雷少正 王崇骏 谢俊元

(1.南京大学计算机科学与技术系，南京，210023；2.南京大学软件新技术国家重点实验室，南京，210023)



基于主成分分析的帕金森量表优化

雷少正1,2王崇骏1,2谢俊元1,2

(1.南京大学计算机科学与技术系，南京，210023；2.南京大学软件新技术国家重点实验室，南京，210023)

西医量表是评估帕金森病(Parkinson′s disease,PD)的重要依据，而这些量表包含大量交叉重复问题，不利于快速评估帕金森病。因此，优化这些西医量表对快速诊断帕金森病有非常重要的意义。针对该问题，提出了基于主成分分析(Principal component anaysis, PCA)的量表问题的优化算法。本文提出的算法先是基于主成分分析提取出加权投影向量，然后在投影向量的基础上采用基于大津阈值(Otsu)局部递归分割算法划分量表，最后基于贡献度因子(Contribution factor, CF)设计新量表。实验通过采用支持向量机(Support vector machine,SVM)识别帕金森病，发现用仅占原西医量表总问题数的21%的新量表能达到与原量表相当的识别水平。

帕金森病; 量表优化; 主成分分析; 大津阈值局部递归分割; 加权投影向量; 贡献度因子

引 言

帕金森病[1-4]是一种常见于中老年人群的中枢神经系统变性疾病，首先由英国医生James Parkinson在一篇《震颤麻痹》的论文中进行了描述性研究，该病会致使患者出现如下症状：四肢颤抖、肌肉僵直、行动迟缓、步伐拖曳、忧郁及痴呆等[5]。量表是一种试图确定主观的或者抽象概念的定量化测量的程序，对事物的特性变量可以用不同的规则分配数值。西医量表是评估帕金森病的重要手段[6-7]，然而西医量表包含大量交叉重复的量表问题，不利于医生快速诊断帕金森病。……