公开(公告)号：CN114400026A

公开(公告)日：2022-04-26

申请号：CN202210114255.5

申请日：2022-01-30

Applicant: 燕山大学

Inventor： 张涛 ,  薛在发 ,  卢辉斌 ,  李林 ,  汪洋 ,  牛晓霞 ,  田静

IPC: G10L25/66 ,  G10L25/03 ,  G10L25/30

Abstract: 本公开实施例公开了一种基于语音特征选择的帕金森病患者UPDRS得分预测方法，所述方法包括：选取UCI数据库中帕金森病远程监测数据集数据；根据计算得到的所述待分析语音特征与UPDRS得分之间的最大信息系数MIC值，从所述待分析语音特征中选取预设比例的第一语音特征；将所述第一语音特征进行聚类得到若干簇的语音特征集；对每一簇的语音特征集进行处理：将每一簇的语音特征集经过处理得到的所述已选特征集中的语音特征汇总，作为预测所述UPDRS得分的语音特征。上述技术方案通过对每类中的特征进行选择，有利于减少特征之间的冗余性，最终确定的已选特征集中的语音特征具有相关性高，冗余性低和互补性高的特点，能有效提升帕金森病患者UPDRS得分预测的准确性。

公开(公告)号：CN116386852A

公开(公告)日：2023-07-04

申请号：CN202310369087.9

申请日：2023-04-07

Applicant: 燕山大学

Inventor： 张涛 ,  薛在发 ,  卢辉斌 ,  徐嘉晖 ,  高乐 ,  郭肖楠

IPC: G16H50/20 ,  G16H50/70 ,  G06F17/18 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明公开了一种基于实例迁移的帕金森病严重性预测方法及装置，方法包括：分析特定目标患者与数据集中其他患者间帕金森病发展趋势的相似性，获取与所述特定目标患者疾病发展趋势相似的患者的集合；统计获取所述相似患者的集合中每个患者的贡献百分比；统计获取所述相似患者的集合中每个患者的单个实例数据的贡献度；根据所述相似患者的集合中每个患者的贡献百分比和单个实例数据的贡献度，选择与所述特定目标患者病情相似的实例数据并迁移至所述特定目标患者的训练数据。上述技术方案通过相似患者迁移和Sh印ley值选出的实例数据能有效地弥补所述特定目标患者数据量小的不足，减少负迁移的产生和提升帕金森病严重性预测模型的准确性。

公开(公告)号：CN116403703A

公开(公告)日：2023-07-07

申请号：CN202310369140.5

申请日：2023-04-07

Applicant: 燕山大学

Inventor： 张涛 ,  薛在发 ,  卢辉斌 ,  徐嘉晖 ,  郭肖楠 ,  高乐

IPC: G16H50/20 ,  G16H50/70 ,  G16H10/20 ,  G06F18/25 ,  G06F18/2113 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种特征融合的帕金森病严重程度评估方法及装置，方法包括：将目标患者的训练集输入利用所有患者数据训练的双向长短期记忆网络，获取所述共享参数特征；采用增量关联马尔可夫边界算法，从所述共享参数特征中选择所述目标患者的统一帕金森病评定量表UPDRS的马尔科夫边界；将目标患者的训练集输入利用目标患者数据训练的双向长短期记忆网络，获取所述特定参数特征；将所述UPDRS的马尔科夫边界与所述特定参数特征进行融合，将其输入全连接层网络，得到所述目标患者的帕金森病严重程度。上述技术方案通过从其他任务中学习信息以弥补所述目标患者数据量小的不足，有效提升了帕金森病严重程度预测的准确性。