本研究解决了语音基础的帕金森病检测模型可解释性不足的问题，评估了多种可解释性方法以识别特有的语音特征，支持临床决策。尽管结果一致，但专家提供的信息仍显不足。

本研究提出了一种新的设备内学习架构，通过学习用户语音特征来解决无人工场景中分类器准确性调整的问题。实验证明该架构在领域转移和少样本学习方面具有良好的性能。适用于电池供电微控制器的TinyML应用。

本文研究声音匿名化技术，探讨改变语音特征以防止机器识别但保留人类感知的异步声音匿名化方法。实验结果表明，60.71％的处理结果达到了说话人特征的匿名化且保留了人类感知。