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(yīng)用.pdf

1、腦卒中是一類高發(fā)病率，高致死率的疾病。在預(yù)測腦卒中發(fā)生以及在腦卒中患者康復(fù)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(jīng)驗。所以本論文通過結(jié)合人體聲音產(chǎn)生的生理學(xué)特點，利用非線性動力學(xué)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(fù)及預(yù)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(shù)實現(xiàn)了腦卒中患者

2、和健康人的分類。對聲音診斷技術(shù)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(gòu)造和腦卒中患者分類）進行研究探索，并取得了以下研究結(jié)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(chǎn)生的神經(jīng)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(jié)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(xué)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(gòu)，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(shù)重構(gòu)相空間和吸引子。最后用小數(shù)據(jù)法計算聲音時間序列的最大Lyapunov指數(shù)，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(shù)據(jù)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(shù)據(jù)法和關(guān)聯(lián)維數(shù)相結(jié)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(shù)據(jù)（不具有混沌特性）在關(guān)聯(lián)維數(shù)上間的差異，比單純的非線性聲音時間序列的關(guān)聯(lián)維數(shù)更好得反映了腦卒中患者因為腦損傷導(dǎo)致的變異聲音的非線性性質(zhì)。
　　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(guān)聯(lián)維數(shù)，最大Lyapunov指數(shù)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(tǒng)計