肝豆状核变性言语障碍的语音诊断分类算法

摘要

提出一种新的基于语音分析的肝豆状核变性(WD)言语障碍诊断算法.实验从提取的所有特征中选择传统特征和非传统特征,分别采用人工神经网络、支持向量机等算法对健康人和运动性构音障碍患者进行分类.研究数据由31个样本(包括23位WD患者和8位健康受试者)的一系列生物医学语音信号组成.要求测试对象对汉字"包"持续发音3秒.从信号中提取22个线性和非线性特征,其中对语音信号有主要影响因素的有15个特征,它们建立在基频F0、基频微扰、振幅微扰和谐噪比的基础上.从这些影响因素中选择最优特征,使用不同的分类器进行比较.实验结果表明,采用不同传递函数的神经网络分类器进行分类,各性能参数各有优劣;支持向量分类器是最佳分类器,准确率达95.92％.