帕金森病语音障碍检测方法研究分析 电子信息技术专业.docx

《帕金森病语音障碍检测方法研究分析 电子信息技术专业.docx》由会员分享，可在线阅读，更多相关《帕金森病语音障碍检测方法研究分析 电子信息技术专业.docx（54页珍藏版）》请在第一文库网上搜索。

1、摘要神经系统疾病在世界范围内严重影响着人们的生活，帕金森病(ParkinSoiVSdiSease,PD),也称作特发性或原发性帕金森病，就是一种最常见的神经系统疾病。但是由于帕金森病的确切病因目前仍不清楚，所以对于帕金森病的检测和诊断仍旧比较复杂。近年来帕金森病与语音障碍之间联系的研究愈发受到重视，许多语音信号处理的算法被提出，用来对帕金森病的患病情况进行预测。目前的研究大多数是通过采集受试者的语音信号来进行帕金森病的诊断，其效果大多数比较好，成功的反映了语音障碍对帕金森病之间的联系。本研究构建了一个语音检测帕金森病的系统。该系统通过采集受试者的语音信号，利用语音信号处理的技术，从中提取多种语

2、音障碍特征，接着通过使用多种人工智能的算法，对受试者进行帕金森病的诊断和其帕金森病患病严重程度的评估。同时将该系统放入手机应用的后端中，实现对帕金森病的远程诊断和病情监控。本研究为实现了帕金森病的诊断和疾病评估方便化、远程化提供了一定的贡献，同时可以作为决策支持工具，对医生的治疗和诊断提供相应的辅助。关键词：帕金森病；语音障碍；远程诊断；人工智能；手机应用ResearchonDetectionMethodofSpeechDisorderinParkinson,sDiseaseAbstractNeuro1ogica1diseasesserious1yaffectpeop1es1ivesinthe

3、wor1dwide.Parkinson,sdisease(PD),a1soknownasidiopathicoridiopathicParkinson,sdisease,isoneofthemostcommonneuro1ogica1diseases.ThedetectionanddiagnosisofParkinson,sdiseasearecomp1ex,becausethespecificcausesofParkinson,sdiseaseremaine1usive.Thefie1doftheconnectionbetweenParkinson,sdiseaseandspeechdiso

4、rderbecomesmoreandmoreattractiveinrecentyears,andthus,numerousspeechsigna1processinga1gorithmshavebeenproposed,aimingtopredicttheonsetofParkinson,sdiseases.MostofthestudiesaredesignedtodiagnoseParkinsonsdiseasesbyco11ectingspeechsigna1sfromsubjects,andthemajorityofthea1gorithmsareeffective,whichcans

5、uccessfu11yref1ecttheconnectionbetweentheParkinson,sdiseasesandspeechdisorder.ThisstudyconstructedaspeechdetectionsystemforParkinson1Sdisease.Thesystemcanextractvariousdysphoniafeaturesfromthespeechsigna1co11ectedfromsubjectsbythetechniquesofspeechsigna1processing.Subsequent1y,thesystemcandiagnosePa

6、rkinson,sdiseasesandassesstheseverityofParkinson,sdiseasebyvariousartificia1inte11igencea1gorithms.Moreover,thesystemshou1dbeputintothebackgroundofmobi1ephoneapp1icationstorea1izetheremotediagnosisandconditionmonitoringofParkinson,sdisease.ThisstudycontributestotheconvenienceandremoteoftheParkinson,

7、sdiseasesdiagnosisandeva1uation.Itcana1sobeuti1izedasadecision-supportmeansofprovidingtheassistanceforthedoctor,streatmentanddiagnosis.KeyWords：Parkinson,sDisease；SpeechDisorders；RemoteDiagnosis；Artificia1Inte11igence；Mobi1eApp1ication摘要AbstractI引言O1帕金森病与语音障碍41.1 目前帕金森病的诊断方法41.2 帕金森病人与语音障碍41.3 语音障碍检

8、测帕金森病52语音信号的采集62.1 发音选择62.2 录音设备72.3 统一帕金森病评分量表（UPDRS）72.4 采集方案72.4.1 病人采集状态72.4.2 采样环境72.4.3 采样命名规则82.4.4 采集流程82.4.5 入排标准82.4.6 预期目标83语音信号预处理93.1 格式转换93.2 采样频率转换93.3 预加重93.4 加窗和分帧103.5 无声判别113.6 基频提取123.6.1 基音估计方法123.6.2 自相关法133.6.3 去除野点134语音障碍特征154.1 基频特征PitCh164.2 基频扰动Jitter164.3 振幅扰动Shimmer174.4

9、 信噪比特征184.5 非线性特征194.5.1 DFA（去趋势波动分析）204.5.2 RPDE（复发周期密度埔）204.5.3 D2（相关维度）224.5.4 PPE（基频周期熠）225帕金森病诊断和严重程度评估245.1 问题归类245.1.1 帕金森病诊断问题245.1.2 帕金森病语音障碍严重程度评估问题245.2 算法原理介绍255.2.1 支持向量机255.2.2 支持向量回归285.2.3 线性回归295.2.4 逻辑回归305.2.5 人工神经网络315.2.6 朴素贝叶斯335.2.7 1ASSO回归355.3 实验数据集355.4 实验结果376系统后端部署436.1 a

10、pp简介436.2 app后端配置436.3 算法接口436.4 用户数据库446.5 并发支持446.6 算法加速45结论46参考文献47附录Aapp的界面图片51致谢错误!未定义书签。帕金森病(ParkinSOn飞disease,PD)是最常见的神经系统疾病之一，容易在老年人群中发现，严重影响了人们的健康，加重了生活的负担。其主要的症状有静止性震颤(statictremor)肌强直(rigidity)运动迟缓(bradykinesia)姿势步态异常(abnorma1gait)等，同时还可能导致大量的非运动症状(NMS),如嗅觉功能衰退、便秘、抑郁、睡眠障碍等。作为一个进展性疾病，在病程的发

11、展中，其各种症状(运动、非运动)都会愈加严重，发展到了后期还常会出现相应的并发症，包括药物疗效减退、“开关”现象、异动症等。严重的患者极易被平衡障碍、跌倒、冻结步态、吞咽困难和言语障碍等症状所困扰，生活不能自理，生活质量严重下降。经过相关统计调查，在世界范围内，有着大约20/100,000的发病率和超过100/100,000的患病率，平均发病年龄在60岁左右。而对于我国来说，65岁以上的人群的患病率大约是1.7%,而近年来40岁左右的青年型帕金森病人的数量也表现出增加的趋势。世界帕金森病协会的统计表明，全球约有500万以上的帕金森患者，而我国帕金森病患者就已经超过了250万，几乎可以说占了全世

12、界患者的总数的一半。此外，这些统计数字可能低估了问题的严重性，由于我国人口老龄化以及帕金森病诊断的困难性等原因，这些数字不久可能会持续增加。帕金森病本身是有进展性的，但目前还没有能够治愈的治疗方法，也没有能逆转或阻止疾病进展的方法。所以就像癌症一样，早期的发现与诊断是很重要的。帕金森病最为显著的病理改变是黑质致密带(SNZC)多巴胺能神经元脱失及并发纹状体轴突末梢多巴胺(DA)耗竭。但是目前帕金森病的确切病因至今未明，遗传因素、环境因素、年龄老化、氧化应激等均可能参与多巴胺能神经元的变性死亡过程。目前作为诊断的“金标准”：病理学检验需要使用脑内细胞进行显微检测，很显然不太可行。而现在帕金森病还

13、没有明确的生化标记，所以精确的诊断比较困难。综上，帕金森病需要早期诊断，但又难以检测，因此如何可靠的诊断帕金森病已经吸引了越来越多的人进行研究。经过研究显示，语音也许是一个有效的诊断帕金森病的信号阳明正常人的发声需要在正常的体态和呼吸方法的基础上，通过肺部呼出的气流对声带进行冲击，从而产生出不同的振动频率，同时也伴随着声带的传导和共鸣腔的共鸣，从而获得可听声U1但是对于帕金森病来说，其作为一个神经系统疾病，不仅仅影响到了骨骼及运动系统，也影响到了发声系统，很容易产生语音障碍(通常指语音的音量、音调、音质、语音持续时间以及共鸣出现了异常)1,21o基于临床数据的证明，绝大多数的帕金森病患者(90

14、%)通常表现出一些语音问题而实际上，语音隙碍也是可能在最早出现的帕金森病的前驱症状之一，可以在临床诊断的五年前被检测到U41。所以目前已经有许多关于语音诊断帕金森疾病的研究。2007年，牛津大学的MaxAJ1itt1e等人开始相关的研究，他们使用语音来区分帕金森病人的声音和健康人的声音，经研究发现使用线性模型来处理语音模型，效果并不是很近人意，而使用非线性的特征更有效果I。AthanasiosTsanasMaxA.1itt1eT2009年，使用帕金森病人的在家中测量的语音文件来远程的监测帕金森疾病病情，其评估的语音障碍严重程度的评分与专业医师评估的UPDRS（满分167）评分平均之差只有7.5

15、分“61同年MaxA1itt1e从195个发音中，提取语音障碍人特征，并选择了10个特征，使用了支持向量机来区分帕金森病语音和健康语音，得到了91.4%的准确率网。Pei-FangGUo在2010年结合遗传编程和期望最大化算法（gp-em）,对帕金森病人进行分类，得到了93.1%的准确率兀R.Das也在2010使用了广义回归神经网络来对帕金森病人进行语音识别，得到了92.9%的准确度1。而在2012年，AthanasiosTsanas和MaxA.1itt1e等人,总结出了132个语音障碍特征,并分别使用了4中特征选择算法（1ASSO,mRMR,RE1IEF,11BFS）分别选择了与结果最相关的10个特征，结果发现使用RE1IEF选择出的10个特征可以很好的区分帕金森病语音和健康语音，使用支持向量机的方法可以得至IJ98.6%的准确率【网。可以看出在诊断（二分类）问题上，国外已经有很好的结果了，但是在严重程度评估（回归）问题上还有待改进。而国内的研究也取得了很好的结果。燕山大学的张涛在2011年对持续的元音进行测量，从而对基于元音分类度的帕金森病语音特征进行了相关的分析【。在2012年张涛又提出多维筛组合分类器框架，从多个维度改进算法，实验表明，多维筛分类器不但具有较好可视性能，而且