Rankings
Publications
Search Publications
Cited-by Search
Sources
Publishers
Scholars
Scholars
Top Cited Scholars
Organizations
About
Scilit
About Us
Advisory Board
Data Sources
Career
Support / Contact
User Guide
Publisher User
Search Function
Rankings Function
API Resource
Scilit Knowledge
Metrics
Scilit Recognitions
Publications Classification
Media
News
Blog
Login
Register
Home
Publications
基于样本增强的帕金森病识别算法研究
Home
Publications
基于样本增强的帕金森病识别算法研究
基于样本增强的帕金森病识别算法研究
Authors:
ZZ
Zihao Zhang
Zihao Zhang
DZ
Dechun Zhao
Dechun Zhao
ZW
Ziqiong Wang
Ziqiong Wang
LW
Li Wei
Li Wei
Article Alert
Citation Alert
Add to Library
Cite
Download
Share
Download
Publisher website
Google Scholar
25 February 2024
journal article
abstracts
Vol. 41
(1)
,
17-25
DOI:
10.7507/1001-5515.202304011
PMID:
38403600
PMCID:
PMC10894737
Abstract
帕金森病患者早期存在声带损伤,其声纹特征与健康人存在明显差异,可以利用该差异识别帕金森病,但帕金森病患者声纹数据样本不足,因此本文提出双自注意力深度卷积生成对抗网络模型进行样本增强,生成高分辨率的语谱图,进而采用深度学习方法进行帕金森病识别。该模型通过增加网络深度并结合梯度惩罚、频谱归一化技术改进样本的纹理清晰度,并且构建一个基于迁移学习的纯粹的卷积神经网络家族(ConvNeXt)作为分类网络,以此提取声纹特征并进行分类,提升了帕金森病识别准确率。在帕金森病语音数据集上进行本文算法有效性验证实验,对比样本增强前,本文所提模型生成的样本清晰度以及弗雷谢起始距离(FID)均得到提高,并且本文网络模型能够获得98.8%的准确率。本文研究结果表明,基于双自注意力深度卷积生成对抗网络样本增强的帕金森病识别算法能够准确区分健康人和帕金森病患者,有助于解决帕金森病早期识别声纹数据样本不足的问题。综上,本文方法有效提高小样本帕金森病语音数据集分类准确率,为早期帕金森病语音诊断提供了一种有效的解决思路。
Keywords
帕金森病
深度学习
样本增强
双自注意力机制
语谱图
PARKINSON'S DISEASE
DEEP LEARNING
SAMPLE ENHANCEMENT
DOUBLE SELF-ATTENTION MECHANISM
SPEECH SPECTROGRAM
Related articles
Cited
Cited by 1 article
Scroll to top