7、基于语音属性的VGG11帕金森病检测

基于语音属性的VGG11帕金森病检测

1. 背景介绍

帕金森病（PD）是一种常见的神经疾病，会导致运动障碍，如僵硬、行动迟缓、震颤等。据信，该疾病影响着全球65岁以上约2 - 3%的人口。它与大脑中黑质（SN）区域多巴胺能神经元的缺失有关，但具体触发因素尚不完全清楚。黑质区域的神经细胞负责改善运动控制和协调能力，该区域神经元细胞的损失会导致帕金森病特有的运动症状出现，如书写痉挛、步态冻结等。不过，运动症状通常在脑细胞已经受损时才会显现，而语音障碍则会在脑细胞受影响之前出现。

目前，虽然科技在不断进步，人们对帕金森病的理解也在加深，但仍没有特定的测试能够确诊该疾病。通常，帕金森病的检测由神经科医生根据患者的病史、一系列神经和身体实验室测试以及对患者特征症状的评估来进行。

随着人工智能（AI）领域的发展，利用技术实现许多人类疾病的自动检测成为可能，这也有助于更好地理解帕金森病的特征。如今，每年都有许多基于计算机辅助方法的解决方案被开发出来，用于识别帕金森病，其中大多数都基于强大的计算工具，如卷积神经网络（CNN）、机器学习（ML）和深度学习（DL）。

人类的语音包含了大量的运动特征。有研究表明，大约90%的帕金森病患者存在语音障碍，这些障碍通常与参与言语的口面部肌肉功能失调有关。基于此，本研究旨在应用一系列计算方法，包括合成少数过采样技术（SMOTE）和视觉几何组11（VGG11）卷积神经网络，利用从人类语音特征生成的图像来识别帕金森病。

2. 相关研究

由于卷积神经网络（CNN）在图像分类方面表现出色，它已被广泛应用于图像识别领域，涵盖网络安全、医学、自主设备等多个领域。在医学问题的诊断中，也有许多基于语音属性使用CN