Болезнь Паркинсона — это часто наблюдаемое неврологическое расстройство, которое поражает нервную систему и нарушает основные функции человека. Основная цель этого исследования — выявить наличие болезни Паркинсона путем использования изображений спектрограмм из записей голоса посредством внедрения сверточных нейронных сетей (CNN). Мы провели исследование, используя набор данных из Аргентины. Наши исследования внесли значительный вклад, выполнив различные операции предварительной обработки звука. Мы разделяем аудиосэмплы на несколько сегментов одинаковой продолжительности (2 секунды), а затем реализуем методы улучшения звука, чтобы увеличить набор данных. Наконец, мы преобразовали эти аудиосэмплы в изображения спектрограмм для обучения нашей модели. Для дальнейшего анализа использовался метод K-кратной перекрестной проверки, заданный значением (k=10). Модель прошла 150 эпох обучения, в результате чего средняя точность обучения составила 99,3%, а средняя точность тестирования — 97,9%. Эффективность предложенной модели сравнивается с пятью современными моделями (AlexNet, VGG16, Inception V3, ResNet50, SqueezeNet) и дескрипторами локальных двоичных шаблонов, которые применялись к тому же набору данных. В результате предложенная модель оказалась более эффективной.