Detección de la enfermedad de Parkinson mediante análisis de la voz con espectrogramas Mel y redes neuronales convolucionales

Abstract

La enfermedad de Parkinson es un trastorno neurodegenerativo crónico que afecta al sistema nervioso central, caracterizado principalmente por la pérdida progresiva de funciones motoras. Entre sus síntomas más comunes se encuentran el temblor en reposo, la rigidez muscular, lentitud de los movimientos voluntarios y alteraciones en el habla. Estas manifestaciones vocales, que incluyen cambios en la prosodia, la intensidad y la articulación, pueden ser indicativas de la presencia temprana de la enfermedad, lo que convierte a la voz en una fuente potencialmente útil para su detección no invasiva. El objetivo de este Trabajo de Fin de Grado es desarrollar un sistema automático capaz de detectar la enfermedad de Parkinson a partir del análisis de grabaciones de voz. Para ello, se han utilizado bases de datos con participantes sanos y pacientes diagnosticados, tanto en español como en italiano, con el fin de incorporar variabilidad fonética. Las señales de audio se han sometido a un proceso de preprocesamiento y transformación en espectrogramas de Mel, que permiten representar visualmente las características acústicas relevantes para el diagnóstico. Para el desarrollo del sistema se ha empleado una red neuronal convolucional (CNN) diseñada específicamente para procesar imágenes de espectrogramas. El modelo ha sido entrenado y evaluado utilizando técnicas de aprendizaje profundo, alcanzando una precisión del 80 % y un AUC de 0,918. Además, se ha implementado una aplicación con interfaz gráfica que permite al usuario cargar grabaciones y obtener predicciones visuales e interactivas. El sistema demuestra un rendimiento robusto y se plantea como una herramienta prometedora para el apoyo al diagnóstico clínico.

Parkinson’s disease is a chronic neurodegenerative disorder that affects the central nervous system, primarily impairing motor functions. Common symptoms include resting tremor, muscle rigidity, slowness of voluntary movements, and speech disturbances. These vocal alterations—such as changes in prosody, intensity, and articulation—can serve as early indicators of the disease, making voice analysis a promising non-invasive diagnostic tool. The aim of this Final Degree Project is to develop an automatic system capable of detecting Parkinson’s disease through the analysis of voice recordings. To achieve this, voice datasets in Spanish and Italian were used, including recordings from both healthy individuals and patients diagnosed with Parkinson’s disease, in order to ensure phonetic diversity. The audio signals underwent preprocessing and were transformed into Mel spectrograms, which visually represent the acoustic features relevant to diagnosis. The system was built using a convolutional neural network (CNN) specifically designed to process spectrogram images. The model was trained and evaluated using deep learning techniques, achieving an accuracy of 80 % and an AUC of 0,918. Additionally, a graphical user interface was developed, allowing users to upload recordings and receive interactive visual predictions. The system demonstrates robust performance and presents itself as a promising tool to support clinical diagnosis.