帕金森�。≒arkinson’s Disease,PD）又稱之為震顫麻痹,是僅次于阿爾茨海默氏癥的第二大神經(jīng)系統(tǒng)疾病。傳統(tǒng)帕金森患者的病情檢查方法是測(cè)定統(tǒng)一帕金森病評(píng)定量表（Unified Parkinson’s Disease Rating Scale,UPDRS）,診斷過(guò)程需要醫(yī)生和患者共同完成,具有一定的主觀性;同時(shí)由于帕金森患者行動(dòng)不便,這不僅一定程度上耗費(fèi)了患者的時(shí)間和精力,也占用了日益緊張的醫(yī)療資源。在該狀況下,實(shí)現(xiàn)帕金森病早期診斷和病情級(jí)別預(yù)測(cè)對(duì)于治療帕金森病具有重大意義。帕金森患者早期發(fā)病時(shí)大多會(huì)出現(xiàn)不同程度的語(yǔ)音障礙,同時(shí)還會(huì)表現(xiàn)出靜止性震顫、肌肉僵硬等運(yùn)動(dòng)癥狀。本論文試圖利用帕金森患者的手部震顫信息與語(yǔ)音損傷信息,實(shí)現(xiàn)對(duì)患者的病情早期診斷和病情UPDRS預(yù)測(cè)。論文對(duì)基于手繪圖和語(yǔ)音的帕金森病情診斷和預(yù)測(cè)方案展開(kāi)了研究,具體研究工作如下:首先,介紹了相關(guān)理論基礎(chǔ)和技術(shù),如用于手繪圖片處理的圖像處理技術(shù)和用于語(yǔ)音處理的語(yǔ)音處理技術(shù)。并對(duì)帕金森語(yǔ)音特征進(jìn)行了分析,同時(shí)介紹了語(yǔ)音特征提取算法,包括線性和非線性的特征提取算法。然后介紹了帕金森病情UPDRS預(yù)測(cè)相關(guān)的回歸方法和... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

回歸預(yù)測(cè)流程

圖 2.3 線性預(yù)測(cè)用于非線性問(wèn)題的擬合在特征集合中不斷選擇最佳的切分點(diǎn)，將上層的數(shù)據(jù)兩個(gè)集合的預(yù)測(cè)值與真實(shí)值的總方差最小，才停止迭劃分為多個(gè)小集合，每個(gè)小集合都規(guī)定了輸入變量的建立好的模型找到相應(yīng)的集合，則該集合中真實(shí)值的的算法步驟如下：集樣本選擇出最優(yōu)的切分變量 j 和切分點(diǎn) 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 對(duì)固定的特征掃描所有取值，找到使上式達(dá)到最小值j,s)劃分區(qū)域，并確定該區(qū)域的預(yù)測(cè)值。劃分區(qū)域調(diào)用上述步驟，直至終止條件滿足為止。

圖 2.4 單任務(wù)學(xué)習(xí)和多任務(wù)學(xué)習(xí)對(duì)比圖在多任務(wù)學(xué)習(xí)中，假設(shè) M 個(gè)任務(wù)的訓(xùn)練集為m m 1{ }MT ，mT 表示第 m 個(gè)任務(wù)，訓(xùn)練集mD包mn 個(gè)樣本標(biāo)簽對(duì), , 1{x ,y }mnm j m j j ，其中,Dm jx R為第 m 個(gè)任務(wù)的第 j 個(gè)樣本，,ym j為對(duì)應(yīng)輸出，mn 是第 m 個(gè)任務(wù)的訓(xùn)練樣本數(shù)目。D MW R 代表多任務(wù)的參數(shù)矩陣，其中mw 為 W 其中的一列，屬于第 m 個(gè)任務(wù)的模型向量，m 代表任務(wù)下的噪聲，則多任務(wù)模型為：, ,Tm j m m j my w x (2.37)2.5 深度學(xué)習(xí)概述2.4 節(jié)重點(diǎn)介紹了機(jī)器學(xué)習(xí)相關(guān)技術(shù)。在基于手繪圖的帕金森病情診斷方案設(shè)計(jì)中，本文運(yùn)用了深度學(xué)習(xí)工具對(duì)帕金森手繪圖片進(jìn)行分類。本節(jié)就深度學(xué)習(xí)技術(shù)進(jìn)行說(shuō)明。

【參考文獻(xiàn)】：
期刊論文
[1]基于迭代決策樹(shù)的帕金森UPDRS預(yù)測(cè)模型研究[J]. 林鋼,季薇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(01)
[2]基于模型過(guò)濾的多任務(wù)回歸在帕金森癥預(yù)測(cè)中的應(yīng)用[J]. 劉峰,季薇,李云.  計(jì)算機(jī)應(yīng)用. 2018(11)
[3]基于過(guò)濾的域適應(yīng)模型融合的帕金森病情預(yù)測(cè)[J]. 季薇,呂艷潔,林鋼,李云.  儀器儀表學(xué)報(bào). 2018(06)
[4]M3-SVM在帕金森疾病UPDRS分類中的應(yīng)用[J]. 汪學(xué)明,季薇,李云.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(03)
[5]最優(yōu)路徑森林分類算法綜述[J]. 沈龍鳳,宋萬(wàn)干,葛方振,李想,楊憶,劉懷愚,高向軍,洪留榮.  計(jì)算機(jī)應(yīng)用研究. 2018(01)
[6]矩陣補(bǔ)全模型及其算法研究綜述[J]. 陳蕾,陳松燦.  軟件學(xué)報(bào). 2017(06)
[7]帕金森病診治現(xiàn)狀調(diào)查[J]. 韓艷,張曉紅,陳彤,王振福,孫虹.  中華保健醫(yī)學(xué)雜志. 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)



本文編號(hào)：3251677