基于主成分分析的帕金森量表优化

摘要

西医量表是评估帕金森病(Parkinson's disease,PD)的重要依据,而这些量表包含大量交叉重复问题,不利于快速评估帕金森病.因此,优化这些西医量表对快速诊断帕金森病有非常重要的意义.针对该问题,提出了基于主成分分析(Principal component anaysis,PCA)的量表问题的优化算法.本文提出的算法先是基于主成分分析提取出加权投影向量,然后在投影向量的基础上采用基于大津阈值(Otsu)局部递归分割算法划分量表,最后基于贡献度因子(Contribution factor,CF)设计新量表.实验通过采用支持向量机(Support vector machine,SVM)识别帕金森病,发现用仅占原西医量表总问题数的21％的新量表能达到与原量表相当的识别水平.