基于语音特征的帕金森病可视化诊断方法研究

发布时间：2024-05-19 05:27

　　帕金森病是人类常见的神经退行性疾病之一，其病程时间长且发病范围广。由于该病病因尚未完全明确，目前所有针对帕金森病的治疗都是控制病症，而无法从根本上进行治愈。但在发病早期就开始接受合理治疗的患者，绝大多数能够延缓病情的发展，生活基本自理。因此，帕金森病的早期诊断不论对于家庭还是社会均具有重大意义。语言障碍是帕金森病的早期症状之一，基于语言障碍的帕金森病诊断是近年来的帕金森病诊断研究热点之一。 本文针对帕金森病的语言障碍特征，本文提出利用多维筛组合分类器进行帕金森病的可视化诊断。在解决帕金森病诊断实际问题的同时，完善基于高维数据列向量图表示的可视化组合分类器理论和方法，无论对信息融合和模式识别学术研究还是对基于语音特征的帕金森疾病诊断应用研究都具有重要意义。 首先，基于可视化分类器的框架结构，提出多维筛组合分类器框架，并从数据表示、类域生成与权重计算三个方面进行了完善。在数据表示阶段，提出基于色度学混色原理的彩色多元图着色表示，完善了模式识别应用下的多元图表示中类别信息的表示方法；在类域生成阶段，以训练样本的空间单点表示为出发点，提出了基于计算几何的区域主动生长的类界面求取方法。通过对基点...

【文章页数】：128 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 研究现状
        1.2.1 新型帕金森病诊断方法研究现状
        1.2.2 基于语音障碍的帕金森病诊断研究现状
        1.2.3 基于多元图表示的可视化模式识别研究现状
    1.3 本文的主要研究内容
第2章 多维筛分类器的可视化分类原理
    2.1 引言
    2.2 多维筛分类器
        2.2.1 可视化分类器框架
        2.2.2 多维筛分类器框架
    2.3 多维筛与传统可视化分类器区别
        2.3.1 数据表示特色分析
        2.3.2 界面生成特色分析
        2.3.3 组合分类器结构分析
    2.4 基于多维筛的帕金森病可视化诊断
    2.5 本章小结
第3章 多维数据的多元图表示与优化方法
    3.1 引言
    3.2 模式识别的表示问题
        3.2.1 表示在模式识别中的作用
        3.2.2 表示的理解与表示的原则
        3.2.3 表示的方法
    3.3. 高维数据的 2D 图单点表示原理
        3.3.1 单点单变量 2D 图表示
        3.3.2 单点多变量 2D 图表示
        3.3.3 单点全变量 2D 图表示
        3.3.4 表示方法对比
    3.4 基于色度学空间的多元图表示
        3.4.1 传统多元图表示的局限
        3.4.2 色度学在多元图表示的应用
        3.4.3 色度多元图的生成方法
    3.5 基于非线性变换的图表示优化
        3.5.1 非线性变换作用与原则
        3.5.2 多元图表示的非线性优化
    3.6 本章小结
第4章 多维筛类域空间生成与权系数计算
    4.1 引言
    4.2 基于域匹配思想的类域生成原理
        4.2.1 经典分类界面生成算法分析
        4.2.2 主动生长类域生成基本思想
    4.3 基于计算几何的主动生长类域生成方法
        4.3.1 数据描述
        4.3.2 1 维空间下的主动生长
        4.3.3 主动生长的等效算法
        4.3.4 高维扩展
    4.4 域匹配空间的可视化信息
    4.5 分类界面转换
    4.6 基于粗糙度的子分类器权重计算
        4.6.1 分类界面中的模糊性
        4.6.2 特定类粗糙度计算
        4.6.3 子分类器空间权重计算
    4.7 类空间规整度的计算几何组合分类器权重分配
        4.7.1 分类界面中共生关系计算
        4.7.2 子分类器规整度与权重计算
    4.8 本章小结
第5章 多维筛分类器性能测试与评价
    5.1 引言
    5.2 实验数据
    5.3 不同加权方式测试
        5.3.1 测试方法
        5.3.2 实验结果与分析
    5.4. 不同分类器对比实验
        5.4.1 测试方法
        5.4.2 实验结果与分析
    5.5 分类界面对比
    5.6 本章小结
第6章 基于语音障碍的帕金森病可视化诊断
    6.1 引言
    6.2 帕金森病语音障碍特征分析
        6.2.1 帕金森病语音信号特点
        6.2.2 采集方法与对象选择
        6.2.3 语音特征分析
    6.3 测试数据集的选择
        6.3.1 帕金森数据集
        6.3.2 远程帕金森数据集
    6.4 帕金森病的可视化分类过程
    6.5 实验结果
        6.5.1 不同的量化级下分类精度对比
        6.5.2 非线性参数与加权方式的影响
        6.5.3 多维筛层数的影响
    6.6 与其他分类器比较
    6.7 本章小结
结论
参考文献
附录 1 量化阶对帕金森数据集精度的影响
攻读博士学位期间承担的科研任务与主要成果
致谢
作者简介



本文编号：3977661