×
爱丽丝·鲁埃达;克里希南，斯里达尔

无监督学习中帕金森氏症和年龄相关语音损伤信号特征的聚类。 （英语） Zbl 1402.62287号

高级数据科学。适应。分析。 10，第2号，文章ID 1840007，24 p.（2018）.
摘要：本研究的重点是使用现成或新兴技术（如智能手机和物联网设备）的自我记录数据，为普通公众远程监测和筛查帕金森氏症和年龄相关的语音损伤的可能性。虽然大多数研究都是在受控环境下使用专业录制的声音，但这项研究使用iPhone进行自我录制的持续元音/a/录音。每个健康对照组和帕金森氏症患者组都有57名年龄匹配的混合性别受试者。对照组受试者可能患有与年龄相关的嗓音障碍。在没有严重性标签的情况下，通过使用各种聚类方法的无监督学习，根据语音相似性对从录音中提取的特征进行分组。用直接法和统计法估计了最佳簇数（K）。估计值（K）与定义的统一帕金森病评定量表（UPDRS-3.1）不一致。使用（K=4），五个层次和一个基于分区的聚类用于比较和交叉检查。基于层次的方法有层次聚类（HCluster）、层次K-means（HKMeans）、凝聚嵌套（AGNES）、划分分析（DIANA）和基于神经网络的自组织树算法（SOTA）。基于分区的方法是集群大型应用程序（CLARA）。三个内部验证指标：连接性、Dunn指数和轮廓宽度，用于测量簇及其分离的紧密度。验证结果按最佳排序为AGNES、HCluster、DIANA、HKMeans、CLARA和SOTA。对AGNES、HCluster和DIANA的结果进行多数投票，以获得最终分组。定义了五组代表异常值、严重受损嗓音、轻微受损嗓音和健康嗓音，不能分组。除SOTA外，所有方法都识别相同的两个异常值。聚类和投票成功识别出2个异常值，5个更严重受损，82个轻微受损，22个更健康的声音。只有3个无法分组。特征提取将数据大小减少了518倍。可以首先减小传输的数据大小，并在接收端执行无监督学习，以进行远程监测和筛选。

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

语音声学特性;帕金森氏病;老化;嗓音障碍;特征提取;无监督学习;群集;远程医疗

软件：

剪影;群集查找;m功率;群集验证;研究工具包
PDF格式BibTeX公司 XML格式引用
\textit{A.Rueda}和\textit{S.Krishnan}，高级数据科学。适应。分析。10，第2号，文章ID 1840007，24 p.（2018；Zbl 1402.62287）
全文： 内政部

参考文献：

[1] Arai，K。；Barakbah，A.R.，《分层（K）均值：（K）中值质心初始化算法》，报告Fac。科学。工程萨加大学萨加大学，36，1，36-125，（2007）
[2] Arias-Vergara，T。；Vsquez-Correa，T.C。；Orozco Arroyave，J.R.，《帕金森病与衰老：对其发声和发音影响的分析》，认知。计算。，(2017)
[3] Bhattacharyya，N.，《美国成年人嗓音问题的流行率》，喉镜，124，10，2359-2362，（2014）
[4] Bot，B.M.，The mpower研究，使用researchkit收集的帕金森病移动数据，Sci。数据，3160011（2016）
[5] 博特，B.M。等。（2016年b）。突触，http://dx.doi.org/10.7303/syn5511444.1。
[6] 乔杜里，K.R。；希利，D.G。；沙皮拉，沙皮拉。A.H.，《帕金森病的非运动症状：诊断和治疗》，《柳叶刀神经学》。，5, 3, 235-245, (2006)
[7] Davie，C.A.，《帕金森病综述》，英国医学杂志。，86, 1, 109-127, (2008)
[8] Dunn，J.C.，《ISODATA过程的模糊关系及其在检测紧密且分离良好的星团中的应用》，J.Cybern。，3, 3, 32-57, (1973) ·Zbl 0291.68033号
[9] 1990-2013年全球、区域和国家240种死亡原因的年龄-性别-特定全因死亡率和特定原因死亡率：2013年全球疾病负担研究的系统分析，《柳叶刀》，385，117-171，（2014）
[10] Handl，J。；Knowles，J。；Kell，D.B.，后基因组数据分析中的计算聚类验证，生物信息学，21，1523201-3212，（2005）
[11] 埃雷罗，J。；巴伦西亚，A。；Dopazo，J.，用于聚类基因表达模式的分层无监督生长神经网络，生物信息学，17，2，126-136，（2001）
[12] Ho，A.K。；兰塞克，R。；Marigliani，C。；Bradshaw，J.L。；Gates，S.，《大样本帕金森病患者的言语障碍》，Behav。神经病学。，11, 3, 131-137, (1999)
[13] 霍姆斯，R.J。；Oates，J.M。；Phyland，D.J。；Hughes，A.J.，《帕金森病进展中的嗓音特征》，国际语言通讯社。无序。，35, 3, 407-418, (2000)
[14] 黄，N。；沈，Z。；Long，S。；吴先生。；Shih，H。；郑琦。；Yen，N。；Tung，C。；Liu，H.，非线性和非平稳时间序列分析的经验模式分解和希尔伯特谱，Proc。R.Soc.A数学。物理。工程科学。，454, 1971, 903-995, (1998) ·Zbl 0945.62093号
[15] Irma，M。；吕，V。；Mahieu，H.F.，《声乐衰老及其对日常生活的影响：一项纵向研究》，J.Voice，18，21933-202，（2004）
[16] Jankovic，J.，《帕金森氏病：临床特征和诊断》，J.Neurol。神经外科精神病学，79，4，368-376，（2008）
[17] Kalia，L.V。；Lang，A.E.，帕金森氏病，《柳叶刀》，386，9996，896-912，（2015）
[18] Kalia，L.V。；Kalia，K。；Lang，A.E.，帕金森病的疾病改善策略，电影。无序。，30, 11, 1442-1450, (2015)
[19] Kaufman，L.和Rousseeuw，P.J.（2005）。在数据中查找组：聚类分析简介。新泽西州威利·Zbl 1345.62009号
[20] Khan，T。；J.威斯汀。；Dougherty，M.，《使用UPDRS-s对帕金森病患者的语音清晰度进行分类》，生物信息网。生物识别。工程师，34，1，35-45，（2014）
[21] Linville，S.E。；Rens，J.，使用长期平均频谱对老化嗓音进行声道共振分析，J.voice，15，3，323-330，（2001）
[22] Little，文学硕士。；麦克沙里，体育。；亨特·E·J。；斯皮尔曼，J。；Ramig，L.O.，发音困难测量对帕金森病远程监测的适用性，IEEE Trans。生物识别。工程师，56，4，1015-1022，（2009）
[23] 刘，Y。；李，Z。；熊，H。；高，X。；吴杰。；Wu，S.，《内部聚类验证措施的理解》，IEEE Int.Conf.Data Min.，911-916
[24] 刘，Y。；李，Z。；熊，H。；高，X。；吴杰。；Wu，S.，内部聚类验证措施的理解和增强，IEEE Trans。赛博。，43, 3, 982-994, (2013)
[25] Orozco-Arroyave，J.R。；Belalcazar-Bolanos，E.A。；阿里亚斯·隆多诺，J.D。；Vargas Bonilla，J.F。；Skodda，S。；Rusz，J。；Daqrouq，K。；霍尼格，F。；Noth，E.，《检测多种嗓音障碍的特征化方法：神经、功能和喉部疾病》，IEEE J.Biomed。治愈。通知。，19, 6, 1820-1828, (2015)
[26] 罗莎，M。；佩雷拉，J。；Grellet，M.，语音病理诊断残余信号的自适应估计，IEEE Trans。生物识别。工程，47，1，96-104，（2000）
[27] Rousseeuw，P.J.，《Silhouettes：聚类分析的解释和验证的图形辅助》，J.Comput。申请。数学。，20, 53-65, (1987) ·Zbl 0636.62059号
[28] 鲁埃达，A。；Krishnan，S.，《监测帕金森病的发音困难语音特征分析》，Proc。第39届EMBS，2308-2311，（2017）
[29] Rusz，J。；Cmejla，R。；Ruzickova，H。；Ruzicka，E.，《早期未经治疗的帕金森病患者言语和嗓音障碍特征的定量声学测量》，J.Acoust。《美国社会杂志》，129，1，350-367，（2011）
[30] Rusz，J。；Cmejla，R。；Tykalova，T。；Ruzickova，H。；Klempir，J。；Majerova，V。；Picmausova，J。；Roth，J。；Ruzicka，E.，作为帕金森病潜在早期标志的不精确元音发音：说话任务的影响，J.Acoust。《美国社会》，134，3，2171-2181，（2013）
[31] Tibshirani，R。；沃尔瑟，G。；Hastie，T.，《通过间隙统计估算数据集中的簇数》，J.R.Stat.Soc.Ser。B统计方法。，63, 2, 411-423, (2001) ·Zbl 0979.62046号
[32] Tsanas，A。；Little，文学硕士。；麦克沙里，体育。；Ramig，L.O.，映射到标准度量的非线性语音分析算法实现了帕金森病平均症状严重程度的临床有用量化，J.R.Soc.Interface，8，59，842-855，（2011）
[33] Tsanas，A。；利特尔，M。；McSharry，P。；斯皮尔曼，J。；Ramig，L.，用于帕金森病高精度分类的新型语音信号处理算法，IEEE Trans。生物识别。工程师，59，51264-1271，（2012）
[34] Tsanas，A.（2012）。使用非线性语音信号处理和统计机器学习精确远程监测帕金森氏病症状严重程度，牛津大学博士论文，2012年6月。
[35] Vos，T.，1990-2013年188个国家301种急慢性疾病和损伤的全球、区域和国家发病率、患病率和残疾年数：2013年全球疾病负担研究的系统分析，《柳叶刀》，386，9995，743-800，（2015）
[36] 《神经病学障碍：公共卫生挑战》，《神经病理学障碍：公共健康方法》，41-176，（2006）
[37] Yang，S。；郑，F。；罗，X。；蔡，S。；Wu，Y。；刘凯。；吴，M。；陈，J。；Krishnan，S.，《使用特征降维和核密度估计对帕金森病患者进行有效发音困难检测》，《公共科学图书馆·综合》，9，2，e88825，（2014）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。