神经系统疾病早期筛查及检测方法研究

发布时间：2021-08-21 11:51

　　现阶段人口老龄化的问题日益加重,神经性系统疾病的发病人数逐年上升,为患者和医生都带来了看病压力。神经性系统疾病的症状普遍具有意识障碍、感知觉障碍、运动障碍等症状,但目前用于检测神经系统疾病的方法普遍会对患者造成创伤,对于移动不便的患者,奔赴医院就医诊断还会带来移动负担。随着信息科技的发展,互联网医疗的逐渐兴起正在一点点的改变医疗生态,越来越多的人探索用全新的技术手段,采用更加便捷,更加高效的方式,达到疾病问诊、病情跟踪、康复训练的目的。本文利用大数据技术,以典型的神经性系统疾病帕金森病为例,探究了帕金森病诊断以及严重程度判断的问题,旨在提供给患者更加便捷、高效的检测方式。本文通过语音识别,以及人脸关键点识别两种方式进行帕金森病诊断方式的研究探讨。首先,对语音、人脸视频数据进行预处理以及特征提取工作,将其转换为可以用于模型构建的数字信息;语音部分使用了目前常用于检测帕金森病的线性及非线性特征,而人脸关键点分析,使用了体现面部表情幅度以及震颤的两大类特征;将诊断问题抽象为分类问题,将病情严重程度抽象为回归问题,分别进行模型的建立和诊断。本文在构建语音分类的模型时,首先将病人进行聚类,随后针... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 语音障碍识别
        1.2.2 帕金森“面具脸”识别
    1.3 研究内容及框架
    1.4 本文的组织结构
2 语音信号预处理及特征提取
    2.1 语音信号预处理
        2.1.1 发音的选择
        2.1.2 采集设备及方案
        2.1.3 音频格式转换
        2.1.4 预加重
        2.1.5 采样频率转换
        2.1.6 加窗和分帧
        2.1.7 无声判别
    2.2 基频提取
        2.2.1 基音检测方法
        2.2.2 自相关法
        2.2.3 去除野点
    2.3 语音障碍线性特征提取
        2.3.1 基频特征Pitch
        2.3.2 基频扰动Jitter
        2.3.3 振幅扰动Shimmer
        2.3.4 信噪比特征
    2.4 语音障碍非线性特征提取
        2.4.1 DFA(去趋势波动分析)
        2.4.2 RPDE(复发周期密度熵)
        2.4.3 D2(相关维度)
        2.4.4 PPE(基频周期熵)
    2.5 本章小结
3 视频预处理及特征提取
    3.1 视频数据采集
        3.1.1 视频内容的选择
        3.1.2 采集设备及方案
    3.2 视频预处理
    3.3 视频转化为图片
    3.4 读取人脸关键点坐标信息
    3.5 人脸关键点坐标预处理
    3.6 人脸关键点特征提取
        3.6.1 表情变化幅度特征提取
        3.6.2 面部关键点震颤特征提取
    3.7 本章小结
4 疾病诊断及严重程度评估
    4.1 问题归类
        4.1.1 帕金森病的诊断
        4.1.2 帕金森病严重程度的判断
    4.2 聚类及特征选择
        4.2.1 K-means聚类算法介绍
        4.2.2 特征选择介绍
    4.3 算法原理介绍
        4.3.1 线性回归及逻辑回归
        4.3.2 支持向量机与支持向量回归
        4.3.3 决策树与随机森林
        4.3.4 循环神经网络与长短期记忆网络
    4.4 实验及结果分析
        4.4.1 语音数据
        4.4.2 视频数据
        4.4.3 模型训练及实验结果评估
    4.5 本章小结
5 神经系统疾病诊断系统实现
    5.1 需求分析
        5.1.1 总体分析
        5.1.2 需求分析
    5.2 系统设计
        5.2.1 系统框架
        5.2.2 功能模块
    5.3 主要功能
    5.4 数据库及接口设计
    5.5 界面展示
    5.6 系统建设后期工作
    5.7 本章小结
结论
参考文献
附录A 附录内容名称
    统一帕金森病评分量表(UPDRS)
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]CT与磁共振在中枢神经系统疾病诊断中的应用效果比较[J]. 陈林娟.  中国医疗器械信息. 2017(22)
[2]基于Web的EAST实时视频点播系统[J]. 夏金瑶,肖炳甲,李丹,王开荣,罗文利.  计算机系统应用. 2017(03)
[3]帕金森病200年史话[J]. 王晓丹,纪勇.  中国现代神经疾病杂志. 2017(01)
[4]基于语音样本重复剪辑和随机森林的帕金森病诊断算法研究[J]. 李勇明,杨刘洋,刘玉川,王品,邱明国,谢文宾,张小恒.  生物医学工程学杂志. 2016(06)
[5]基于MATLAB语音工具箱的帕金森病诊断[J]. 杨彬,夏晨曦,宋越卿.  科技展望. 2016(15)
[6]帕金森病流行现状[J]. 刘疏影,陈彪.  中国现代神经疾病杂志. 2016(02)
[7]疾病综述:帕金森病[J]. 汤森路透.  国际药学研究杂志. 2015(03)
[8]帕金森病的临床常见问题[J]. 靳令经,詹青.  中国社区医师. 2012(13)
[9]基于元音分类度的帕金森病语音特征分析[J]. 张涛,洪文学,常凤香,刘旭龙.  中国生物医学工程学报. 2011(03)
[10]帕金森病患者的心理护理[J]. 郑培凤.  中国民康医学. 2007(10)

博士论文
[1]基于图像集合和视频序列的视频人脸识别算法研究[D]. 王玉.吉林大学 2017
[2]基于语音特征的帕金森病可视化诊断方法研究[D]. 张涛.燕山大学 2012
[3]人脸特征点定位及识别的研究[D]. 杜春华.上海交通大学 2008
[4]人脸识别中若干关键问题的研究[D]. 山世光.中国科学院研究生院（计算技术研究所） 2004

硕士论文
[1]基于级联卷积神经网络的人脸关键点检测算法[D]. 靳一凡.浙江大学 2015
[2]语音信号的基音检测法研究[D]. 焦蓓.湘潭大学 2013



本文编号：3355545