文摘

量化分析声音模式的检测和评估是有用的言语障碍及相关发声障碍。在本文中,我们首次研究线性22语音基频变化的参数之间的相关性,振幅变化,和非线性措施。高度相关的声音参数结合使用线性判别分析方法。基于概率密度函数估计的Parzen-window技术,我们提出一个组内的概率风险(ICPR)方法选择参数与声音小ICPR值作为主要特性和与修改后的Kullback-Leibler散度(MKLD)特征选择方法。实验结果表明,广义逻辑回归分析(GLRA)、支持向量机(SVM)和装袋合奏算法输入ICPR功能可以提供更好的分类结果与MKLD比相同的分类器选择功能。SVM是更好地区别正常的声音模式特异性的0.8542。三种分类方法中,装袋合奏算法ICPR特性可以识别90.77%的声音模式,最大灵敏度最高的0.9796和接受者操作特征曲线下面积值为0.9558。分类结果表明我们的特征选择和模式分析的有效性dysphonic声音检测和测量的方法。

1。介绍

言语障碍是一种发声障碍与困难的声音生产。言语障碍可以观察到沙哑、严厉的或带呼吸声的元音,由于正常能力受损的声带振动在呼气(1]。特发性帕金森病(IPD)被称为慢性神经退行性疾病,可能导致生产dysphonic声音由于可能的神经源性干扰的喉神经路径(2]。据报道,席沃et al。2),大约70%到80%的IPD发音障碍,病人会遭受言语障碍或其他症状的减少变异,粗糙度,增加衰弱,构音障碍,或者声音颤抖。IPD患者的神经功能障碍和疲惫不堪的交际赤字大大导致对他们的社交和生活质量的影响3]。

声音参数的表征和量化有助于更好地理解知觉改变发声系统的IPD患者根据临床疾病进展(4,5]。受损的声带发音和流利的赤字IPD病人可能导致改变振动的声门,声波振幅的变化,和音高频率变化,当生产元音。最近的研究(4- - - - - -8]试图量化dysphonic语音参数,比如声波振幅和频率的变化,描述IPD dysphonic症状的目的。福尔摩斯et al。6]研究了感知声音IPD患有不同疾病阶段的特征。他们比较感性和声学特征之间60 IPD患者和30名正常对照组。他们的结果表明,IPD响度变化的重要表现,最大发声频率较低,呼吸声,严酷,减少了响度(6]。Goberman et al。9]调查基本频率的声学特征( 0)可变性在元音,的意思 0,IPD患者的范围和强度。他们报告说,抖动和意思 0的值会增加,强度范围会变小在IPD的病人比在健康受试者。Rahn et al。10)和Vaziri et al。11)也计算一些分形和熵参数IPD的病人和对照组,为了测量持续元音在他们演讲的非线性动力学测试。实验证明显著增加声信号的分形维度和时间复杂性熵可以观察到在IPD语音障碍和发声障碍患者(10,11]。

发音频率变化的,变化的言论振幅(闪烁),强度,和非线性动力学参数计算electroglottographic信号的标准语言测试,需要选择最判别声音参数与功能相结合的方法进行进一步的分类模式。

过滤方法计算密集型特征选择或组合通常低于包装器方法,一般使用预测模型评分特征子集(12]。大量的统计特性过滤方法计算基于概率分布估计(5,12]。互信息增益,阶级之间的距离根据估计概率密度,或意义的成绩测试是广泛使用的措施,筛选最优特征子集的过滤方法(5]。为了测量每个特性的信息增益,Kullback-Leibler分流(KLD) [13)可以用来计算概率密度特征的组内的距离之间的健康控制和帕金森症患者。Kullback-Leibler分流时获得的信息一个修正的信仰从后验概率分布的先验概率分布;即KLD措施时丢失的信息量的先验概率分布是用来近似后验概率分布(13]。然而,KLD Kullback和Leibler[提出的14)是一种非对称度量估计后验概率分布的相对熵的先验概率分布(15];吴和施建议修订的KLD(命名为修改后的Kullback-Leibler分歧,MKLD)与对称散度的调整,更好地描述健康的成年人之间的步态特征概率密度和肌萎缩性脊髓侧索硬化症16]。值得注意的是,KLD或MKLD通常导致系统性偏差,因为先验概率密度相对熵分母有时不得不被修改以避免值为零。

当前工作的目的是提出一种新型probabilistic-based class-confusion信息测量方法,通过估算的重叠区域特性两个类之间的概率分布。假设,选择的声乐的特点相结合,根据组内的概率风险规则可能提供更多的歧视信息模式分析。此外,我们计划研究多个声音参数之间的相关性以及开发特性计算的方法和声音的分析模式。这是推测,选择先进的机器学习算法之间的多元特性可以有效区分声音模式帕金森氏症患者和健康对照组。

剩下的纸是组织如下。部分2描述了语音数据集和相关的声学特性进行进一步的模式分析。部分3描述了特征选择和模式分类方法用于我们的计算机实验。部分4礼物的结果特性相关性,特征选择,详细和模式分类,以及结果分析和限制的讨论。部分5总结目前的研究,提供了对未来的看法可能相关的工作。

2。材料

2.1。声音数据集

发声的数据测试在当前小et al。(所提供的工作7)公共研究使用和可以通过在线访问加州大学欧文分校的机器学习库(17]。195持续元音声音记录的数据集由出声总共31个学科(48元音发音记录从受试者在正常组和147个元音发音记录帕金森氏症患者的病理组)。正常组包括8健康控制(CO)科目(3男性和5女性,年龄的意思 标准差,SD: 年)。病理组包含23 IPD患者(16 7男性和女性,年龄的意思 SD: 年)。IPD症状的疾病阶段被评为使用修改后的Hoehn和Yahr (MHAY)规模18),最常用的IPD进展评估方法在神经系统诊断、23 IPD的病人。IPD的细节MHAY阶段的病人表中列出1。是指出,17 (73.9%)IPD患者有轻度,中度,甚至严重功能障碍(MHAY 2)。

表1
病理阶段的23个帕金森症患者被修改的Hoehn和Yahr (MHAY)规模。

演讲记录实验是由小et al。7],所有31个学科提供书面知情同意进行审核和批准由牛津大学、英国、和美国国家中心的声音和讲话中,科罗拉多州丹佛市。每个受试者被要求元音发音响亮,头戴麦克风定位在前8厘米的嘴唇。头戴麦克风校准是通过使用一个类1声级计(Bruel & Kjær类型2238中介)7]。获得声音信号的采样与16位分辨率/样品在44.1 kHz。每个信号的振幅数字化规范化为了抑制个体差异的影响(7]。凯宾得多维语音程序(MDVP)被小et al。7)测量16声音摄动参数,包括周期(抖动)和振幅扰动(闪烁),和harmonics-to-noise (noise-to-harmonics)比率。六其他非线性参数也计算小et al。7)来描述信号的复杂性程度和分形维dysphonic语音记录。更多细节的演讲录音协议和声学信号获取实验,请参考小等的相关工作。7]。

2.2。功能描述

总共有22个声乐的发声特性数据集提供的小et al。7]。表中列出的细节特征描述2。为方便声音微扰功能演示,我们命名为平均值,最大值,和最小的声音基本频率(赫兹)计算的凯宾得多维声音程序(MDVP) MDVP的缩写:F0, MDVP: Fhi MDVP:弗洛分别。百分比和绝对抖动值表示为MDVP:抖动(%)和MDVP:抖动(Abs)。五点周期扰动系数和相对振幅微扰计算的参数MDVP写成MDVP: PPQ MDVP:说唱。抖动:DDP表示的平均绝对差抖动周期之间的区别。当地的原始和对数单位MDVP闪烁参数命名MDVP:微光和MDVP:闪烁(dB)。闪闪发光的缩写:APQ3和微光:APQ5短三点,五点微光扰动系数值,分别。MDVP: APQ11代表11点振幅微扰商值。闪光:谈判是连续时间的平均振幅之间的绝对差异。noise-to-harmonics比和harmonics-to-noise比的声信号的NHR曼公司,分别。 Several nonlinear features include the correlation dimension (D2), recurrence period density entropy (RPDE), detrended fluctuation analysis (DFA), and pitch period entropy (PPE). Two nonlinear measures of fundamental frequency variation are presented as Spread1 and Spread2, respectively.

表2
语音的声学信号扰动和非线性动态参数测量的31个学科(5,7]。
2.3。特征关联分析

指出,几个声音特征相似的扰动和非线性性质;例如,闪烁:APQ3闪烁:APQ5, MDVP: APQ11振幅变化的特点。因此有必要分析为了最小化相似发音特征相关性冗余(5]。在目前的研究中,我们计算之间的相关系数对声音特征。每个特性之间的很强的线性相关关系对经验与皮尔森相关系数超过0.8定义。

3所示。方法

3.1。特征选择

与基频微扰、振幅变化,信号和非线性动力学特性,我们考虑选择最具代表性的特征组合进行进一步的模式分析。在这项工作中,我们应用Parzen-window方法建立概率密度函数(PDF) IPD的每个特性和学科组,分别。

Parzen-window方法是一种非参数基于PDF建模技术,可用于建立多通道PDF (19,20.]。Parzen-window方法通常估计一个未知的PDF的平均累积负的内核函数 ,中心位于声音模式的数据点 ,写成 在哪里 数据点的数量和吗 代表了内核的带宽。在目前的研究中,高斯径向基函数被选为内核的窗口函数。根据霍兰德et al。12),最优内核给出高斯函数的带宽 SD表示标准偏差的数据点。

基于估计每个声音特性的pdf IPD和公司组织,我们想分析和选择可能包含的可能的功能组合最具代表性的判别模式分类的信息。我们首先计算修改后的Kullback-Leibler散度(MKLD)比较IPD之间的特性差异和学科组。MKLD Kullback-Leibler散度的修正使对称调整的相对熵度量之间的概率分布 和 对两个学科组16),也可以写成 如果两个概率分布相似或者完全相同,MKLD值接近于零。另一方面,MKLD价值将成为大,如果两个类判别是基于它们的概率分布。

MKLD比Kullback-Leibler分歧(KLD)因为MKLD对称概率密度测量指标,计算两个特征之间的双重的相对熵值概率分布。然而,它可以观察到从MKLD定义相对熵应该避免与小数字修正,分母为零,MKLD特征散度计算有时会带来系统性偏差。目的在于更好的表示的概率密度差异不同的声音特性,在这项工作中,我们提出一个重叠的特性分布测量的方法来估计概率两个类之间的混淆。组内的概率风险(ICPR)计算的集成重叠pdf文档 如果整个特征概率分布两类重叠,ICPR的价值等于1。当两个类是完全分离没有任何PDF重叠,ICPR值变成0。一般来说,如果ICPR值比较小,更容易被分离与给定的类特性分布。特征选择基于ICPR措施有一个很大的优势,它可以适应单峰或多通道概率密度。

为了进一步确定最好的特征组合模式分类,ICPR和MKLD措施作为特征选择度量标准在我们的实验中,分别。如果两个类是重叠的概率密度在随机猜测层面,也就是说,两个概率密度的重叠面积等于休息nonoverlapped概率密度的区域两类,ICPR值是0.67。选择的最优特性MDVP ICPR方法:F0, Spread1, MDVP-LDA, Shimmer-LDA, Nonlinear-LDA, ICPR值低于0.6,可以帮助分类器的特点做出决定比随机猜测。由于MKLD之和的对称性度量一对逗留一番,两类重叠的概率密度随机猜测层面会产生MKLD值为1。在我们的实验中,选择的最佳特性MDVP MKLD方法:F0, MDVP:弗洛,MDVP-LDA, Shimmer-LDA,和Nonlinear-LDA MKLD值大于1。

3.2。模式分类

基于所选择的特性与ICPR MKLD方法,我们使用三种不同的非线性分类方法,即广义逻辑回归分析(GLRA)、支持向量机(SVM)和装袋合奏算法区分声音模式基于所选择的特性集。声音模式类的健康对照组和IPD患者被分配的负面标签(−1)和积极的标签(+ 1)。

3.2.1之上。广义逻辑回归分析

为一个扩展版的二元逻辑回归分析,广义逻辑回归分析建立了多项物流模型,以描述系统的多变量之间的关系特性输入和解释结果。广义逻辑回归分析模型还包含一个随机组件与伯努利分布来描述随机效应(21]。广义的分对数链接功能逻辑回归分析计算自然对数的比值比二项概率,可以写成 在哪里 和 表示二进制类的概率(即。IPD和学科组),向量 代表广义逻辑回归系数, 模型的输入向量包括团结和五个选定的声音特性,后者包括MDVP: F0, Spread1, MDVP-LDA Shimmer-LDA, Nonlinear-LDA。最大似然估计的回归系数计算的迭代加权最小二乘方法(22]。最优广义逻辑回归系数估计 ,这可能使广义逻辑回归分析模型实现的最大接受者操作特征(ROC)曲线下的面积。

3.2.2。支持向量机

支持向量机是一种广泛使用的基于监督学习的方法,构造一个人工神经网络非线性项目其输入数据到一个高维空间的最优超平面分类决策。支持向量机训练过程遵循Vapnik-Chervonenkis维度理论来优化神经网络的结构风险最小(23]。在映射空间搜索最丰富的数据形成了支持向量的目的使用几个松弛变量线性可分的不可分的模式,和决策超平面通常通过两个类之间的组内的利润最大化(24,25]。

为了比较分类结果,支持向量机的输入特性,也就是说,MDVP: F0, Spread1, MDVP-LDA, Shimmer-LDA,和Nonlinear-LDA相同的输入广义逻辑回归分析模型。在目前的工作,输入特性是由非线性映射内核的径向基函数的分布参数 在高维空间中。支持向量机的目标函数可以写通过结合一些等式约束下Kuhn-Tucker条件;然后最优支持向量机模型的参数可以通过求解一个非线性规划问题(24]。

3.2.3。装袋分类器集合

装袋算法是一种最流行的合奏学习模式为模式识别应用程序(26]。装袋合奏范式通常包含引导抽样和聚合的过程。给定一组训练数据,反复生成一个新的训练集装袋方法,的大小是一样的,最初的训练数据为每个分类器。一些原始数据实例将再次出现在每个生成的训练集,这样他们将取代那些缺席的实例。在目前的研究中,我们使用基于50决策树分类器训练的袋装的数据实例。这些决策树终于聚合的输出通过多数投票支持共识类标签。装袋合奏的泛化误差的增加也估计袋装决策树。

3.3。分类评价指标

我们用5倍交叉验证技术来测试每个分类方法的泛化能力。交叉验证技术首先将整个组195个声音实例分成5个不相交的子集(即。在每个子集),39个实例。在每个验证过程,一个子集被选为测试,剩下的4个子集被用于训练分类器。这样的验证步骤反复进行,直到所有5子集进行模式分类。

分类混淆矩阵度量结果计算,用真阳性(TP),真阴性(TN),假阳性(FP),和假阴性(FN)。基于混淆矩阵,总体参数的准确性、敏感性和特异性进行了计算

我们也计算了马修斯相关系数(MCC) (27)评价二元分类质量。MCC度量的优点是,它包含了真实和假阳性和阴性预测和实际的二进制类之间的平衡措施。世纪挑战帐户集团可以由混淆矩阵的相关系数的形式写成 类似于其他相关系数,MCC−1和1之间返回一个值。完美的MCC类协议的结果产生一个值等于1,和MCC 0表示一个适当的二进制类预测。MCC为零值表明,类预测并不比随机猜测。如果MCC值小于0,这表明穷人阶级预测比随机猜测,更糟糕的是,一个灾难性的整体分歧导致MCC−1的价值。

此外,中华民国为可视化图形生成和评估二进制分类性能。的最佳分界点ROC曲线的最佳类预测每个分类方法是按照最大Youden的索引值(Yindex) [28),也就是说, 地区在中华民国曲线(AUC)计算测量类预测三种分类方法的有效性。所推荐的Demsar [29日],魏克森讯号等级假设检验应用比较杰出的声音模式不同的分类方法在统计意义上(统计学上的意义: )。

4所示。结果与讨论

根据表中所列出的相关系数值3,强劲的线性特性相关(相关系数 0.8)与基频(抖动)扰动和noise-to-harmonics比率。表4显示了很强的相关性之间的振幅微扰(闪烁)特性。此外,去趋势波动的非线性的特征尺度熵指数和基音周期也高度相关,与皮尔森相关系数为0.9624。为了避免特征相似性的影响,我们使用了线性判别分析(LDA)方法对项目高度相关功能维度上最主要尺寸基于线性组合系数。的主要维度MDVP:抖动(%),MDVP:抖动(Abs), MDVP:说唱,MDVP: PPQ,抖动:DDP,和NHR特性,作为MDVP-LDA表示,预计的线性组合系数0.0062,4.4 ,0.0033,0.0034,0.0099和0.0248,分别。然后,MDVP:主要尺寸的微光,MDVP:闪烁(dB),闪烁:APQ3, APQ5, APQ11,和闪烁:DDA特性,表示Shimmer-LDA,线性组合系数为0.0297,0.2823,0.0157,0.0179,0.0241,和0.047,分别。去趋势波动的主要维度扩展熵指数和基音周期特性,表示Nonlinear-LDA,是计算的线性组合系数−5.6844和0.2066,分别。

表3
皮尔逊相关系数之间的声音特性MDVP:抖动(%),MDVP:抖动(Abs), MDVP:说唱,MDVP: PPQ,抖动:DDP和NHR。
表4
MDVP的声音特性之间的皮尔逊相关系数:微光,MDVP:闪烁(dB),闪烁:APQ3,闪烁:APQ5, MDVP: APQ11,和闪烁:银两。

图1说明了估计概率密度和直方图Shimmer-LDA和复发时期的熵密度特性,分别。直方图箱的数量有限和IPD组决定根据斯科特的最佳选择规则(30.,31日]。概率密度曲线绘制在蓝色和红色的颜色对于健康对照组和IPD患者,分别。它可以观察到的概率密度曲线非常顺利通过Parzen-window估计方法,和RPDE IPD病人表现出多峰性概率分布曲线是完全不同于正常对照组的概率密度曲线。根据概率密度曲线,似乎意味着RPDE IPD病人的价值比正常对照组,但Shimmer-LDA方差的正常对照组远远大于IPD的病人。每个特性的ICPR价值的集成是重叠的概率密度曲线之间的区域IPD和控制对象,这礼物class-confusion与给定的概率特性。估计概率密度曲线和ICPR地区在表中给出所有候选人特性是相似的5。

表5
特征选择的组内的概率风险(ICPR)和修改Kullback-Leibler散度(MKLD)方法。大胆的选择值为模式分类(ICPR特性 0.6;MKLD 1)。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图1
估计概率密度函数(a)复发时期的熵密度测量(RPDE)和(b) Shimmer-LDA特性,与蓝色和红色曲线绘制健康控制(CO)和特发性帕金森病(IPD)科目,分别。重叠的组内的概率风险(ICPR)显示在灰色区域。归一化的直方图(c) RPDE和(d) Shimmer-LDA特性也提供灰色的重叠区域,为目的的比较。

ICPR细节和MKLD特征选择结果列在表中5。ICPR值的特性 0.6意味着class-confusion这些特性的概率低于0.6,和0.3分类错误率低于最优贝叶斯决策规则的歧视。MKLD值的特性 1表明,概率密度曲线的差异大于0.5健康控制和IPD主题之间,这将使分类器执行比随机猜测。ICPR和MKLD方法选择五个主要功能,唯一的区别,ICPR方法选择Spread1代替MDVP:弗洛,MKLD选择的方法。Shimmer-LDA,值得注意的是,MDVP-LDA Nonlinear-LDA,体现的信息,因为所有这三种功能是参与主导的特性集。

装袋resubstitution错误的合奏与决策树的增加,基于MKLD和ICPR输入功能,如图所示2,分别。它可以观察到,越来越多的决策树作为基础的学习者,装袋合奏预测错误持续降低,最后变得收敛。

(一)
(一)
(b)
(b)
图2
装袋整体输入的误差曲线(a)修改Kullback-Leibler散度(MKLD)和(b)组内的概率风险(ICPR)选择功能。95%置信区间的边界pseudo-red-color所示。

图3情节的分类结果广义逻辑回归分析、支持向量机和装袋合奏方法与MKLD ICPR输入功能。MKLD和ICPR选择特性,广义逻辑回归分析分类器成功杰出的83.08%(灵敏度:0.9116;特异性:0.5833)和84.62%(灵敏度:0.932和特异性:0.5833)声音模式,分别。广义逻辑回归分析与ICPR特征分类器(马修斯相关系数,MCC: 0.5232)可能正确识别三个IPD模式,与MKLD特性略优于(MCC: 0.5604)。


图3
分类结果广义逻辑回归分析(GLRA)、支持向量机(SVM),装袋合奏,和输入与MKLD ICPR选择特性,分别。GLRA-MKLD:灵敏度:0.9116;特异性:0.5833;MCC: 0.5232;GLRA-ICPR:灵敏度:0.932;特异性:0.5833;MCC: 0.5604;SVM-MKLD:灵敏度:0.9048;特异性:0.8333;MCC: 0.7105; SVM-ICPR: sensitivity: 0.9252; specificity: 0.8542; MCC: 0.7592; Bagging-MKLD: sensitivity: 0.9592; specificity: 0.6875; MCC: 0.6964; Bagging-ICPR: sensitivity: 0.9796; specificity: 0.6875; MCC: 0.6977.

支持向量机分类结果更好,88.72%的精确率(MKLD特性)和90.77% (ICPR特性),分别。支持向量机已经成功地确定了133 (MKLD灵敏度:0.9048)和136 (ICPR灵敏度:0.9252)与MKLD ICPR选择特性,分别。很明显,ICPR特性能够帮助两个广义逻辑回归分析和支持向量机分类器更好的区分IPD模式。此外,支持向量机的主要优势在处理控制声音模式,通过提供0.8333和0.8542的高特异性结果输入与MKLD ICPR特性,分别。

装袋合奏算法提供了准确的分类率89.23% (MKLD特性)和90.77% (ICPR特性),分别。装袋整体算法的优越性与高IPD声音模式识别利率,通过提供的敏感性结果0.9592(141正确IPD例MKLD特性)和0.9796(144正确的IPD例ICPR特性),分别。装袋整体算法的特征值为0.6875 (MKLD或ICPR特性),这表明装袋合奏可以比广义逻辑回归分析分类器检测健康控制模式,但仍不如支持向量机。魏克森讯号等级测试结果表明,支持向量机分类器在分类性能明显优越的装袋合奏算法( ICPR特性和 MKLD特性)和广义逻辑回归分析分类器( ICPR特性和 MKLD特性)。然而,装袋整体算法的分类结果略好,但无统计学意义( ICPR特性和 MKLD特性)比广义逻辑回归分析的分类器。

关于整体分类性能,尽管MCC的结果(ICPR MCC MKLD MCC: 0.6964: 0.6977)的装袋合奏算法较低比支持向量机(ICPR MCC MKLD MCC: 0.7105: 0.7592),装袋合奏可能产出最好的ROC曲线和最大的ROC曲线下面积(AUC)值(ICPR AUC MKLD AUC: 0.9286: 0.9558)相比,广义逻辑回归分析(ICPR AUC MKLD AUC: 0.8936: 0.9031)和支持向量机(ICPR AUC MKLD AUC: 0.9216: 0.9349),如图4。一般来说,很明显从图3分类结果的准确性、敏感性,特异性,MCC,广义的逻辑回归分析、支持向量机、装袋合奏基于ICPR选择特性优于那些MKLD选定的输入特性。这样的结果表明我们提出的优点ICPR IPD声音模式分析的特征选择方法。装袋合奏算法很擅长识别IPD声音模式灵敏度最高的结果,支持向量机是适合检测正常控制声音模式最好的特异性的价值观。由于支持向量机更敏感的正常控制模式,支持向量机能够提供最高的MCC值三种分类方法。根据中华民国曲线如图4,它可以观察到,装袋合奏算法能够提供最好的判别性能诊断决策,因为装袋合奏的AUC值算法与MKLD ICPR特性一直高于其他广义逻辑回归结果分析和支持向量机。


图4
接受者操作特征(ROC)曲线和ROC曲线下面积(AUC)广义逻辑回归分析结果(GLRA)、支持向量机(SVM)和装袋合奏输入与MKLD ICPR选择特性,分别。GLRA-MKLD AUC 标准误差(SE): ;GLRA-ICPR AUC SE: ;SVM-MKLD AUC SE: 0.9216±0.023;SVM-ICPR AUC SE: ;Bagging-MKLD AUC SE: ,Bagging-ICPR AUC SE: 。

我们分析了声乐模式通常由三种分类方法的面孔。误认为正常控制和IPD的声音记录从六个科目。健康受试者是两个女性66岁(主题ID: S42和S50)和一个69岁的男性(主题ID: S49)。三个IPD年轻患者(S02:男,50岁,MHAY: 1;S26:男,53岁,MHAY: 2;S32:男,60岁,MHAY: 2)和轻度MHAY阶段1 - 2,这使得检测病理声音模式更加困难。可能解释患者的轻度IPD疾病阶段更容易产生正常的声音,相比与严重的阶段。

随机森林是装袋合奏的扩展通过随机选择特征子空间训练基地学习者与分裂特征子集和结合对集合预报的输出32]。为什么我们选择装袋合奏,而不是随机森林是我们要评估我们的特征选择和分析方法的有效性。输入相同的功能组合的三种机器学习方法也使分类结果具有可比性。在目前的工作,装袋合奏随着ICPR选择功能提供了一个更高的AUC值比最大后验(MAP)决策规则(AUC: 0.94)在我们以前的工作5]。ICPR特性的支持向量机的输入也产生了ROC曲线结果比支持向量机的输入与内核主成分分析特征(AUC: 0.85)报道,在我们以前的工作(5]。ICPR装袋整体特征的分类结果只由一个相对较小的数据集训练195语音记录也与结果(精度:91.8%,敏感性:0.954),707年更大的数据集的声音记录报道小et al。(4]。

目前的研究也有一些局限性。许多声乐参数之间的相关性限制分类器的性能改进。我们只研究了线性相关性在目前的工作。但相信一些非线性相关分析方法可以考虑下一步的相关工作。有人指出公司组的平均年龄是7.6岁,IPD组和老化的因素或多或少影响声音的质量。然而,当前语音数据集相对体积小(195条记录)限制了老化效应的进一步研究分析声乐参数和模式,以及三种分类器的有效性。分类装袋合奏的性能仍然需要评估未来的更大的数据工作。

5。结论

定量分析病态的声音是非常有用的在言语障碍检测和治疗的临床应用评估的发声系统。在目前的工作中,我们提出了ICPR特征选择方法通过选择概率风险低阶级之间的重叠的功能特性。选择的特征ICPR标准MDVP: F0, Spread1, MDVP-LDA, Shimmer-LDA, Nonlinear-LDA,涉及的主要基本频率的措施,振幅变化和非线性参数的元音。实验结果表明,广义逻辑回归分析、支持向量机和装袋合奏方法与ICPR功能可以执行比MKLD特性。分类结果表明,支持向量机和装袋合奏方法可以有效地识别健康控制和IPD声音模式与整体精确率高和MCC价值观和诊断决策的优秀ROC曲线。为未来相关工作,新的声学信号动态参数和一些先进的机器学习方法33),如卷积神经网络和递归神经网络,也可以积极考虑提高分类的性能。

的利益冲突

作者宣称没有利益冲突。

确认

作者想表达自己的感激之情益田廖女士和Junlan赵女士为技术支持。云峰基金项目支持的吴,吴Meihong在福建大学新世纪优秀人才。