Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson
- Autores
- Suárez, Marta Eugenia; Aubin, Verónica I.; Guatelli, Renata
- Año de publicación
- 2026
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La detección temprana de la enfermedad de Parkinson continúa siendo un desafío clínico relevante, lo que motiva la búsqueda de métodos objetivos, no invasivos y de bajo costo basados en el análisis de la voz. En este contexto, la señal vocal constituye un biomarcador accesible capaz de reflejar alteraciones sutiles detectables mediante técnicas de aprendizaje profundo. Este trabajo presenta una línea de investigación orientada a evaluar el desempeño de modelos de clasificación automática basados en redes neuronales convolucionales aplicadas a distintas representaciones espectrales de señales de voz. El aporte central radica en realizar un análisis sistemático y comparable tanto de las arquitecturas de clasificación como de las representaciones espectro-temporales, abordando de manera integrada aspectos que en la literatura suelen estudiarse de forma fragmentada. Se desarrolla un estudio comparativo de espectrogramas basados en Transformada de Tiempo Corto de Fourier, Mel-espectrogramas con y sin normalización de energía por canal, transformadas wavelet, coeficientes cepstrales en la frecuencia de Mel y representaciones de frecuencia constante, considerando que cada técnica enfatiza tiempo–frecuencia. consistencia distintas Para experimental, propiedades garantizar se emplean muestras de la base HUNIPA-2019 y métricas estándar de clasificación, con el objetivo de aportar lineamientos metodológicos que permitan mejorar la calidad diagnóstica.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Procesamiento de audio
Espectrograma
Red neuronal convolucional
Enfermedad de Parkinson - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/195723
Ver los metadatos del registro completo
| id |
SEDICI_3fa0ba30bb7206905c0261b0d06cea8c |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/195723 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de ParkinsonSuárez, Marta EugeniaAubin, Verónica I.Guatelli, RenataCiencias InformáticasProcesamiento de audioEspectrogramaRed neuronal convolucionalEnfermedad de ParkinsonLa detección temprana de la enfermedad de Parkinson continúa siendo un desafío clínico relevante, lo que motiva la búsqueda de métodos objetivos, no invasivos y de bajo costo basados en el análisis de la voz. En este contexto, la señal vocal constituye un biomarcador accesible capaz de reflejar alteraciones sutiles detectables mediante técnicas de aprendizaje profundo. Este trabajo presenta una línea de investigación orientada a evaluar el desempeño de modelos de clasificación automática basados en redes neuronales convolucionales aplicadas a distintas representaciones espectrales de señales de voz. El aporte central radica en realizar un análisis sistemático y comparable tanto de las arquitecturas de clasificación como de las representaciones espectro-temporales, abordando de manera integrada aspectos que en la literatura suelen estudiarse de forma fragmentada. Se desarrolla un estudio comparativo de espectrogramas basados en Transformada de Tiempo Corto de Fourier, Mel-espectrogramas con y sin normalización de energía por canal, transformadas wavelet, coeficientes cepstrales en la frecuencia de Mel y representaciones de frecuencia constante, considerando que cada técnica enfatiza tiempo–frecuencia. consistencia distintas Para experimental, propiedades garantizar se emplean muestras de la base HUNIPA-2019 y métricas estándar de clasificación, con el objetivo de aportar lineamientos metodológicos que permitan mejorar la calidad diagnóstica.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf112-116http://sedici.unlp.edu.ar/handle/10915/195723spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195723Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.765SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| title |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| spellingShingle |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson Suárez, Marta Eugenia Ciencias Informáticas Procesamiento de audio Espectrograma Red neuronal convolucional Enfermedad de Parkinson |
| title_short |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| title_full |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| title_fullStr |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| title_full_unstemmed |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| title_sort |
Evaluación de espectrogramas en redes neuronales convolucionales para la detección de la enfermedad de Parkinson |
| dc.creator.none.fl_str_mv |
Suárez, Marta Eugenia Aubin, Verónica I. Guatelli, Renata |
| author |
Suárez, Marta Eugenia |
| author_facet |
Suárez, Marta Eugenia Aubin, Verónica I. Guatelli, Renata |
| author_role |
author |
| author2 |
Aubin, Verónica I. Guatelli, Renata |
| author2_role |
author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Procesamiento de audio Espectrograma Red neuronal convolucional Enfermedad de Parkinson |
| topic |
Ciencias Informáticas Procesamiento de audio Espectrograma Red neuronal convolucional Enfermedad de Parkinson |
| dc.description.none.fl_txt_mv |
La detección temprana de la enfermedad de Parkinson continúa siendo un desafío clínico relevante, lo que motiva la búsqueda de métodos objetivos, no invasivos y de bajo costo basados en el análisis de la voz. En este contexto, la señal vocal constituye un biomarcador accesible capaz de reflejar alteraciones sutiles detectables mediante técnicas de aprendizaje profundo. Este trabajo presenta una línea de investigación orientada a evaluar el desempeño de modelos de clasificación automática basados en redes neuronales convolucionales aplicadas a distintas representaciones espectrales de señales de voz. El aporte central radica en realizar un análisis sistemático y comparable tanto de las arquitecturas de clasificación como de las representaciones espectro-temporales, abordando de manera integrada aspectos que en la literatura suelen estudiarse de forma fragmentada. Se desarrolla un estudio comparativo de espectrogramas basados en Transformada de Tiempo Corto de Fourier, Mel-espectrogramas con y sin normalización de energía por canal, transformadas wavelet, coeficientes cepstrales en la frecuencia de Mel y representaciones de frecuencia constante, considerando que cada técnica enfatiza tiempo–frecuencia. consistencia distintas Para experimental, propiedades garantizar se emplean muestras de la base HUNIPA-2019 y métricas estándar de clasificación, con el objetivo de aportar lineamientos metodológicos que permitan mejorar la calidad diagnóstica. Red de Universidades con Carreras en Informática |
| description |
La detección temprana de la enfermedad de Parkinson continúa siendo un desafío clínico relevante, lo que motiva la búsqueda de métodos objetivos, no invasivos y de bajo costo basados en el análisis de la voz. En este contexto, la señal vocal constituye un biomarcador accesible capaz de reflejar alteraciones sutiles detectables mediante técnicas de aprendizaje profundo. Este trabajo presenta una línea de investigación orientada a evaluar el desempeño de modelos de clasificación automática basados en redes neuronales convolucionales aplicadas a distintas representaciones espectrales de señales de voz. El aporte central radica en realizar un análisis sistemático y comparable tanto de las arquitecturas de clasificación como de las representaciones espectro-temporales, abordando de manera integrada aspectos que en la literatura suelen estudiarse de forma fragmentada. Se desarrolla un estudio comparativo de espectrogramas basados en Transformada de Tiempo Corto de Fourier, Mel-espectrogramas con y sin normalización de energía por canal, transformadas wavelet, coeficientes cepstrales en la frecuencia de Mel y representaciones de frecuencia constante, considerando que cada técnica enfatiza tiempo–frecuencia. consistencia distintas Para experimental, propiedades garantizar se emplean muestras de la base HUNIPA-2019 y métricas estándar de clasificación, con el objetivo de aportar lineamientos metodológicos que permitan mejorar la calidad diagnóstica. |
| publishDate |
2026 |
| dc.date.none.fl_str_mv |
2026-04 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/195723 |
| url |
http://sedici.unlp.edu.ar/handle/10915/195723 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7 info:eu-repo/semantics/reference/hdl/10915/195432 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf 112-116 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1868982611630620672 |
| score |
13.334379 |