基于手绘图和语音的帕金森病情诊断和预测
发布时间：2021-06-26 16:29
帕金森病（Parkinson’s Disease,PD）又称之为震颤麻痹,是仅次于阿尔茨海默氏症的第二大神经系统疾病。传统帕金森患者的病情检查方法是测定统一帕金森病评定量表（Unified Parkinson’s Disease Rating Scale,UPDRS）,诊断过程需要医生和患者共同完成,具有一定的主观性;同时由于帕金森患者行动不便,这不仅一定程度上耗费了患者的时间和精力,也占用了日益紧张的医疗资源。在该状况下,实现帕金森病早期诊断和病情级别预测对于治疗帕金森病具有重大意义。帕金森患者早期发病时大多会出现不同程度的语音障碍,同时还会表现出静止性震颤、肌肉僵硬等运动症状。本论文试图利用帕金森患者的手部震颤信息与语音损伤信息,实现对患者的病情早期诊断和病情UPDRS预测。论文对基于手绘图和语音的帕金森病情诊断和预测方案展开了研究,具体研究工作如下:首先,介绍了相关理论基础和技术,如用于手绘图片处理的图像处理技术和用于语音处理的语音处理技术。并对帕金森语音特征进行了分析,同时介绍了语音特征提取算法,包括线性和非线性的特征提取算法。然后介绍了帕金森病情UPDRS预测相关的回归方法和...
【文章来源】：南京邮电大学江苏省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
回归预测流程
图 2.3 线性预测用于非线性问题的拟合在特征集合中不断选择最佳的切分点，将上层的数据两个集合的预测值与真实值的总方差最小，才停止迭划分为多个小集合，每个小集合都规定了输入变量的建立好的模型找到相应的集合，则该集合中真实值的的算法步骤如下：集样本选择出最优的切分变量 j 和切分点 s，求解：1 21 22 21 2,( , ) ( , )min[min ( ) min ( ) ]i ii ij s c cx R j s x R j sy c y c 对固定的特征扫描所有取值，找到使上式达到最小值j,s)划分区域，并确定该区域的预测值。划分区域调用上述步骤，直至终止条件满足为止。
图 2.4 单任务学习和多任务学习对比图在多任务学习中，假设 M 个任务的训练集为m m 1{ }MT ，mT 表示第 m 个任务，训练集mD包mn 个样本标签对, , 1{x ,y }mnm j m j j ，其中,Dm jx R为第 m 个任务的第 j 个样本，,ym j为对应输出，mn 是第 m 个任务的训练样本数目。D MW R 代表多任务的参数矩阵，其中mw 为 W 其中的一列，属于第 m 个任务的模型向量，m 代表任务下的噪声，则多任务模型为：, ,Tm j m m j my w x (2.37)2.5 深度学习概述2.4 节重点介绍了机器学习相关技术。在基于手绘图的帕金森病情诊断方案设计中，本文运用了深度学习工具对帕金森手绘图片进行分类。本节就深度学习技术进行说明。
【参考文献】：
期刊论文
[1]基于迭代决策树的帕金森UPDRS预测模型研究[J]. 林钢,季薇. 计算机技术与发展. 2019(01)
[2]基于模型过滤的多任务回归在帕金森症预测中的应用[J]. 刘峰,季薇,李云. 计算机应用. 2018(11)
[3]基于过滤的域适应模型融合的帕金森病情预测[J]. 季薇,吕艳洁,林钢,李云. 仪器仪表学报. 2018(06)
[4]M3-SVM在帕金森疾病UPDRS分类中的应用[J]. 汪学明,季薇,李云. 计算机技术与发展. 2018(03)
[5]最优路径森林分类算法综述[J]. 沈龙凤,宋万干,葛方振,李想,杨忆,刘怀愚,高向军,洪留荣. 计算机应用研究. 2018(01)
[6]矩阵补全模型及其算法研究综述[J]. 陈蕾,陈松灿. 软件学报. 2017(06)
[7]帕金森病诊治现状调查[J]. 韩艳,张晓红,陈彤,王振福,孙虹. 中华保健医学杂志. 2008(01)
[8]Using Support Vector Machine to Predict Eco-environment Burden:A Case Study of Wuhan,Hubei Province,China[J]. XIANG-MEI LI, JING-XUAN ZHOU,2, SONG-HU YUAN, XIN-PING ZHOU, AND QIANG FUSchool of Environmental Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China; China Environmental Monitoring Center, Beijing 100029, China. Biomedical and Environmental Sciences. 2008(01)
本文编号：3251677
【文章来源】：南京邮电大学江苏省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
回归预测流程
图 2.3 线性预测用于非线性问题的拟合在特征集合中不断选择最佳的切分点，将上层的数据两个集合的预测值与真实值的总方差最小，才停止迭划分为多个小集合，每个小集合都规定了输入变量的建立好的模型找到相应的集合，则该集合中真实值的的算法步骤如下：集样本选择出最优的切分变量 j 和切分点 s，求解：1 21 22 21 2,( , ) ( , )min[min ( ) min ( ) ]i ii ij s c cx R j s x R j sy c y c 对固定的特征扫描所有取值，找到使上式达到最小值j,s)划分区域，并确定该区域的预测值。划分区域调用上述步骤，直至终止条件满足为止。
图 2.4 单任务学习和多任务学习对比图在多任务学习中，假设 M 个任务的训练集为m m 1{ }MT ，mT 表示第 m 个任务，训练集mD包mn 个样本标签对, , 1{x ,y }mnm j m j j ，其中,Dm jx R为第 m 个任务的第 j 个样本，,ym j为对应输出，mn 是第 m 个任务的训练样本数目。D MW R 代表多任务的参数矩阵，其中mw 为 W 其中的一列，属于第 m 个任务的模型向量，m 代表任务下的噪声，则多任务模型为：, ,Tm j m m j my w x (2.37)2.5 深度学习概述2.4 节重点介绍了机器学习相关技术。在基于手绘图的帕金森病情诊断方案设计中，本文运用了深度学习工具对帕金森手绘图片进行分类。本节就深度学习技术进行说明。
【参考文献】：
期刊论文
[1]基于迭代决策树的帕金森UPDRS预测模型研究[J]. 林钢,季薇. 计算机技术与发展. 2019(01)
[2]基于模型过滤的多任务回归在帕金森症预测中的应用[J]. 刘峰,季薇,李云. 计算机应用. 2018(11)
[3]基于过滤的域适应模型融合的帕金森病情预测[J]. 季薇,吕艳洁,林钢,李云. 仪器仪表学报. 2018(06)
[4]M3-SVM在帕金森疾病UPDRS分类中的应用[J]. 汪学明,季薇,李云. 计算机技术与发展. 2018(03)
[5]最优路径森林分类算法综述[J]. 沈龙凤,宋万干,葛方振,李想,杨忆,刘怀愚,高向军,洪留荣. 计算机应用研究. 2018(01)
[6]矩阵补全模型及其算法研究综述[J]. 陈蕾,陈松灿. 软件学报. 2017(06)
[7]帕金森病诊治现状调查[J]. 韩艳,张晓红,陈彤,王振福,孙虹. 中华保健医学杂志. 2008(01)
[8]Using Support Vector Machine to Predict Eco-environment Burden:A Case Study of Wuhan,Hubei Province,China[J]. XIANG-MEI LI, JING-XUAN ZHOU,2, SONG-HU YUAN, XIN-PING ZHOU, AND QIANG FUSchool of Environmental Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China; China Environmental Monitoring Center, Beijing 100029, China. Biomedical and Environmental Sciences. 2008(01)
本文编号：3251677
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3251677.html
