神经系统疾病早期筛查及检测方法研究
摘要 | 第2-3页 |
Abstract | 第3-4页 |
1 绪论 | 第8-16页 |
1.1 研究背景 | 第8-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 语音障碍识别 | 第10-11页 |
1.2.2 帕金森“面具脸”识别 | 第11-13页 |
1.3 研究内容及框架 | 第13-14页 |
1.4 本文的组织结构 | 第14-16页 |
2 语音信号预处理及特征提取 | 第16-31页 |
2.1 语音信号预处理 | 第16-21页 |
2.1.1 发音的选择 | 第16页 |
2.1.2 采集设备及方案 | 第16-17页 |
2.1.3 音频格式转换 | 第17-18页 |
2.1.4 预加重 | 第18-19页 |
2.1.5 采样频率转换 | 第19页 |
2.1.6 加窗和分帧 | 第19-20页 |
2.1.7 无声判别 | 第20-21页 |
2.2 基频提取 | 第21-22页 |
2.2.1 基音检测方法 | 第21-22页 |
2.2.2 自相关法 | 第22页 |
2.2.3 去除野点 | 第22页 |
2.3 语音障碍线性特征提取 | 第22-26页 |
2.3.1 基频特征Pitch | 第23-24页 |
2.3.2 基频扰动Jitter | 第24-25页 |
2.3.3 振幅扰动Shimmer | 第25-26页 |
2.3.4 信噪比特征 | 第26页 |
2.4 语音障碍非线性特征提取 | 第26-30页 |
2.4.1 DFA(去趋势波动分析) | 第27页 |
2.4.2 RPDE(复发周期密度熵) | 第27-29页 |
2.4.3 D2(相关维度) | 第29页 |
2.4.4 PPE(基频周期熵) | 第29-30页 |
2.5 本章小结 | 第30-31页 |
3 视频预处理及特征提取 | 第31-38页 |
3.1 视频数据采集 | 第31-32页 |
3.1.1 视频内容的选择 | 第31页 |
3.1.2 采集设备及方案 | 第31-32页 |
3.2 视频预处理 | 第32页 |
3.3 视频转化为图片 | 第32-33页 |
3.4 读取人脸关键点坐标信息 | 第33页 |
3.5 人脸关键点坐标预处理 | 第33-35页 |
3.6 人脸关键点特征提取 | 第35-37页 |
3.6.1 表情变化幅度特征提取 | 第36页 |
3.6.2 面部关键点震颤特征提取 | 第36-37页 |
3.7 本章小结 | 第37-38页 |
4 疾病诊断及严重程度评估 | 第38-60页 |
4.1 问题归类 | 第38-39页 |
4.1.1 帕金森病的诊断 | 第38页 |
4.1.2 帕金森病严重程度的判断 | 第38-39页 |
4.2 聚类及特征选择 | 第39-41页 |
4.2.1 K-means聚类算法介绍 | 第39-40页 |
4.2.2 特征选择介绍 | 第40-41页 |
4.3 算法原理介绍 | 第41-52页 |
4.3.1 线性回归及逻辑回归 | 第42-44页 |
4.3.2 支持向量机与支持向量回归 | 第44-48页 |
4.3.3 决策树与随机森林 | 第48-49页 |
4.3.4 循环神经网络与长短期记忆网络 | 第49-52页 |
4.4 实验及结果分析 | 第52-59页 |
4.4.1 语音数据 | 第52-53页 |
4.4.2 视频数据 | 第53-54页 |
4.4.3 模型训练及实验结果评估 | 第54-59页 |
4.5 本章小结 | 第59-60页 |
5 神经系统疾病诊断系统实现 | 第60-66页 |
5.1 需求分析 | 第60-61页 |
5.1.1 总体分析 | 第60页 |
5.1.2 需求分析 | 第60-61页 |
5.2 系统设计 | 第61-62页 |
5.2.1 系统框架 | 第61页 |
5.2.2 功能模块 | 第61-62页 |
5.3 主要功能 | 第62-63页 |
5.4 数据库及接口设计 | 第63-64页 |
5.5 界面展示 | 第64-65页 |
5.6 系统建设后期工作 | 第65页 |
5.7 本章小结 | 第65-66页 |
结论 | 第66-68页 |
参考文献 | 第68-71页 |
附录A 附录内容名称 | 第71-72页 |
统一帕金森病评分量表(UPDRS) | 第71-72页 |
攻读硕士学位期间发表学术论文情况 | 第72-73页 |
致谢 | 第73-75页 |