[發(fā)明專利]一種基于聚類的使用語音判斷帕金森嚴(yán)重程度檢測方法

在審

• 申請?zhí)枺?/td>: 201811032625.0
• 申請日: 2018-09-05
• 公開（公告）號: CN109192221A
• 公開（公告）日: 2019-01-11
• 發(fā)明（設(shè)計）人: 寶顏鵬;金博;魏小鵬
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/48;G10L25/66;G16H50/20;G16H50/30;G06K9/62;A61B5/00
• 代理公司: 大連格智知識產(chǎn)權(quán)代理有限公司 21238
• 代理人: 劉琦

本發(fā)明公開了一種基于聚類的使用語音判斷帕金森嚴(yán)重程度檢測方法，包括如下步驟：1、語音信號的采集；2、語音信號的預(yù)處理；3、提取所有的語音特征，包括基頻特征Pitch、基頻擾動Jitter、振幅擾動Shimmer、信噪比特征、非線性特征；4、模型及計算；5、進行預(yù)測：對于聚類的每個分類，載入分類及回歸模型；得到分類結(jié)果；通過標(biāo)記值進行患病者的嚴(yán)重程度推測。最后，將預(yù)測的結(jié)果通過接口，反饋回前端，展示給用戶。本發(fā)明是使用計算機軟件分析完成的，解決了臨床中沒有固定指標(biāo)確定是否患有帕金森的難題，同時也解決了臨床觀察帕金森周期長，費用高等問題，具有實時，高效又低成本的特點。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學(xué)習(xí)、人工智能、語音診斷、數(shù)據(jù)挖掘，更具體地說，涉 及一種基于聚類的使用語音判斷帕金森嚴(yán)重程度檢測方法。

背景技術(shù)

SVM(SupportVectorMachine)是目前使用最廣泛的分類器之一。SVM可以 解決的基本問題是二分類問題。它的根本思想是通過凸優(yōu)化算法從訓(xùn)練數(shù)據(jù)中 找到一個或者一組可以將兩類數(shù)據(jù)分開的超平面。這樣，在預(yù)測時，就可以通 過這組超平面來判斷預(yù)測數(shù)據(jù)屬于哪一類。目前已有的基于機器學(xué)習(xí)的帕金森 診斷技術(shù)只是將帕金森進行診斷分類，判定疑似患者是否患有帕金森病。而帕 金森病是一種不可逆轉(zhuǎn)的疾病，所以在實際的生活中不能起到本質(zhì)解決病人問 題的效果。支持向量回歸(SupportVectorRegression，SVR)，是根據(jù)SVM的基 本思想改良成的一種回歸算法，其主要思想是尋找一個超平面對樣本進行映射， 與其它的回歸算法不同的是其映射與真實值之間的差的絕對值如果小于一個具 體的范圍，就不計入損失。但是已有技術(shù)中還存在的一些缺陷或問題，比如說 只能進行是否患有帕金森分類，不能給出患病程度。雖然有專利是通過UPDRS (統(tǒng)一帕金森病評定量表)對帕金森病人評估患病嚴(yán)重程度，但是是進行整體 計算與預(yù)測，不能根據(jù)帕金森患者的情況進行個性化預(yù)測。加快了診斷的效率。

發(fā)明內(nèi)容

本發(fā)明給出一種基于聚類的使用語音判斷帕金森嚴(yán)重程度檢測方法。

為了達到上述目的，本發(fā)明提供一種基于聚類的使用語音判斷帕金森嚴(yán)重 程度檢測方法，包括如下步驟：

S1、語音信號的采集

選擇元音，通過采集設(shè)備，采集如下內(nèi)容：病人編號、姓名、年齡、性別、 是否確診為帕金森、是否有其他導(dǎo)致語音障礙的疾病、患病時間、UPDRS(運動)、 UPDRS(整體)、采集日期及時間、當(dāng)天第幾次采集；

S2、語音信號的預(yù)處理

對語音進行語音信號的預(yù)處理，包括格式轉(zhuǎn)換，采樣頻率轉(zhuǎn)換，預(yù)加重， 加窗和分幀，去除無聲部分，進行基頻提取；

S3、提取所有的語音特征

包括基頻特征Pitch、基頻擾動Jitter、振幅擾動Shimmer、信噪比特征、非 線性特征；

S4、模型及計算

基于支持向量機的分類算法，利用線性可分SVM分類器，以及非線性模型， SVM通過引入核函數(shù)建立模型；將S3所得特征數(shù)據(jù)以及醫(yī)生給出的信息進行 一一對應(yīng)，行成數(shù)據(jù)集；使用k-means進行聚類，對于每一個聚類的類別，將數(shù) 據(jù)集按3:1的比例分為訓(xùn)練集和測試集；針對每一個聚類行程的類別，訓(xùn)練集使 用支持向量機的分類算法及SVM模型進行分類模型訓(xùn)練，使用支持向量回歸 SVR方法進行回歸模型訓(xùn)練，使用網(wǎng)格搜索方法進行優(yōu)化模型，將訓(xùn)練好的， 每一類別的模型參數(shù)進行保存。

S5、進行預(yù)測