基于声音的病例特征提取与分析

发布时间：2017-07-17 15:09

  本文关键词：基于声音的病例特征提取与分析

  更多相关文章： 声音诊断 基音频率 采样率 GCI序列

【摘要】：相比于现有的诊断技术,无损非侵入式的声音诊断技术,近年来受到学术界的持续关注。但目前各种声音诊断研究中采集设备多种多样,采集流程各有差别,然而关于采样流程中的因素和分类准确率的关系的研究十分稀少。实际上,声音诊断技术目前仍处于起步阶段,亟待解决其采集过程中的标准化客观化问题。本课题的研究内容主要是围绕客观化采集流程规范以及病理特征提取和分析来展开。为建立客观化的采集环境,本课题设计了包含隔音室,麦克风和声卡的声音诊断系统。采集环境中的噪音十分影响采集到的声音的质量,因此隔音室用于降低噪声,减少量可达40分贝。提出的麦克风和声卡的选型指标保证了采集的声音信号不失真。参考对比已有实验的采集流程,文中建立了采集流程规范以保证流程客观性。根据汉语语音特点以及采集地区的具体情况,确定了语音采集的具体发音内容。该发音内容包含汉语的全部单元音以及大多数汉语辅音类型,确保采集到的语音覆盖大部分发音器官,能记录到因发音器官病变而产生的声音变化。在完成发音流程及内容设计之后,于中医院采集了频率为192 kHz或者96 kHz的声音样本,其中用于分类的样本有101人次2828例,主要包括健康人声音样本、帕金森病人声音样本、肺癌病人声音样本和声带疾病类病人声音样本。基于这些样本,我们探讨了不同采样频率的基音频率和GCI序列的差异以及声音特征和融合特征在不同采样频率下的分类准确率。实验表明,对帕金森疾病而言,当采样频率在16 kHz及以上时不同采样频率下的基音频率以及GCI序列差别不大。当使用全部特征时,帕金森声音在8 kHz时分类效果显著下降,肺癌声音或者声带类疾病声音在16 kHz及以下采样率时分类效果显著下降,而三类声音在其余采样频率下分类效果相差最大仅为3%,其中最高分类准确度分别为89%±3%、87.50%±2.2%和84.23%±2.9%。综合考量存储空间、特征计算速度以及分类准确度,确定最佳实用采样频率在24 kHz左右。由于分类疾病为典型的神经系统疾病,肺部疾病以及声带疾病,因此我们推出该结论对主要影响这三个器官的发音系统疾病也具有参考意义。
【关键词】：声音诊断 基音频率 采样率 GCI序列
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R44
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-15
• 1.1 课题研究背景及意义9-10
• 1.2 国内外研究现状及综述10-13
• 1.3 本课题的主要研究内容13-14
• 1.4 本课题的组织结构14-15
• 第2章 声音诊断系统框架设计及实现15-22
• 2.1 引言15
• 2.2 声诊系统硬件设计15-19
• 2.3 声诊系统的软件设计19-21
• 2.4 本章小结21-22
• 第3章 发音内容设计及音频采样率选择22-31
• 3.1 引言22
• 3.2 发音内容设计22-28
• 3.2.1 语音的工程模型22-25
• 3.2.2 疾病对发音系统的影响以及发音的规范25-28
• 3.3 音频采样率选择28-30
• 3.4 本章小结30-31
• 第4章 基频估计和GCI提取算法及其实验效果31-45
• 4.1 引言31-32
• 4.2 基频提取算法32-35
• 4.3 基频结果评价35-38
• 4.4 GCI检测算法38-40
• 4.5 GCI检测结果评测40-44
• 4.6 本章小结44-45
• 第5章 声音特征提取算法及其实验效果45-53
• 5.1 引言45
• 5.2 声音特征算法45-49
• 5.3 声音特征实验效果49-52
• 5.4 本章小结52-53
• 结论53-54
• 参考文献54-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 葛丁飞;李小梅;;心电信号多周期融合特征提取和分类研究[J];中国生物医学工程学报;2006年06期

2 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期

3 薛建中,郑崇勋,闫相国;快速多变量自回归模型的意识任务的特征提取与分类[J];西安交通大学学报;2003年08期

4 杨晓敏,罗立民;白细胞自动分类中的特征提取和分析[J];北京生物医学工程;1992年04期

5 王双维;樊晓平;廖志芳;;一种激光诱导荧光光谱特征提取新方法[J];计算机工程与应用;2008年12期

6 杜军平,涂序彦;计算机图像处理技术在舌像特征提取中的应用[J];中国医学影像技术;2003年S1期

7 游佳;陈卉;;数字图像中血管的分割与特征提取[J];生物医学工程与临床;2011年01期

8 谢轶峰;;乳腺超声图像肿瘤特征提取与肿瘤分类[J];中外医疗;2013年16期

9 吴泽晖,吴星;医学图象的边缘特征提取[J];海南师范学院学报(自然科学版);2003年03期

10 杨晓敏，罗立民，，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光

本文编号：554154