隨著計(jì)算機(jī)技術(shù)逐漸應(yīng)用于醫(yī)學(xué)領(lǐng)域中,借助計(jì)算機(jī)對(duì)患者的嗓音進(jìn)行分析和診斷,成本低且易操作。由于聲診具有簡(jiǎn)便快捷、無(wú)損傷無(wú)痛等優(yōu)勢(shì),越來(lái)越多的研究者開(kāi)始關(guān)注相關(guān)的研究。影響發(fā)聲的疾病主要包括神經(jīng)類、肺病類和發(fā)聲器官病變類,本文針對(duì)三大類疾病中的典型疾病,通過(guò)分析病態(tài)嗓音與健康嗓音間的差異性,從特征提取、特征選擇和特征融合展開(kāi)不同類別嗓音間的二分類研究,將多分類問(wèn)題分解為二分類問(wèn)題,構(gòu)建基于聲診的疾病分類樹(shù)模型。首先,通過(guò)分析病態(tài)嗓音與健康嗓音的差異性,提取了基于先驗(yàn)知識(shí)和基于字典學(xué)習(xí)的嗓音特征。針對(duì)各類別間嗓音樣本數(shù)量不平衡的問(wèn)題,分別設(shè)計(jì)了健康樣本和肺癌樣本的下采樣、上采樣方案,實(shí)驗(yàn)結(jié)果證明本文中提出方法有效緩解了樣本不平衡導(dǎo)致的少數(shù)類樣本誤分問(wèn)題。然后,針對(duì)提取的嗓音特征維數(shù)過(guò)高的問(wèn)題,采用特征選擇的方式消除冗余特征,選擇最佳的特征子集,在保證分類精度的基礎(chǔ)上有效降低了特征維數(shù)。在單發(fā)音特征優(yōu)化的基礎(chǔ)上,分析不同發(fā)音在各類別間二分類的差異性,提出了特征層和決策層的多發(fā)音融合方案,充分利用不同發(fā)音的特征信息,有效提升了分類的準(zhǔn)確率。最后,針對(duì)多分類中少數(shù)類樣本分類精度低的問(wèn)題,將多分類... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

各類別Mel倒譜系數(shù)圖

圖 2-3 各類別嗓音樣本波形圖本文使用的疾病語(yǔ)音數(shù)據(jù)庫(kù)通過(guò)與廣東省中醫(yī)院合作采集，采用標(biāo)準(zhǔn)化流程，具有醫(yī)生診斷的真實(shí)標(biāo)簽。數(shù)據(jù)庫(kù)中包含健康與多種類別疾病的本，每例樣本都包含同一采集人對(duì)不同內(nèi)容的持續(xù)發(fā)音，每個(gè)錄音持續(xù)，在此選取每例樣本都包含的/l /、/wō/、/l /、/yī/四種發(fā)音樣本，各類樣本數(shù)量如表 2-2 中所示。表 2-2 各類別樣本數(shù)量類別 數(shù)量健康 446 例帕金森 122 例感冒 100 例肺癌 30 例 實(shí)驗(yàn)結(jié)果以及分析由于各類別樣本間數(shù)量的不平衡問(wèn)題，因此只通過(guò)準(zhǔn)確率對(duì)分類效果進(jìn)


本文編號(hào)：3064528