基于卷积神经网络的帕金森病语音障碍诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 新型帕金森病诊断方法研究现状 | 第11-12页 |
| 1.2.2 基于语音障碍的帕金森病诊断研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 第2章 基于CNN的帕金森病语音障碍诊断架构 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习常见算法 | 第16-23页 |
| 2.2.1 反向传播算法 | 第17-19页 |
| 2.2.2 卷积神经网络理论 | 第19-21页 |
| 2.2.3 卷积神经网络的拓扑结构 | 第21-23页 |
| 2.3 卷积神经网络诊断帕金森病的语音适配 | 第23-24页 |
| 2.4 基于CNN帕金森病语音障碍诊断架构 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 时频化表示 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 语谱图的研究意义 | 第25-26页 |
| 3.3 语谱图的实现 | 第26-31页 |
| 3.3.1 语谱图简介 | 第26页 |
| 3.3.2 时频化过程 | 第26-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 卷积神经网络构造 | 第32-54页 |
| 4.1 引言 | 第32页 |
| 4.2 Caffe简介 | 第32-34页 |
| 4.2.1 Caffe的特性 | 第32-33页 |
| 4.2.2 Caffe的网络配置 | 第33页 |
| 4.2.3 Caffe的数据结构 | 第33-34页 |
| 4.3 卷积神经网络的构造 | 第34-38页 |
| 4.3.1 构造卷积层conv1 | 第35页 |
| 4.3.2 构造卷积层conv2 | 第35-36页 |
| 4.3.3 构造卷积层conv3 | 第36-37页 |
| 4.3.4 构造卷积层conv4 | 第37页 |
| 4.3.5 构造卷积层conv5 | 第37页 |
| 4.3.6 构造全连接层fc6 | 第37-38页 |
| 4.3.7 构造全连接层fc7 | 第38页 |
| 4.3.8 构造全连接层fc8 | 第38页 |
| 4.4 卷积神经网络训练过程 | 第38-44页 |
| 4.4.1 数据初始化 | 第38-41页 |
| 4.4.2 数据集生成 | 第41-42页 |
| 4.4.3 语谱图均值计算 | 第42-43页 |
| 4.4.4 训练网络 | 第43-44页 |
| 4.5 卷积核学习 | 第44-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 基于临床样本的帕金森病诊断实验 | 第54-67页 |
| 5.1 引言 | 第54页 |
| 5.2 数据来源 | 第54-55页 |
| 5.3 评价指标 | 第55页 |
| 5.4 实验测试 | 第55-64页 |
| 5.4.1 测试不同输入数据 | 第55-60页 |
| 5.4.2 学习率对比实验 | 第60页 |
| 5.4.3 输出节点实验 | 第60-61页 |
| 5.4.4 动量值实验 | 第61-62页 |
| 5.4.5 样本比例实验 | 第62-64页 |
| 5.4.6 网络参数 | 第64页 |
| 5.5 实验对比 | 第64-65页 |
| 5.6 结果分析 | 第65页 |
| 5.7 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |
