파킨슨병 조기 진단을 위한 딥러닝 기반 음성프린트 인식

본 논문은 파킨슨병 환자의 음성장애를 조기에 탐지하기 위한 새로운 음성프린트 인식 시스템을 제안한다. 파킨슨병은 신경퇴행성 질환으로, 환자의 90% 이상이 음성장애를 겪으며, 이는 질병 초기 단계에서도 감지될 수 있다. 기존의 영상 기반 진단은 비용이 높고 방사선 노출 위험이 있어 비침습적이고 저비용인 음성 기반 진단 방법에 대한 관심이 증대되고 있다. 연구자는 먼저 기존 MFCC(Mel Frequency Cepstral Coefficients)의 한계를 지적한다. MFCC는 저차원 계수에 주로 의존하고, 고차원 계수는 값이 작아 음성 신호의 미세 변화를 포착하기 어렵다. 이를 보완하기 위해 Weighted MFCC(WMFCC)를 도입한다. WMFCC는 각 차원의 엔트로피를 계산해 가중치를 부여함으로써 정보량이 적은 차원은 억제하고, 중요한 차원은 강조한다. 구체적인 절차는 다음과 같다. (1) 전처리 단계에서 0.97의 프리엠퍼시스 필터를 적용해 고주파 성분을 강조하고, 25 ms 프레임을 10 ms 겹침으로 나눈다. (2) 각 프레임에 Hamming 윈도우를 적용해 신호의 불연속성을 완화한다. (3) FFT를 수행해 주파수 영역으로 변환하고, 멜 필터뱅크를 통해 인간 청각 특성을 반영한다. (4) 로그 스펙트럼을 DCT에 입력해 20개의 켑스트럼 계수를 추출한다. (5) 추출된 계수 행렬을 정규화한 뒤, 엔트로피 = –∑p·log p 형태로 각 차원의 엔트로피를 계산한다. (6) 엔트로피 역비례 가중치를 적용해 WMFCC를 얻고, 모든 프레임의 평균을 구해 최종 음성프린트를 만든다. 음성프린트가 추출되면, 이를 분류하기 위해 Deep Neural Network(DNN)를 설계한다. DNN은 입력층, 3~5개의 은닉층, 출력층으로 구성되며, 은닉층의 활성화 함수는 ReLU, 출력층은 Softmax를 사용한다. 학습은 두 단계로 진행된다. 첫 번째 단계는 비지도 사전학습(오토인코더 기반)으로 파라미터를 초기화해 지역 최소값에 빠지는 위험을 감소시킨다. 두 번째 단계는 지도 학습으로, 손실 함수는 교차 엔트로피이며, 최적화 알고리즘은 Mini‑Batch Gradient Descent(MBGD)이다. 미니배치 크기는 16~32, 초기 학습률은 0.001이며, 10 epoch마다 학습률을 감소시킨다. 과적합 방지를 위해 L2 정규화와 드롭아웃(0.5)을 적용한다. 데이터는 48명의 파킨슨병 환자와 20명의 정상인을 대상으로, 각각 /a/, /o/, /u/ 세 개의 지속 모음을 녹음한 120개의 샘플이다. 녹음은 96 kHz, 30 dB 설정의 Trust MC‑1500 마이크를 사용했으며, 마이크와 입술 사이 거리는 15 cm로 일정하게 유지했다. 추가로 28명의 환자를 대상으로 별도 검증 세트를 구축해 모델의 일반화 성능을 확인하였다. 실험 결과, WMFCC + DNN 조합은 전체 데이터에 대해 89.5%의 정확도, 91.2%의 민감도, 86.7%의 특이도를 달성했다. 동일 데이터에 MFCC + SVM을 적용했을 때는 정확도 78.3%에 그쳤으며, 기존 연구에서 보고된 PLP + SVM(최고 90% 정확도)과 비교해도 경쟁력 있는 성능을 보였다. 또한, MBGD를 사용함으로써 학습 시간은 기존 SVM 대비 약 30% 단축되었다. 논문의 주요 기여는 다음과 같다. ① 엔트로피 기반 가중치를 적용한 WMFCC를 제안해 고차 켑스트럼 계수의 정보 손실을 보완하였다. ② 비지도 사전학습과 MBGD를 결합한 DNN 학습 파이프라인을 구축해 작은 데이터셋에서도 안정적인 성능을 얻었다. ③ 파킨슨병 조기 진단을 위한 비침습적, 저비용 음성 기반 시스템을 실증적으로 검증하였다. 하지만 몇 가지 한계점도 존재한다. 데이터 규모가 작아(총 120개 샘플) 모델의 일반화 능력을 충분히 검증하기 어렵고, 녹음 환경(배경 소음, 마이크 위치)의 변동성이 결과에 영향을 미칠 수 있다. 또한, 지속 모음만을 사용했기 때문에 실제 일상 대화에서의 적용 가능성은 아직 검증되지 않았다. 향후 연구에서는 다양한 언어·발음·대화 데이터를 확보하고, CNN‑RNN 혹은 Transformer 기반 시계열 모델을 도입해 시간적 연속성을 더 정교히 학습시키는 방안을 모색해야 한다. 결론적으로, 본 연구는 WMFCC와 DNN을 결합한 파킨슨병 음성프린트 인식 방법이 기존 SVM 기반 방법보다 높은 정확도와 빠른 학습 속도를 제공함을 입증했으며, 저비용·비침습적 조기 진단 도구로서의 실용성을 제시한다.