张智军 孙健声 陈博钊

(1.华南理工大学自动化科学与工程学院,广东广州 510640;2.人工智能与数字经济实验室,广东广州 510335)

1 引言

帕金森病是一种常见的神经退行性疾病[1],由多巴胺能神经元的逐渐退化和死亡引起,此神经元在肌张力水平的协调运动中起着关键作用,因此影响着很多患者的正常生活.据帕金森病基金会估计,全世界有700万至1000万人患有这种疾病[2],多见于50岁以上的老年人,其声音症状在日常生活中体现较早[3].

在2016年,Naranjo团队给出了一种利用声学特征检测帕金森病的分类方法[4].具体而言,在对受试者录音制作声学特征时,系统利用采集上的误差产生样本差异,对同一个受试者采集几个数据样本,导致样本之间特征不独立,文献[4]中介绍的一种基于潜在变量的广义线性方法解决了重复样本的问题.然而在分类时使用的44个特征具有高度的相关性.在2017年,Naranjo团队又给出了一种处理重复样本的两阶段变量选择贝叶斯方法[2].第1阶段是基于过滤法的预选步骤,该方法选择与组中其他变量具有最小累积差异的变量,将每个特征组的变量数量减少到一个.第2阶段采用一种基于最小绝对收缩和选择算子的正则化分类方法.该方法取得了77.9%的准确率并且易于计算.

根据以往研究[4],声学特征中梅尔倒谱系数的一阶导数可以有效检测帕金森病.在2018年,Kebin团队[5]利用这一发现,对此特征进行基于球形K均值聚类的字典学习,将学习到的特征进一……