{rfName}
Ma

Indexado en

Licencia y uso

Icono OpenAccess

Altmetrics

Investigadores/as Institucionales

Jimenez-Martin, AntonioAutor o Coautor

Compartir

4 de febrero de 2026
Publicaciones
>
Artículo
Sí

Machine Learning for Parkinson's Disease Detection: Analyzing Hybrid Voice Data With Spectral, Topological, and Random Matrix Methods

Publicado en: IEEE Open Journal of the Computer Society. 7 314-325 - 2026-01-01 7(), DOI: 10.1109/OJCS.2026.3651318

Autores:

Dominguez-Monterroza, Andy; Caballero, Alfonso Mateos; Jimenez-Martin, Antonio
[+]

Afiliaciones

Univ Politecn Madrid, Dept Inteligencia Artificial, Grp Anal Decis & Estadist, Madrid 28040, Spain - Autor o Coautor

Resumen

Parkinson's disease (PD) is a progressive neurodegenerative disorder that affects both motor and speech functions. Advances in machine learning and signal processing have enabled non-invasive PD detection through voice analysis. This study proposes a comprehensive mathematical framework for PD classification that integrates topological, statistical, and spectral representations of speech signals. The framework combines topological descriptors derived from persistent homology, statistical measures based on random matrix theory, and spectral features extracted from frequency-domain analysis to capture complementary information about vocal dynamics. A hybrid training strategy was employed, using synthetic speech data generated from real recordings to train the models, while real samples were reserved exclusively for evaluation. Experimental results demonstrate that spectral features, particularly when fused with statistical descriptors, yield the highest discriminative power, achieving 98.00% accuracy and 97.98% F1-score with a multi-layer perceptron classifier. In contrast, topological descriptors provided limited standalone performance, serving instead as complementary components that enrich the overall representation. The findings highlight the potential of combining diverse mathematical representations to improve speech-based PD detection, especially in scenarios with limited access to clinically annotated data.
[+]

Palabras clave

AccuracyAcousticsClassificationDiseasesFeature extractionMachine learningNoiseParkinson's diseaseRandom matrix theorySpectral featuresSpeechSpeech analysisSpeech synthesisSynthetic dataTopological data analysisTraining

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE Open Journal of the Computer Society debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2026, se encontraba en la posición 14/258, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Information Systems. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 3 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/94363/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 27
  • Descargas: 28
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Dominguez-Monterroza, Andy) y Último Autor (JIMENEZ MARTIN, ANTONIO).

el autor responsable de establecer las labores de correspondencia ha sido Caballero, Alfonso Mateos.

[+]

Reconocimientos ligados al ítem

This work was supported by MICIU/AEI/10.13039/501100011033 under Grant PID2021-122209OB-C31, Grant PID2024-155179NB-C22, and Grant RED2022-134540-T.
[+]