17、基于非线性动力学的帕金森病患者语音分析

基于非线性动力学的帕金森病患者语音分析

1. 引言

帕金森病（PD）是一种神经退行性疾病，源于中脑黑质区多巴胺能细胞的逐渐死亡。约89%的帕金森病患者通常会出现语音障碍，影响呼吸、发声、发音和韵律等多个方面。这些语音障碍与声带弯曲和声带闭合不完全有关，而且发声是一个高度非线性的动态系统，因此可以使用非线性动力学（NLD）分析来建模帕金森病患者在语音产生过程中不同肌肉、组织和器官运动受损所导致的变化。

虽然科学界对将NLD应用于帕金森病患者语音的自动评估很感兴趣，但NLD特征的判别能力尚不清楚，因为它们通常与声学和噪声等其他特征结合使用。本文实现了不同的先进NLD特征，并客观评估了它们在帕金森病患者（PPD）和对照组（CS）语音信号自动分类中的判别能力。研究中考虑的特征集共有10项，包括相关维度、最大Lyapunov指数、Lempel - Ziv复杂度、Hurst指数等。

2. 方法

2.1 总体方法

整体方法流程如下：

graph LR
    A[信号] --> B[预处理（分帧）]
    B --> C[特征提取（NLD特征）]
    C --> D[特征选择]
    D --> E[自动分类（SVM）]
    E --> F[输出结果（PPD或CS）]

信号首先通过分帧进行预处理，然后进行特征提取，此阶段仅考虑NLD特征。为消除所有NLD特征提供信息中的可能冗余，需要进行特征选择阶段。最后，通过支持向量机（SVM）的自动分类策略来判断语音信号是来自帕金森病患者还是对照组