente ni transformar el audio en espectrogramas. Cada modelo se evalúa en dos escenarios: con y sin el uso de audios sintéticos. Los resultados demuestran que la inclusión de datos generados por GAN permite una mejora relevante del rendimiento en la mayoría de los modelos, especialmente en aquellos que inicialmente eran más sensibles al tamaño reducido del conjunto de audios real. Aunque el enfoque sobre la forma de onda aún no alcanza la precisión de métodos basados en representaciones tiempo-frecuencia, los resultados son prometedores y confirman el potencial de esta línea de investigación hacia el desarrollo de herramientas de diagnóstico más accesibles, escalables, objetivas y fiables. --ABSTRACT-- Parkinson’s disease (PD) affects millions of people worldwide, and its early diagnosis remains a clinical challenge. Particularly in the initial stages, when motor symptoms are not yet apparent. Because speech can reveal alterations associated with PD, this Master’s Thesis investigates an automated and non-invasive approach that relies on the direct analysis of raw audio signals to detect early signs of the disease. The study introduces an innovative data-augmentation pipeline based on generative adversarial networks (GANs). Using real recordings of the sustained vowel /e/ from the PC-GITA corpus, the QGAN vocoder, an efficient quaternion-convolution architecture, synthesizes realistic speech samples while keeping the computational footprint low. Five deep-learning classifiers (ResNet-1D, LSTM-FCN, InceptionTime, CDIL-CNN and TimesNet) are then trained on raw waveforms treated as univariate time series, removing the need for hand-crafted features or spectrogram conversion. Each model is evaluated under two conditions: with and without the GAN-generated data. Results show that injecting synthetic audio leads to a substantial performance boost in most models, especially those initially hampered by the limited size of the real dataset. Although waveform-based classification still falls short of the accuracy achieved with time–frequency representations, the findings are promising and underscore the potential of combining GAN-driven augmentation with end-to-end models to develop diagnostic tools that are more accessible, scalable, objective and reliable.
Source: Hispana
Language: Spanish
Open Access status: green
OpenAlex ID: W7083341648
Cites: 63
Cited by:
Related to: 10