現階段人口老齡化的問題日益加重,神經性系統(tǒng)疾病的發(fā)病人數逐年上升,為患者和醫(yī)生都帶來了看病壓力。神經性系統(tǒng)疾病的癥狀普遍具有意識障礙、感知覺障礙、運動障礙等癥狀,但目前用于檢測神經系統(tǒng)疾病的方法普遍會對患者造成創(chuàng)傷,對于移動不便的患者,奔赴醫(yī)院就醫(yī)診斷還會帶來移動負擔。隨著信息科技的發(fā)展,互聯網醫(yī)療的逐漸興起正在一點點的改變醫(yī)療生態(tài),越來越多的人探索用全新的技術手段,采用更加便捷,更加高效的方式,達到疾病問診、病情跟蹤、康復訓練的目的。本文利用大數據技術,以典型的神經性系統(tǒng)疾病帕金森病為例,探究了帕金森病診斷以及嚴重程度判斷的問題,旨在提供給患者更加便捷、高效的檢測方式。本文通過語音識別,以及人臉關鍵點識別兩種方式進行帕金森病診斷方式的研究探討。首先,對語音、人臉視頻數據進行預處理以及特征提取工作,將其轉換為可以用于模型構建的數字信息;語音部分使用了目前常用于檢測帕金森病的線性及非線性特征,而人臉關鍵點分析,使用了體現面部表情幅度以及震顫的兩大類特征;將診斷問題抽象為分類問題,將病情嚴重程度抽象為回歸問題,分別進行模型的建立和診斷。本文在構建語音分類的模型時,首先將病人進行聚類,隨后針... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內外研究現狀
        1.2.1 語音障礙識別
        1.2.2 帕金森“面具臉”識別
    1.3 研究內容及框架
    1.4 本文的組織結構
2 語音信號預處理及特征提取
    2.1 語音信號預處理
        2.1.1 發(fā)音的選擇
        2.1.2 采集設備及方案
        2.1.3 音頻格式轉換
        2.1.4 預加重
        2.1.5 采樣頻率轉換
        2.1.6 加窗和分幀
        2.1.7 無聲判別
    2.2 基頻提取
        2.2.1 基音檢測方法
        2.2.2 自相關法
        2.2.3 去除野點
    2.3 語音障礙線性特征提取
        2.3.1 基頻特征Pitch
        2.3.2 基頻擾動Jitter
        2.3.3 振幅擾動Shimmer
        2.3.4 信噪比特征
    2.4 語音障礙非線性特征提取
        2.4.1 DFA(去趨勢波動分析)
        2.4.2 RPDE(復發(fā)周期密度熵)
        2.4.3 D2(相關維度)
        2.4.4 PPE(基頻周期熵)
    2.5 本章小結
3 視頻預處理及特征提取
    3.1 視頻數據采集
        3.1.1 視頻內容的選擇
        3.1.2 采集設備及方案
    3.2 視頻預處理
    3.3 視頻轉化為圖片
    3.4 讀取人臉關鍵點坐標信息
    3.5 人臉關鍵點坐標預處理
    3.6 人臉關鍵點特征提取
        3.6.1 表情變化幅度特征提取
        3.6.2 面部關鍵點震顫特征提取
    3.7 本章小結
4 疾病診斷及嚴重程度評估
    4.1 問題歸類
        4.1.1 帕金森病的診斷
        4.1.2 帕金森病嚴重程度的判斷
    4.2 聚類及特征選擇
        4.2.1 K-means聚類算法介紹
        4.2.2 特征選擇介紹
    4.3 算法原理介紹
        4.3.1 線性回歸及邏輯回歸
        4.3.2 支持向量機與支持向量回歸
        4.3.3 決策樹與隨機森林
        4.3.4 循環(huán)神經網絡與長短期記憶網絡
    4.4 實驗及結果分析
        4.4.1 語音數據
        4.4.2 視頻數據
        4.4.3 模型訓練及實驗結果評估
    4.5 本章小結
5 神經系統(tǒng)疾病診斷系統(tǒng)實現
    5.1 需求分析
        5.1.1 總體分析
        5.1.2 需求分析
    5.2 系統(tǒng)設計
        5.2.1 系統(tǒng)框架
        5.2.2 功能模塊
    5.3 主要功能
    5.4 數據庫及接口設計
    5.5 界面展示
    5.6 系統(tǒng)建設后期工作
    5.7 本章小結
結論
參考文獻
附錄A 附錄內容名稱
    統(tǒng)一帕金森病評分量表(UPDRS)
攻讀碩士學位期間發(fā)表學術論文情況
致謝


【參考文獻】：
期刊論文
[1]CT與磁共振在中樞神經系統(tǒng)疾病診斷中的應用效果比較[J]. 陳林娟.  中國醫(yī)療器械信息. 2017(22)
[2]基于Web的EAST實時視頻點播系統(tǒng)[J]. 夏金瑤,肖炳甲,李丹,王開榮,羅文利.  計算機系統(tǒng)應用. 2017(03)
[3]帕金森病200年史話[J]. 王曉丹,紀勇.  中國現代神經疾病雜志. 2017(01)
[4]基于語音樣本重復剪輯和隨機森林的帕金森病診斷算法研究[J]. 李勇明,楊劉洋,劉玉川,王品,邱明國,謝文賓,張小恒.  生物醫(yī)學工程學雜志. 2016(06)
[5]基于MATLAB語音工具箱的帕金森病診斷[J]. 楊彬,夏晨曦,宋越卿.  科技展望. 2016(15)
[6]帕金森病流行現狀[J]. 劉疏影,陳彪.  中國現代神經疾病雜志. 2016(02)
[7]疾病綜述:帕金森病[J]. 湯森路透.  國際藥學研究雜志. 2015(03)
[8]帕金森病的臨床常見問題[J]. 靳令經,詹青.  中國社區(qū)醫(yī)師. 2012(13)
[9]基于元音分類度的帕金森病語音特征分析[J]. 張濤,洪文學,常鳳香,劉旭龍.  中國生物醫(yī)學工程學報. 2011(03)
[10]帕金森病患者的心理護理[J]. 鄭培鳳.  中國民康醫(yī)學. 2007(10)

博士論文
[1]基于圖像集合和視頻序列的視頻人臉識別算法研究[D]. 王玉.吉林大學 2017
[2]基于語音特征的帕金森病可視化診斷方法研究[D]. 張濤.燕山大學 2012
[3]人臉特征點定位及識別的研究[D]. 杜春華.上海交通大學 2008
[4]人臉識別中若干關鍵問題的研究[D]. 山世光.中國科學院研究生院（計算技術研究所） 2004

碩士論文
[1]基于級聯卷積神經網絡的人臉關鍵點檢測算法[D]. 靳一凡.浙江大學 2015
[2]語音信號的基音檢測法研究[D]. 焦蓓.湘潭大學 2013



本文編號：3355545