A Hierarchical Feature Engineering Framework for Automated Classification of Phonotraumatic and Non-Phonotraumatic Vocal Hyperfunction

기술 요약: 음성 외상성 및 비음성 외상성 성대 과기능의 자동 분류를 위한 계층적 특징 공학 프레임워크

문제 정의
성대 과기능(Vocal Hyperfunction, VH)은 음성 오용을 수반하는 만성 질환으로, 임상적으로 음성 외상성 VH(PVH, 예: 결절)와 비음성 외상성 VH(NPVH, 예: 근긴장성 발성장애)로 분류된다. 보행 중 목 표면 가속도(ACC) 측정은 일상적인 음성 행동을 모니터링하는 비침습적 방법을 제공하지만, 이러한 두 하위 유형을 건강한 대조군과 구별할 수 있는 강력한 바이오마커는 여전히 제한적이다. 기존의 접근 방식은 종종 개별 음향 및 공기역학적 특징의 단순 시간 평균에 의존하며, 이는 이로 인해 발생할 수 있는 역동적이고 상호 의존적인 발성 생성 과정 및 공기역학적 노력과 음향 출력 사이의 생리학적 결합 관계를 간과할 가능성이 있다. 문제는 일일 음향 및 공기역학적 측정값의 높은 변동성인데, 이로 인해 표준적인 단변량 지표를 사용하여 PVH 및 NPVH 하위 유형을 대조군으로부터 분리하는 것이 어려워진다.

방법론
본 연구는 468명의 피험자로부터 얻은 3,278개의 샘양으로 구성된 NeckVibe Challenge 데이터셋을 활용하여 두 가지 이진 분류 작업, 즉 PVH 대 대조군(작업 1) 및 NPVH 대 대조군(작업 2)을 해결한다. 핵심 방법론은 14개의 핵심 물리량(6개의 음향 측정치 및 8개의 임피던스 기반 역필터링[IBIF] 유도 공기역학적 측정치)을 피험자 수준의 표현으로 변환하는 계층적 특징 공학 프레임워크를 사용한다.

이 프레임워크는 네 가지 별도의 특징 범주를 구축한다:

1. 정적 특징(Static Features): 14개의 기초 변수와 음성 용량 백분율을 적용한 7개의 통계적 기술자(평균, 표준편차, 백분위수, 왜도, 첨도, IQR)를 통해 총 99개의 특징을 생성한다.
2. 역동적 특징(Dynamic Features): 델타 평균, 표준편차, 상위 꼬리 크기 및 선형 추세를 포함하는 1차($\Delta$) 및 2차($\Delta\Delta$) 차분 통계량을 통해 197개의 특징을 추가한다.
3. 비율 기반 특징(Ratio-based Features): 절대적 수준 대비 시간적 변동성을 정량화하기 위해 정규화된 변동성 측정치(예: $\Delta$SD/mean, $|slope|$/mean)를 사용하여 253개의 특징을 생성한다.
4. 결합 특징(Coupling Features): 소스-필터 관계(예: cppall/spectralTiltall) 및 안정성-노력 결합을 포착하는 생리학적으로 동기화된 6개의 상호작용 항을 통해 특징 집합을 203개로 확장한다.

실험 파이프라인:

• 통계 분석: 유의미한 그룹 간 차이를 식별하기 위해 Benjamini-Hochberg FDR(False Discovery Rate) 보정을 적용한 Welch의 t-검정을 수행하였다.
• 머신러学习닝: 단일 피험자의 모든 녹음 데이터가 훈련 또는 검증 세트 중 하나에만 머물도록 하는 층화된 10-겹 그룹 교차 검증(Group Cross-Validation)을 채택하였다.
• 특징 선택: 중복성을 완화하기 위해 훈련 폴드 내에서 XGBoost 추정기를 사용한 재귀적 특징 제거(RFECV)를 적용하였다.
• 분류: 5가지 모델(로지스틱 회귀, SVM, 랜덤 포레스트, XGBoost, LightGBM)을 평가하였다.
• 해석 가능성: 특징 기여도를 분석하기 위해 SHAP(SHapley Additive exPlanations)을 사용하였다.

주요 결과
연구 결과, 두 분류 작업 사이에 유의미한 비대칭성이 발견되었다:

• 작업 1 (PVH 대 대조군):

  • 통계적 측면: 견고한 분리 가능성이 관찰되었다. FDR 보정 후에도 상당수의 특징이 유의미하게 남았으며, 특히 역동적 및 고차 기술자가 큰 효과 크기($|d| \approx 0.9–1.0$)를 보였다.
  • 성능: 모델은 교차 검증 세트에서 0.891(결합 특징을 사용한 로지스틱 회귀)의 AUC를 달성하였고, 홀드아웃 테스트 세트에서는 0.917을 기록하였다.
  • 통찰: PVH는 거의 선형적으로 분리 가능한 것으로 보이며, 특징의 복잡성(역동적 및 결합 특징)이 증가함에 따라 성능이 점진적으로 향 향상된다. SHAP 분석은 여러 특징에 걸친 분산된 기여도를 나타냈다.

• 작업 2 (NPVH 대 대조군):

  • 통계적 측면: FDR 보정을 통과한 특징이 없었다. 명목적 유의성($p < 0.05$)만을 보이는 특징들만 관찰되었으며, 효과 크기는 작았다($|d| \approx 0.3$).
  • 성능: 성능이 현저히 낮았다. 정적 특징은 우연 수준에 가까운 성능(AUC 0.556)을 보였다. 최선의 결과는 결합 특징을 사용한 LightGBM에서 나타났으며, AUC는 0.728(CV) 및 0.579(홀드아웃 테스트)를 기록하였다.
  • 통찰: NPVH 판별은 비선형 특징 상호작용(결합 특징)을 모델링함으로써 이득을 얻지만, 전반적인 분리 가능성은 여전히 제한적이다. SHAP 분석은 역동적 변동성 측정치로부터 집중된 기여도를 보여주었으나, 폴드 간 변동성이 높아 불안정한 판별 구조를 시사하였다.

핵심 기여

1. 계층적 프레임워크: 음성 과기능의 복잡한 생리학적 메커니즘을 포착하기 위해 설계된 구조화된 특징 공학 접근 방식(정적, 역동적, 비율, 결합)을 제안한다.
2. 통계적 엄밀성: PVH는 강력하고 분산된 통계적 차이를 보이는 반면, NPVH는 일일 요약 수준에서 최소한의 분리 가능성을 보인다는 것을 엄격한 단변량 분석을 통해 입증하였다.
3. ML 파이프라인 검증: PVH는 대체로 선형적으로 분리 가능한 반면, NPVH 분류는 비선형 상호작용을 포착하는 데 의존하지만 고급 모델링조차 높은 정확도를 달성하는 데 어려움을 겪는다는 점을 입증하였다.
4. 벤치마킹: PVH 바이오마커 식별을 위한 계층적 특징의 실용적 유용성을 강조하는 동시에, NPVH 탐지의 현재 한계를 인정함으로써 NeckVibe Challenge의 경쟁력 있는 베이스라인을 구축하였다.

의의 및 주장
본 논문은 제안된 계층적 특징 공학 프레임워크가 결합 및 역동적 특징을 통해 뚜렷한 생리학적 징후를 포착하는 음성 외상성 과기능의 바이오마커를 식별하는 데 효과적이라고 주장한다. 그러나 저자들은 비음성 외상성 VH가 현재의 공기역학적 및 음향적 측정치를 사용하여 분류하기에는 여전히 어렵다는 점을 겸허히 결론짓는다. 그들은 이러한 어려움의 원인을 NPVH의 경우 구조적 병변이 결여되어 있어 건강한 대조군과 분포상의 중첩이 상당하기 때문이라고 설명한다.

본 연구는 다변량 모델링이 NPVH의 한계를 부분적으로 완화할 수는 있지만, 현재의 특징 세트가 NPVH의 특징인 미세한 비정상적(non-stationary) 운율 변화나 미세 떨림(micro-tremors)을 포착하지 못할 수 있다고 시사한다. 결과적으로, 저자들은 NPVH의 발전을 위해서는 수동으로 설계된 특징보다는 원시 파형(raw waveform)으로부터 숨겨진 잠재 표현을 찾아내도록 훈련된 자기 지도 학습 기반의 음성 파운데이션 모델(self-supervised speech foundation models)이 필요할 것이라고 상정한다.