非線性混沌理論在腦卒中患者聲音時間序列中的分析和應用.pdf

1、腦卒中是一類高發(fā)病率，高致死率的疾病。在預測腦卒中發(fā)生以及在腦卒中患者康復觀察的過程中，并沒有很好的客觀評價方法，只能通過醫(yī)生的臨床經驗。所以本論文通過結合人體聲音產生的生理學特點，利用非線性動力學方法分析聲音時間序列，提取特征量分析腦卒中患者的大腦的損傷狀態(tài)，嘗試可以找到度量腦卒中患者大腦狀態(tài)的特征量。為腦卒中患者康復及預防提供客觀評價。
　　本文對腦卒中患者的診斷判別方法進行了分析和研究，并最終通過聲音診斷技術實現了腦卒中患者

2、和健康人的分類。對聲音診斷技術的四個方面（即腦卒中病人聲音采集、腦卒中病人聲音信號分析處理、腦卒中患者診斷特征量的構造和腦卒中患者分類）進行研究探索，并取得了以下研究結果:
　　1)提出了通過聲音來研究大腦狀態(tài)的方法，并且從語音產生的神經機制和腦成像機制的角度對利用聲音分析大腦狀態(tài)提供了理論上的支撐。并且結合腦卒中患者實際情況提出了最適合采集的音節(jié)。
　　2)提出了基于聲音時間序列的混沌特性用非線性動力學的方法來分析腦卒中患

3、者的大腦狀態(tài)的方法。對聲音非線性時間序列進行相空間重構，分別用互信息法得到的時間延遲和用改進偽最近鄰法得到的CAO方法得到的嵌入維數重構相空間和吸引子。最后用小數據法計算聲音時間序列的最大Lyapunov指數，提取得到的這些混沌特征量都證明了聲音時間序列具有混沌特性。
　　3)首次提出了利用改進的替代數據法得到一種新的菲線性特征量來反映聲音時間序列的非線性特征，進而用于反映腦卒中患者的大腦狀態(tài)。該方法將替代數據法和關聯維數相結合得

4、到了新的非線性特征量即歸一化方差檢測量。這一新的特征量反映了非線性聲音時間序列和聲音序列的替代數據（不具有混沌特性）在關聯維數上間的差異，比單純的非線性聲音時間序列的關聯維數更好得反映了腦卒中患者因為腦損傷導致的變異聲音的非線性性質。
　　4)對聲音特征量進行模式分類。本文首先對所有聲音樣本提取聲音特征量，包括互信息圖的第一個最小值，關聯維數，最大Lyapunov指數以及歸一化方差檢測量。對這些特征量按照健康人和腦卒中病人進行統計