Vocal Biomarkers: Deep Learning übertrifft klassische ML bei Parkinson‑Diagnose
Eine neue Studie zeigt, dass Deep Neural Networks (DNNs) die Erkennung von Parkinson‑Krankheit anhand von Sprachsignalen deutlich verbessern können. Durch die Analyse von Mel‑Frequency Cepstral Coefficients (MFCCs) aus zwei öffentlich verfügbaren Sprachdatensätzen konnte ein DNN mit einer durchschnittlichen Genauigkeit von 98,65 % im italienischen Voice‑Dataset und 92,11 % im Parkinson’s Telemonitoring Dataset die Leistung traditioneller Machine‑Learning‑Modelle übertreffen.
