蔡振脑;顾建华;温彩云;赵，董;黄春雨;黄慧;童长飞;李军;陈慧玲 基于混沌细菌觅食优化增强模糊KNN方法的智能帕金森病诊断系统。 （英语） Zbl 1411.92131号 计算。数学。方法医学。 2018年，文章ID 2396952，24 p.（2018）. 摘要：帕金森病（PD）是一种常见的神经退行性疾病，越来越受到人们的重视。许多人工智能方法已被用于PD的诊断。在本研究中，开发了一种基于声音测量的增强型模糊最近邻（FKNN）方法，用于PD的早期检测。将混沌细菌觅食优化、高斯变异（CBFO）方法与FKNN相结合，提出了一种基于进化实例的学习方法CBFO-FKNN。CBFO技术的集成有效地解决了FKNN的参数调整问题。从分类准确性、敏感性、特异性和AUC（接收器工作特性曲线下的面积）方面，严格比较了拟议CBFO-FKNN和PD数据集的有效性。仿真结果表明，该方法优于其他五种基于BFO、粒子群优化、遗传算法、果蝇优化和萤火虫算法的FKNN模型，以及三种先进的机器学习方法，包括支持向量机（SVM）、支持向量机和基于局部学习的特征选择、，和内核极限学习机的10倍交叉验证方案。本文提出的方法具有很好的应用前景，将为临床医生在临床诊断中做出更好的决策带来极大的便利。 MSC公司： 92 C50 医疗应用（通用） 92C20美元 神经生物学 68T05年 人工智能中的学习和自适应系统 62页第10页 统计学在生物学和医学中的应用；元分析 92-04 生物相关问题的软件、源代码等 关键词：帕金森氏病诊断;混沌细菌觅食优化;fuzzy（k）-最近邻法 软件：创业板市场;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{Z.Cai}等人，计算。数学。方法医学2018，文章ID 2396952，24 p.（2018；Zbl 1411.92131） 全文： 内政部 参考文献： [1] 刘德华，L.M。；Breteler，M.M.，《帕金森病流行病学》，《柳叶刀神经病学》，第5、6、525-535页（2006年）·doi:10.1016/S1474-4422（06）70471-9 [2] van den Eeden，S.K。；坦纳，C.M。；伯恩斯坦，A.L。；弗洛斯，R.D。；Leimpeter，A。；布洛赫，D.A。；Nelson，L.M.，《帕金森病发病率：年龄、性别和种族/民族差异》，《美国流行病学杂志》，157，11，1015-1022（2003）·doi:10.1093/aje/kwg068 [3] 多尔西，E.R。；康斯坦丁内斯库，R。；汤普森，J.P。；Biglan，K.M。；霍洛韦，R.G。；Kieburtz，K。；马歇尔·F·J。；拉维纳，B.M。；希菲托，G。；Siderowf，A。；Tanner，C.M.，《2005年至2030年人口最多国家帕金森病患者预测人数》，《神经病学》，68，5，384-386（2007）·doi:10.1212/01.wnl.0000247740.47667.03 [4] 辛格，N。；皮莱，V。；Choonara，Y.E.，《帕金森病治疗进展》，《神经生物学进展》，第81、1、29-44页（2007年）·doi:10.1016/j.pnobio.2006.11.009 [5] Harel，B.T。；坎尼扎罗，M.S。；科恩，H。；赖利，N。；Snyder，P.J.，《帕金森语的声学特征：早期疾病进展和治疗的潜在生物标志物》，《神经语言学杂志》，17，6，439-453（2004）·doi:10.1016/j.jneuroling.2004.06.001 [6] Rusz，J。；Cmejla，R。；Ruzickova，H。；Ruzicka，E.，《定量声学测量用于表征早期未经治疗的帕金森病患者的语音和嗓音障碍》，美国声学学会杂志，129，1，350-367（2011）·数字对象标识代码：10.1121/1.3514381 [7] Jankovic，J.，《帕金森病：临床特征和诊断》，《神经病学、神经外科和精神病学杂志》，79，368-376（2008）·doi:10.1136/jnnp.2007.131045 [8] 马萨诺，J。；Bhatia，K.P.，《帕金森病的临床方法：特征、诊断和管理原则》，《冷泉港医学展望》，第2期，第6期（2012年）·doi:10.1101/cshperspect.a008870 [9] 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》，《行为神经学》，第11、3、131-137页（1998年） [10] B.哈雷。；坎尼扎罗，M。；Snyder，P.J.，前驱性和早期帕金森病患者讲话时基频的变化：一项纵向案例研究，脑与认知，56，1，24-29（2004）·doi:10.1016/j.bandc.2004.05.002 [11] 贝克，R.J。；Orlikoff，R.F.，《言语和声音的临床测量》（2000年），美国加利福尼亚州圣地亚哥：Singular Publishing Group，美国加州圣地亚哥 [12] Brabenic，L。；Mekyska，J。；Z.加拉兹。；Rektorova，I.，《帕金森氏病中的言语障碍：药物和脑刺激的早期诊断和影响》，《神经传递杂志》，124，3，303-334（2017）·doi:10.1007/s00702-017-1676-0 [13] 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生物医学工程学报，56，4，1015-1022（2009）·doi:10.1109/TBME.2008.2005954 [14] Das，R.，帕金森病诊断的多种分类方法的比较，专家系统与应用，37，21568-1572（2010）·doi:10.1016/j.eswa.2009.06.040 [15] 奥斯特罗姆，F。；Koker，R.，预测帕金森病的并行神经网络方法，应用专家系统，38，10，12470-12474（2011）·doi:10.1016/j.eswa.2011.04.028 [16] Sakar，C.O。；Kursun，O.，《使用发音困难测量进行帕金森病远程诊断》，《医疗系统杂志》，34，4，591-599（2010）·doi:10.1007/s10916-009-9272-y [17] 李博士。；刘长伟。；Hu，S.C.，用于特征提取的基于模糊的数据转换，以提高小型医疗数据集的分类性能，《医学中的人工智能》，52，1，45-52（2011）·doi:10.1016/j.artmed.2011.02.001 [18] Shahbaba，B。；Neal，R.，《使用Dirichlet过程混合物的非线性模型》，《机器学习研究杂志》，101829-1850（2009）·Zbl 1235.62069号 [19] 补骨脂，I。；Damoulas，T。；Girolma，M.A.，《多类相关向量机：稀疏性和准确性》，IEEE神经网络和学习系统汇刊，21，10，1588-1598（2010）·doi:10.1109/TNN.2010.2064787 [20] 郭，P.F。；巴塔查里亚，P。；Kharma，N.，《帕金森病检测进展》，医学生物统计学，306-314（2010） [21] Luukka，P.，使用模糊熵测度和相似分类器进行特征选择，《应用专家系统》，38，4，4600-4607（2011）·doi:10.1016/j.eswa.2010.09.133 [22] Ozcift，A。；Gulten，A.，用旋转森林构建分类器集成以提高机器学习算法的医学诊断性能，生物医学中的计算机方法和程序，104，3，443-451（2011）·doi:10.1016/j.cmpb.2011.03.018 [23] Spadoto，A.A。；吉多，R.C。；卡内瓦利，F.L。；Pagnin，A.F。；法尔考，A.X。；Papa，J.P.，《通过基于进化的特征选择改进帕金森病识别》，会议记录：IEEE医学和生物学会工程，2011年，7857-7860（2011） [24] Polat，K.，基于模糊C均值聚类的特征加权法对帕金森病的分类，国际系统科学杂志，43，4，597-609（2012）·Zbl 1305.62375号 ·doi:10.1080/00207721.2011.581395 [25] Chen，H.-L。；黄，C.-C。；Yu，X.-G.，使用模糊最近邻方法检测帕金森病的有效诊断系统，专家系统与应用，40，1263-271（2013）·doi:10.1016/j.eswa.2012.07.014 [26] 左，W.-L。；王Z.-Y。；刘，T。；Chen，H.-L.，使用自适应模糊最近邻方法有效检测帕金森病，生物医学信号处理和控制，8，4，364-373（2013）·doi:10.1016/j.bspc.2013.02.006 [27] Sateesh Babu，G。；Suresh，S.，《利用基因表达预测帕金森病——基于投影的学习元认知神经分类器方法》，《应用专家系统》，40，5，1519-1529（2013）·doi:10.1016/j.eswa.2012.08.070 [28] 巴布，G.S。；苏雷什，S。；Mahanand，B.S.，一种新的PBL-McRBFN-RFE方法，用于识别导致帕金森氏病的关键脑区，应用专家系统，41，2，478-488（2014）·doi:10.1016/j.eswa.2013.07.073 [29] Sateesh Babu，G。；苏雷什，S。；Uma Sangumathi，K。；Kim，H.J.，基于投影的学习元认知RBF网络分类器，用于有效诊断帕金森氏病，神经网络进展-ISNN 2012。神经网络进展-ISNN 2012，计算机科学讲义，7368，611-620（2012），德国柏林：施普林格，德国柏林·数字对象标识代码：10.1007/978-3-642-31362-267 [30] Hariharan，M。；波兰，K。；Sindhu，R.，用于准确检测帕金森氏病的新型混合智能系统，生物医学中的计算机方法和程序，113，3，904-913（2014）·doi:10.1016/j.cmpb.2014.01.004 [31] Gök，M.，用于检测帕金森病的k近邻算法集成，国际系统科学杂志，46，6，1108-1112（2015）·Zbl 1362.92029号 ·doi:10.1080/00207721.2013.809613 [32] 沈，L。；陈，H。；于，Z。；康，W。；张，B。；李，H。；杨，B。；Liu，D.，使用果蝇优化进行医学数据分类的进化支持向量机，基于知识的系统，96，61-75（2016）·doi:10.1016/j.knosys.2016.01.002 [33] Peker，M。；⑩en，B。；Delen，D.，使用复合值神经网络和mRMR特征选择算法对帕金森病进行计算机辅助诊断，《医疗工程杂志》，6，3，281-302（2015）·doi:10.1260/2040-2295.6.3.281 [34] Chen，H.-L。；王，G。；马，C。；蔡，Z.-N。；刘，W.-B。；Wang，S.-J.，用于帕金森病早期诊断的高效混合核极端学习机方法，神经计算，184，4745，131-144（2016）·doi:10.1016/j.neucom.2015.07.138 [35] 蔡，Z。；顾J。；Chen，H.-L.，预测帕金森病的新型混合智能框架，IEEE Access，517188-17200（2017）·doi:10.1109/ACCESS.2017.2741521 [36] 萨卡，B.E。；Isenkul，M.E。；Sakar，C.O。；Sertbas，A。；Gurgen，F。；Delil，S。；阿帕丁，H。；Kursun，O.，《使用多种录音收集和分析帕金森氏症语音数据集》，IEEE生物医学和健康信息学杂志，17，4，828-834（2013）·doi:10.1109/jbhi.2013.2245674 [37] 张，H。；Yang，L。；刘，Y。；王，P。；尹，J。；李毅。；邱，M。；朱，X。；Yan，F.，利用多编辑最近邻和集成学习算法与语音样本对帕金森病进行分类，生物医学工程在线，15，1（2016）·doi:10.1186/s12938-016-0242-6 [38] Abrol，V。；Sharma，P。；Sao，A.K.，《基于核稀疏表示的分类器贪婪字典学习》，《模式识别字母》，78，64-69（2016）·doi:10.1016/j.patrec.2016.04.014 [39] 伊利诺伊州坎蒂尔克。；Karabiber，F.，《从语音信号诊断帕金森病的机器学习系统及其在多种语音信号类型中的应用》，《阿拉伯科学与工程杂志》，41，12，5049-5059（2016）·doi:10.1007/s13369-016-2206-3 [40] Jóźwik，A.，模糊k-NN规则的学习方案，模式识别字母，1,5-6287-289（1983）·doi:10.1016/0167-8655（83）90064-8 [41] Keller，J.M。；格雷，M.R。；Givens，J.A.，《模糊K近邻算法》，IEEE系统、人与控制论汇刊，SMC-15,4580-585（1985）·doi:10.1109/TSMC.1985.6313426 [42] Derrac，J.等人。；加西亚，S。；Herrera，F.，《模糊最近邻算法：分类学、实验分析与展望》，《信息科学》，26098-119（2014）·doi:10.1016/j.ins.2013.10.38 [43] 刘大勇。；Chen，H.-L。；杨，B。；Lv，X.-E。；李，L.-N。；Liu，J.，基于增强模糊k近邻分类器的甲状腺疾病计算机辅助诊断系统的设计，医学系统杂志，36，5，3243-3254（2012）·数字对象标识代码：10.1007/s10916-011-9815-x [44] Sim，J。；Kim，S.-Y。；Lee，J.，使用模糊k近邻法预测蛋白质溶剂可及性，生物信息学，21，12，2844-2849（2005）·doi:10.1093/bioinformatics/bti423 [45] 黄，Y。；Li，Y.，使用模糊k-NN方法预测蛋白质亚细胞位置，生物信息学，20，1，21-28（2004）·doi:10.1093/bioinformatics/btg366 [46] Chen，H.-L。；杨，B。；王，G。；刘杰。；Xu，X。；王世杰。；Liu，D.-Y.，基于自适应模糊k近邻方法的新型破产预测模型，基于知识的系统，24，8，1348-1359（2011）·doi:10.1016/j.knosys.2011.06.008 [47] Cheng，M.-Y。；Hoang，N.-D.，一种用于预测山区公路边坡坍塌的群集优化模糊实例学习方法，基于知识的系统，76，256-263（2015）·doi:10.1016/j.knosys.2014.12.022 [48] Cheng，M.-Y。；Hoang，N.-D.，使用基于进化实例的学习方法对微细水泥灌浆过程的可灌浆性评估，土木工程计算杂志，28，4（2014）·doi:10.1061/（asce）cp.1943-5487.000370 [49] Passino，K.M.，分布式优化和控制细菌觅食的生物模拟，IEEE控制系统杂志，22，3，52-67（2002）·doi:10.1109/MCS.2002.1004010 [50] 刘，L。；Shan，L。；戴，Y。；刘，C。；Qi，Z.，用于分数阶系统参数识别的改进量子细菌觅食算法，IEEE Access，6610-6619（2018）·doi:10.1109/ACCESS.2018.2791976 [51] 埃尔南德斯·奥卡纳，B。；Chavez-Bosquez，O。；赫尔南德斯·托鲁科，J。；Canul-Reich，J。；Pozos-Parra，P.，《菜单规划的细菌觅食优化算法》，IEEE Access，6，8619-8629（2018）·doi:10.1109/ACCESS.2018.2794198 [52] 奥斯曼，A.M。；Gabbar，H.A.，基于增强细菌觅食优化的调制功率滤波器增强微电网动态性能，Energies，10，6（2017） [53] Chouhan，S.S。；考尔，A。；辛格，U.P。；Jain，S.，《基于细菌觅食优化的径向基函数神经网络（BRBFNN）识别和分类植物叶片疾病：植物病理学的自动方法》，IEEE Access，6，8852-8863（2018）·doi:10.1109/ACCESS.2018.2800685 [54] 图拉诺·鲁，B。；Akkaya，G.，一种新的基于细菌觅食优化的混合启发式算法，用于解决动态设施布局问题，Expert Systems with Applications，98，93-104（2018）·doi:10.1016/j.eswa.2018.01.011 [55] 吕，X。；陈，H。；张，Q。；李，X。；黄，H。；Wang，G.，用于预测躯体化障碍严重程度的改进的基于细菌觅食优化的机器学习框架，算法，11，2，第17条（2018年）·doi:10.3390/a11020017 [56] 马吉，R。；熊猫，G。；马吉，B。；Sahoo，G.，使用自适应细菌觅食优化（ABFO）和基于BFO的技术对股市指数进行有效预测，专家系统与应用，36，61097-10104（2009）·doi:10.1016/j.eswa.2009.012 [57] 达斯古普塔，S。；达斯，S。；Biswas，A。；Abraham，A.，使用自适应细菌觅食算法对数字图像进行自动圆检测，软计算，14，11，1151-1164（2010）·doi:10.1007/s00500-009-0508-z [58] Mishra，S.，用于谐波估计的混合最小二乘模糊细菌觅食策略，IEEE进化计算汇刊，9，1，61-73（2005）·doi:10.1109/TEVC.2004.840144 [59] 米什拉，S。；Bhende，C.N.，基于细菌觅食技术的负载补偿优化有源电力滤波器，IEEE电力输送汇刊，22，1，457-465（2007）·doi:10.1109/TPWRD.2006.876651 [60] 乌拉加马，M。；Venkatesh，P。；Kannan，P.S。；Prasad Padhy，N.，细菌觅食技术训练的人工和小波神经网络在负荷预测中的应用，神经计算，70，16-18，2659-2667（2007）·doi:10.1016/j.neucom.2006.05.020 [61] 吴琼。；毛J.F。；魏春凤。；傅，S。；法律，R。；丁·L。；Yu，B.T。；贾，B。；Yang，C.H.，使用肌电信号特征诊断疲劳状态的混合BF-PSO和模糊支持向量机，神经计算，173，483-500（2016）·doi:10.1016/j.neucom.2015.06.002 [62] 杨，C。；季军（Ji，J.）。；刘杰。；刘杰。；Yin，B.，通过细菌觅食优化实现贝叶斯网络的结构学习，国际近似推理杂志，69，147-167（2016）·Zbl 1344.68194号 ·doi:10.1016/j.ijar.2015.11.003 [63] Sivarani，T.S。；约瑟夫·乔哈尔，S。；Agees Kumar，C。；Prem Kumar，K.，基于新型细菌觅食的ANFIS，用于低速和高转矩下运行的矩阵变换器供电工业无刷直流电机的速度控制，神经计算与应用，1-24（2016） [64] 赵，F。；刘，Y。；邵，Z。；蒋，X。；张，C。；Wang，J.，一种基于混沌局部搜索的细菌觅食算法及其在排列流车间调度问题中的应用，国际计算机集成制造杂志，29，91962-981（2016）·doi:10.1080/0951192x.2015.1130240 [65] 孙，Y。；托多罗维奇，S。；Goodison，S.，高维数据分析中基于局部学习的特征选择，IEEE模式分析和机器智能汇刊，32，9，1610-1626（2010）·doi:10.1109/TPAMI.2009.190 [66] 陈，H。；卢，J。；李强。；卢，C。；潘·D。；于，Z。；Tan，Y。；Shi，Y。；Buarque，F.，一种新的基于进化模糊实例的学习方法：在帕金森病检测中的应用，群体和计算智能的进展。《群和计算智能的进展》，《计算机科学讲义》，9141，42-50（2015），斯普林格国际出版公司·doi:10.1007/978-3-319-20472-75 [67] Kapitaniak，T.，混沌系统中的连续控制与同步，混沌、孤子与分形，6，C，237-244（1995）·Zbl 0976.93504号 ·doi:10.1016/0960-0779（95）80030-K [68] Bäck，T。；Schwefel，H.-P.，参数优化进化算法概述，进化计算，1,1,1-23（1993）·doi:10.1162/evco.1993.1.1.1 [69] Cheng，X。；Jiang，M.，基于高斯变异和混沌扰动的改进人工蜂群算法，《计算机科学讲义》，7331，1，326-333（2012） [70] 东，北卡罗来纳州。；Iba，H.，高斯变异粒子群优化，2003年IEEE swarm Intelligence研讨会论文集，SIS 2003 [71] 耶拿，C。；巴苏，M。；Panigrahi，C.K.，针对热电联产经济调度的高斯变异差分进化，软计算，20，2，681-688（2016）·doi:10.1007/s00500-014-1531-2 [72] Chang，C。；Lin，C.，LIBSVM：支持向量机库，ACM智能系统与技术汇刊，2，3，第27条（2011年）·数字对象标识代码：10.1145/1961189.1961199 [73] Salzberg，S.L.，《关于比较分类器：要避免的陷阱和建议的方法》，《数据挖掘和知识发现》，第1、3、317-328页（1997年）·doi:10.1023/A:1009752403260 [74] Statnikov，A。；沙马尔迪诺斯一世。；Dosbayev，Y。；Aliferis，C.F.，GEMS：从微阵列基因表达数据中自动诊断癌症和发现生物标记的系统，国际医学信息学杂志，74，7-8，491-503（2005）·doi:10.1016/j.ijmedinf.2005.05.002 [75] Fawcett，T.，《ROC图：研究人员的注意事项和实际考虑》，《机器学习》，31，1-38（2004） [76] 甘多米，A.H。；Yang，X.-S。；Talatahari，S。；Alavi，A.H.，《带混沌的萤火虫算法》，《非线性科学和数值模拟中的通信》，18，1，89-98（2013）·Zbl 1254.92089号 ·doi:10.1016/j.cnsns.2012.06.009 [77] Yang，X.S.，用于全局优化的花授粉算法，非常规计算和自然计算。《非常规计算与自然计算》，《计算机科学讲义》，7445240-249（2012），德国柏林：施普林格，德国柏林·兹比尔1374.68527 ·doi:10.1007/978-3642-32894-7_27 [78] Yang，X.-S.，一种新的元启发式蝙蝠启发算法，计算智能研究，284，65-74（2010）·Zbl 1197.90348号 ·doi:10.1007/978-3642-12538-66 [79] Mirjalili，S.，《蜻蜓算法：解决单目标、离散和多目标问题的新型元神经优化技术》，神经计算与应用，27，1053-1073（2016） [80] 肯尼迪，J。；Eberhart，R.，粒子群优化，IEEE神经网络国际会议论文集 [81] 德拉克，J。；南卡罗来纳州加西亚。；莫利纳，D。；Herrera，F.，《关于使用非参数统计测试作为比较进化和群体智能算法的方法的实用教程》，swarm and evolutionary Computation，1，1，3-18（2011）·doi:10.1016/j.swevo.2011.02.002 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。