公开(公告)号：CN114299996A

公开(公告)日：2022-04-08

申请号：CN202111677396.X

申请日：2021-12-31

Applicant: 南京邮电大学

Inventor： 李云 ,  王晨哲 ,  季薇 ,  王传瑜 ,  杨茗淇 ,  符宇辰

IPC: G10L25/66 ,  G10L21/0208 ,  G10L25/18 ,  G10L25/24

Abstract: 本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。

公开(公告)号：CN114373484A

公开(公告)日：2022-04-19

申请号：CN202210280063.1

申请日：2022-03-22

Applicant: 南京邮电大学

Inventor： 季薇 ,  符宇辰 ,  李云

IPC: G10L25/66 ,  G10L25/30 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00 ,  A61B5/11

Abstract: 本发明是一种语音驱动的帕金森病多症状特征参数的小样本学习方法，实现了在小规模数据集下对帕金森病患者的语音分析，将语音的初阶特征输入卷积神经网络，将得到的高阶特征进行组合，得到原型向量，再通过比较距离的方法计算原型和待测语音的差异性，并预测出待测样本在每一种症状下的概率，然后使用深度学习中的交叉熵损失函数和Adam优化器训练模型，使得原型向量接近于患者具有症状的真实分布，并将最终得到的原型向量作为关键性特征，实现帕金森病患者多种症状的同时预测分析。