首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于语音对帕金森病患者吞咽困难症状重要性度量指标的获取方法和系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:江苏省省级机关医院

摘要:本发明提出了一种一种基于语音对帕金森病患者吞咽困难症状重要性度量指标的获取方法。应用多语音任务,实现对受试者更加全面的构音障碍程度的辅助分析,原始特征导入GBDT模型,完成对来自不同语音任务提取的原始特征进行特征组合,得到高阶特征,再将这些经过决策树生成的高阶特征,作为机器学习中的逻辑斯蒂分类算法的输入进行吞咽困难症状的评估,输出重要性度量指标,实现帕金森病患者吞咽困难症状的早期辅助分析,以期及时采取特定的治疗策略。

主权项:1.一种基于语音的帕金森病患者吞咽困难症状重要性度量指标获取方法,其特征在于按以下步骤进行的:步骤一、采集帕金森病患者参与多语音任务的语音数据,并对上述语音数据进行标签标注;步骤二、对采集的帕金森病患者语音数据进行去噪增强预处理,然后进行特征提取,得到能够表征数据的语音特征向量,并构造数据集;步骤三、从数据集中选取N个训练样本,训练以分类回归树模型CART作为基分类器的梯度提升树模型GBDT,获得M个基分类器;步骤四、从GBDT模型中导出训练好的M个基分类器,从其根节点出发到任一子节点的路径作为一个决策特征变量rk;在完成GBDT模型训练之后,导出每一个基分类器CART,从构建好的树模型的根节点出发到任一子节点的路径将作为一个决策特征变量即决策规则,具体过程为:1对于获得的每个基分类器,从根节点开始到树内任一节点的路径作为一条决策规则: 其中I·为示性函数,当括号里的表达式为真时取值为1否则为0,一条完整的规则变量的形式可表示为gm,kx=I节点jx切分特征1<s*I节点j+1x切分特征2>sI节点j+··,即通过分类回归树构建过程中选取的切分节点以及切分点值对样本进行分类,当样本落在上述的切分数据域时表达式为1;2Tm为第m次迭代获得的分类回归树CART的叶子节点集合,Dj,mh,s为由节点j处切分特征变量h取值为s时的切分区域;对于M棵树,每棵树的节点数为J+1,可获得的规则变量的数量为步骤五、从M个基分类器中获得的K个决策特征变量与原数据特征变量一同送入逻辑斯谛回归模型进行线性拟合;将从M个基分类器中获得的K个决策特征变量与原数据特征变量一同送入逻辑斯谛回归模型进行线性拟合,具体过程为:1将从基分类器中获得决策规则作为一个新的变量,与原始的特征变量一同导入线性函数进行拟合数据对xn,yn,其模型的数学表达Qx为: 其中e0表示拟合偏差,ek表示第k个规则变量gm,k的权重,bh为线性回归模型中原始特征xh的权重,H表示特征数量;2模型Qx系数的估计,将通过优化下式中的损失函数获得: 其中argmin函数作用是获取当右边项取最小时系数的取值,λ用于权衡规则变量在模型中的比重,值越大规则变量对模型输出结果的影响越小;模型最终的输出为对数据xn的标签预测值步骤六、从训练好的逻辑斯谛回归模型中导出规则变量和原始数据特征变量的重要性度量;规则变量和原始数据特征变量的重要性度量;具体过程为:1规则变量的重要性度量为IK: 其中ok表示规则gm,k的样本比例,即有多少的样本满足规则gm,k,ek表示第k个规则变量gm,k的权重;2对于特征变量,其重要性度量Ih为: 其中stdxj指的是的标准差,bh为线性回归模型中原始特征的权重;步骤七、输出特征变量的重要性度量结果报告,辅助医生作出吞咽困难症状评估。

全文数据:

权利要求:

百度查询: 江苏省省级机关医院 一种基于语音对帕金森病患者吞咽困难症状重要性度量指标的获取方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。