基于多元图语音特征融合原理的帕金森病诊断方法研究

本项目针对目前帕金森病诊断过程繁琐、费用高，导致漏诊与误诊率高，给患者和社会造成沉重负担的问题，提出了基于多元图融合语音特征的帕金森病诊断新方法。语言障碍是帕金森病的早期症状之一，在对语音信号进行采集和特征提取的基础上，利用多元图表示方法进行特征融合，基于多维筛可视化组合分类器进行机器诊断是一个具有原创性特点的新方法。主要研究内容有：构建语音信号采集平台；基于多元图表示的可视化语音特征融合方法；基于联通区域特定类单位面积样本数指标的图形区域主动生长算法；基于视觉信息的子分类器权重计算与组合分类器设计等。本项目采用可视多元图表示诊断过程信息，可提高诊断的泛化能力并有助于发现新的诊断信息。本项目原创性的学术思想在解决帕金森病诊断实际问题的同时，可完善基于高维数据列向量图表示的可视化组合分类器理论和方法，这无论对信息融合和模式识别学术研究还是对基于语音特征的帕金森疾病诊断应用研究都具有重要意义。

本项目以帕金森病的早期可视化诊断为出发点，初步建立了基于多元图表示原理的多维筛可视化分类器理论和基于语音障碍的帕金森病可视化诊断方法。并根据研究过程中出现的分类过程逻辑性解释不强的问题初步开展了基于偏序原理的数据表示新方法研究。. 多维筛可视化分类器的研究主要包括：研究并分析了多种图表示方法，提出基于色度学空间的彩色多元图表示方法，为多元图的类别可视化表示提供了新的表示方法；提出了多元图表示的非线性优化方法；提出基于主动生长原理的多元图可视化分类界面计算方法，完成了分类过程全程可视化的要求，增强了分类器的可解释性；完善了组合分类器的模型，通过粗糙集理论和视觉共生特性的分析，分别提出基于模糊度与规整度的组合分类方法，为可视化分类器的组合规则上提供可视化依据；通过对UCI数据集中不同类型与来源的数据的综合实验可知，本项目提出的方法在增加了全程可视化的同时，在分类精度上已经达到甚至超过主流分类器水平。该部分的研究不但完善了具有鲜明特色的、基于原创性学术思想的基于多元图表示的可视化模式识别理论体系，而且为基于语音障碍的帕金森病可视化诊断奠定了方法基础。. 在对基于语音障碍的帕金森病可视化诊断研究中，提出了基于元音类间分离度的语音信号采集方法，为基于语音障碍的帕金森病自动诊断奠定了基础；利用本项目研究的可视化分类器理论对帕金森病数据进行分析，首次做到了全程可视化的帕金森病语音障碍诊断；分别利用帕金森数据集与远程帕金森数据集进行了帕金森病的可视化诊断与病程的判断,证明了本项目方法在远程医疗中的作用。实验表明，利用可视化模式识别理论，不但完成了诊断过程的全程可视化，有助于新的诊断指标的发现，而且获得了比经典分类器更高的诊断精度。在此基础上，探索了完成不同分类器在ROC意义下的疾病诊断分析，进而判断不同分类器在诊断中的代价敏感问题。. 同时，在对帕金森病数据的分析中，发现对于帕金森病这种尚无法认知病因的疾病，虽然可视化分类器做到了可视化和可解释特性，但由于解释过程停留在数据层面，难以形成知识。基于此，本项目初步探讨了基于偏序原理的数据表示新方法问题，试图通过对数据结构间的逻辑分析获取知识信息，为下一步基于偏序原理的分类器逻辑组合设计奠定了基础。