CN108305680A - 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 - Google Patents

Abstract

本发明涉及一种基于多元生物学特征的智能辅助诊断方法和装置。本发明提供的帕金森症辅助诊断方法，包括：根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果。本发明提供的帕金森症辅助诊断方法根据获取的被测者多元生物学特征生成用于客观评价被测者的帕金森症严重程度的辅助诊断信息。

Description

基于多元生物学特征的智能帕金森症辅助诊断方法和装置

技术领域

本发明涉及医学信息智能化技术领域，尤其涉及一种基于多元生物学特征的智能帕金森症辅助诊断方法和装置。

背景技术

帕金森症是一种老年人多见的神经系统变性疾病。50％～80％的帕金森症病例都是在患者疾病进展到症状十分明显，甚至影响生活质量而就诊时才被发现，从而失去了早期治疗的较佳时机。中重度帕金森症人群的治疗难度更大，医疗负担更重。

帕金森症起病隐袭，帕金森症人群利用现有的辅助检查技术，其各项指标多无异常改变。因此，目前帕金森症通常依靠经验丰富的神经内科医生根据病史、临床症状及繁琐复杂的体征检查进行诊断。由于医生的从业经验、医疗机构的医疗技术水平参差不齐，往往不能早期发现并正确诊断帕金森症。

上述缺陷是本领域技术人员期望克服的。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于多元生物学特征的智能帕金森症辅助诊断方法和装置。本发明提供的帕金森症辅助诊断方法和装置利用计算机程序对获取的多元化生物学特征分别进行独立分析，提取多种靶向性生物标记，以提供包括声纹特征、静止性肌肉震颤特征、肢体肌肉强直特征、面具脸特征等多种客观辅助诊断依据；并对该多种靶向性生物标记进行集成分析，在上述客观辅助诊断依据的基础上，提供对应于被测者的帕金森症严重程度的辅助诊断信息集合，并生成帕金森症辅助诊断报告，可提高各级医疗机构以及养老服务机构诊断帕金森症的准确率和效率。

(二)技术方案

为了达到上述目的，第一方面，本发明采用的主要技术方案包括：

一种基于多元生物学特征的智能帕金森症辅助诊断方法，包括：

根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果；

其中，所述第一离散度和第一相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第一靶向性生物标记，将所述第一靶向性生物标记通过第一特征识别与分析系统处理，获取所述第一靶向性生物标记与健康人群的特征图谱比对的第一离散度，以及获取所述第一靶向性生物标记与帕金森症人群的特征图谱比对的第一相似度；

所述第一特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第二离散度和第二相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第二靶向性生物标记，将所述第二靶向性生物标记通过第二特征识别与分析系统处理，获取所述第二靶向性生物标记与健康人群的特征图谱比对的第二离散度，以及获取所述第二靶向性生物标记与帕金森症人群的特征图谱比对的第二相似度；

所述第二特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第三靶向性生物标记的判断结果的结果信息采用以下步骤获取：

接收客户端传输的被测者的第三靶向性生物标记，将所述第三靶向性生物标记通过第三特征识别与分析系统处理，获取所述第三靶向性生物标记与健康人群的特征图谱比对的第三离散度，以及获取所述第三靶向性生物标记与帕金森症人群的特征图谱比对的第三相似度；

所述第三特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第四离散度和第四相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第四靶向性生物标记，将所述第四靶向性生物标记通过第四特征识别与分析系统处理，获取所述第四靶向性生物标记与健康人群的特征图谱比对的第四离散度，以及获取所述第四靶向性生物标记与帕金森症人群的特征图谱比对的第四相似度；

所述第四特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

其中，所述第一靶向性生物标记、第二靶向性生物标记、第三靶向性生物标记和第四靶向性生物标记均不相同，且均为用于判断所述帕金森症的人体生物学特征。

具体地，所述的方法中，

所述第一靶向性生物标记包括：与预设音频样本对应的属于被测者的声纹特征；

所述第二靶向性生物标记包括：通过传感设备获取的第一预设时间段内被测者的肢体静止时的肌肉震颤信息；所述第三靶向性生物标记包括：通过另一传感设备获取的第二预设时间段内反映被测者的肢体肌肉强直和/或运动障碍的信息；

所述第四靶向性生物标记包括：通过图像采集设备获取的第三预设时间段内被测者的面部表情肌肉运动和/或眨眼频率的信息。

具体地，在接收客户端传输的被测者的第一靶向性生物标记的步骤之前，所述方法还包括：

建立第一特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第二特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第三特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第四特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱，所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱。

具体地，所述的方法中，建立第一特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

采集多个与预设音频样本对应的属于健康人群的语音数据，采集多个与预设音频样本对应的属于帕金森症的语音数据，获得语音数据库；

对所述语音数据库中的每一个语音数据进行预处理，并采用重复剪辑算法对预处理后的每一个语音数据进行处理，以及采用随机森林分类器对重复剪辑算法处理后的语音数据进行分类识别，提取语音特征组合参数，并获得健康人群的声纹特征图谱、帕金森症人群的声纹特征图谱；

其中，所述随机森林分类器为通过分析对应于不同程度的帕金森症的语音数据的成分特征、变化规律和/或不规则信息训练的。

具体地，所述的方法中，建立第二特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

获取多个健康人群在第一预设时间段内肢体静止时的肌肉震颤频率与峰值信息；获取多个帕金森症人群在第一预设时间段内肢体静止时的肌肉震颤频率与峰值信息；

以健康人群的静止性肌肉震颤频率与峰值信息为基准，识别帕金森症的静止性肌肉震颤特征，获得健康人群的静止性肌肉震颤特征图谱、帕金森症人群的静止性肌肉震颤特征图谱。

具体地，所述的方法中，建立第三特征识别与分析系统的健康人群的特征信息、帕金森症人群的特征信息的步骤，包括：

获取多个健康人群在第二预设时间段内肢体运动时的加速度和/或角速度信息；获取多个帕金森症人群在第二预设时间段内肢体运动时的加速度和/或角速度信息；

以健康人群的加速度和/或角速度信息为基准，识别帕金森症的肢体肌肉强直特征，获得健康人群的肢体运动特征图谱、帕金森症人群的肢体肌肉强直特征图谱。

具体地，所述的方法中，建立第四特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

获取多个属于健康人群的面部表情肌肉运动信息，获取多个属于帕金森症人群的面部表情迟缓特征参数和眨眼频率参数；

以健康人群的面部表情肌肉运动信息为基准，对所述面部表情迟缓特征参数和/或眨眼频率参数进行深度学习，识别帕金森症人群的面部表情特征，获得健康人群的面部表情特征图谱、帕金森症人群的面具脸特征图谱。

具体地，所述的方法中，输出所述帕金森症的辅助诊断结果，包括：

在人机交互界面展示辅助诊断结果，

或者，形成包括辅助诊断结果的诊断报告打印输出，

或者，形成包括辅助诊断结果的诊断报告，发送所述客户端以通过客户端展示或打印输出；其中，所述客户端为可穿戴设备、台式辅助诊断仪、辅助诊断机器人或移动终端。

优选地，所述的方法中，第一预设时间段为10s-120s，帕金森症的肌肉震颤频率为4-8Hz；第二预设时间段为30s-120s。

第二方面，本发明还提供了一种帕金森症辅助诊断装置，包括：

处理器，适于实现各指令；

以及存储器，适于存储多条指令，所述指令适于由处理器加载并执行，包括：

接收客户端传输的被测者的第一靶向性生物标记，将所述第一靶向性生物标记通过第一特征识别与分析系统处理，获取所述第一靶向性生物标记与健康人群的特征图谱比对的第一离散度，以及获取所述第一靶向性生物标记与帕金森症人群的特征图谱比对的第一相似度；

所述第一特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第二靶向性生物标记，将所述第二靶向性生物标记通过第二特征识别与分析系统处理，获取所述第二靶向性生物标记与健康人群的特征图谱比对的第二离散度，以及获取所述第二靶向性生物标记与帕金森症人群的特征图谱比对的第二相似度；

所述第二特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第三靶向性生物标记，将所述第三靶向性生物标记通过第三特征识别与分析系统处理，获取所述第三靶向性生物标记与健康人群的特征图谱比对的第三离散度，以及获取所述第三靶向性生物标记与帕金森症人群的特征图谱比对的第三相似度；

所述第三特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第四靶向性生物标记，将所述第四靶向性生物标记通过第四特征识别与分析系统处理，获取所述第四靶向性生物标记与健康人群的特征图谱比对的第四离散度，以及获取所述第四靶向性生物标记与帕金森症人群的特征图谱比对的第四相似度；

所述第四特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果；

其中，所述第一靶向性生物标记、第二靶向性生物标记、第三靶向性生物标记和第四靶向性生物标记均不相同，且均为用于判断所述帕金森症的人体生物学特征。

(三)有益效果

本发明的有益效果是：本发明提供的基于多元生物学特征的智能帕金森症辅助诊断方法根据帕金森症的常见症状和体征，设定四类生物学特征作为靶向性生物标记，并根据获取的待测者的四类靶向性生物标记与健康人群的特征图谱比对后形成四种离散度，与帕金森症人群的特征图谱比对后形成的四种相似度进行集成分析，提供对应于被测者的帕金森症严重程度的辅助诊断信息集合，并生成帕金森症辅助诊断报告。

本发明提供的基于多元生物学特征的智能帕金森症辅助诊断方法由处理器加载并执行。将其部署在各级医疗机构以及养老服务机构中，将提高帕金森症诊断的准确率和效率：其可用于临床医生的诊前或诊间阶段，帮助临床医生完成部分医疗辅助工作，解放医生的劳动力；其可用于远程医疗，在医疗资源非均衡、医生诊疗水平参差不齐的条件下，减少因临床医生主观因素造成的误诊、漏诊；其可用于在大规模人群中进行帕金森症的早期筛查，有利于早期发现早期治疗，节省全民医疗费用。

附图说明

图1中示出了本发明一个实施例的帕金森症辅助诊断装置在具体实施时的信息流转示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

帕金森的首发症状通常是一侧手部的静止性震颤，即手部症状较之肢体的其他部位出现最早。此外，帕金森病患者的随意运动在始动时缓慢，重复性动作的运动速度及幅度逐渐降低，且僵直可以进展性加重。另外，患者可表现出面无表情(称为面具脸)，眨眼减少，讲话声音减弱，以及特征性的单调而带口吃状的呐吃。

既往对于帕金森病所出现的这些特征性的临床表现，如手部静止性震颤、肌肉强直及其带来的面部肌肉和肢体运动障碍和语音的改变，只能通过医生的主观感知与分析来判断，因此造成大约有五分之一的患者漏诊。另外，当人眼可辨别的临床症状出现时，病程已进展超过百分之五十。

本发明提供的基于多元生物学特征的智能帕金森症辅助诊断方法将获取的被测者的多元生物学特征经过预先建立且验证了有效性的特征识别与分析系统处理后，与预先经过对比分析及深度学习后建立的健康人群与帕金森症人群的特征图谱进行比对，生成对应于被测者的帕金森症严重程度的辅助诊断信息集合，以辅助诊断帕金森症或跟踪评估疾病进展或评估治疗效果。

需要说明的是，这里的“健康人群”，是指相对于帕金森症人群而言的健康人群，其可以完全排除患有帕金森症；这里的帕金森症人群指具有丰富临床经验的医师通过临床常规诊断程序确诊的帕金森症患者但是，除帕金森症及与帕金森症相关的其他疾病后，并无针对其他疾病的限定。

实施例1：

本发明基于多元化生物学特征智能化分析的帕金森症辅助诊断方法在具体实施时，包括如下步骤：

1.采集和分析被测者语音信息，建立声纹特征识别与分析系统，及健康人群特征图谱和帕金森症人群特征图谱，并对被测者进行声纹分析与识别。

帕金森症发病的早期，患者对声带控制的能力有轻微改变，这种轻微改变可引起声音发生颤抖，语调变软，或者呼吸声变重等现象，是一种早期运动迟缓的症状。

因此，可以通过分别获取健康人群对照组与帕金森症人群的语音数据，进行对比分析，获取帕金森症声纹这一帕金森症人群独有的靶向性生物标记，以建立帕金森声纹特征识别与分析系统。

具体实施时，可以包括以下步骤：

1)可采用包括录音笔等在内的其它各种优质录音装置，采集健康人群和帕金森症人群的语音信息。分别搜集一定数量的健康人群对照组、一定数量的不同严重程度的帕金森症人群持续发出的“啊”和“耶”的元音音频样本，建立语音数据库；具体地，在采集数据时，可以根据语音样本的质量，指示被测者重复发声，如采集10s-30s长度的语音数据。

2)采用USSA语音频谱分析系统分析健康人群对照组和帕金森症人群的元音音频样本数据的基音频率、绝对声压级、共振峰、频率微扰、振幅微扰和谐噪比，同时提取语图谐波、共振峰及噪声成分特征及其变化规律，如帕金森症人群的语音图中表现出的不规则谐波及共振峰，以及增加的噪声成分等。

3)参考已公开信息中健康人嗓音数据的特征参数，将不同严重程度的帕金森症的语音信息图谱与之比对。健康人嗓音数据的特征参数如下：正常人频率微扰0.18±0.07％、振幅微扰1.60±0.74％、谐噪比25.34±3.12dB、信噪比25.39±3.09dB、声门噪声能量-16.95±3.57dB；男性基频平均值160.81±24.27Hz、女性基频平均值297.42±35.89Hz、基频总平均值206.35±70.77Hz。

4)为了实现机器深度学习能力，提高帕金森症辅助诊断的准确率，首先对音频样本数据进行预处理，采用重复剪辑算法对样本进行优选，再使用随机森林分类器进行分类识别，以便更加有效的提取语音特征组合参数，从而捕捉帕金森症人群语音信息特征。

这里的随机森林分类器为通过分析对应于不同程度的帕金森症的语音数据的成分特征、变化规律和/或不规则信息而训练的。

这里的随机森林分类器也可以为通过分析对应于不同程度的帕金森症的语音数据的成分特征、健康人群语音数据的成分特征，针对变化规律和/或不规则信息而训练的，适于对有无帕金森症以及帕金森症的严重程度进行分类。

5)利用B.E.Sakar等创建的帕金森症公共语音数据集和MA.Little提供的帕金森症语音数据集进行验证，采用分类准确率、灵敏度和特异度作为优选上述算法具体参数的评价标准。通过与公共语音数据集进行对比，进一步分析待测的数据库样本，即前述建立的语音数据库。

6)扩大样本量，通过大数据分析，形成帕金森症声纹这一帕金森症人群独有的靶向性生物标记。根据被测者声纹特征图谱与健康人群声纹特征图谱比对的离散度(单位可以为％)、与帕金森症声纹特征图谱比对的相似度(单位可以为％)分析，提出帕金森症辅助诊断声纹特征的证据，以及对病情的轻、中、重程度的分类意见，并与本辅助诊断方法中的其他特征特征一起加权打分。最终通过与临床症状、体征相关联并验证后，对帕金森声纹特征识别与分析系统予以确认。

7)在建立语音声纹特征识别与分析系统的健康人群声纹特征图谱和帕金森症人群声纹特征图谱的过程中，语音数据库中的样本数不断积累和扩增，通过机器深度学习能力，可以实现将帕金森语音特征压缩与集成优化同时进行。

应当理解为，以上建立声纹特征识别与分析系统、及健康人群的特征图谱、帕金森症人群的特征图谱的步骤也包括确定声纹特征识别与分析方法的步骤。

在具体实施时，声纹特征识别与分析方法还可以集成在可穿戴设备、台式辅助诊断仪、辅助诊断机器人等客户端中来实施。建立的包括有健康人群的特征图谱、帕金森症人群的特征图谱的声纹特征识别与分析系统可以集成在远程服务器或云端服务器中来实施。

也即，客户端传输的被测者的声纹生物学特征，可以通过不同的传感设备获取预设时间段内被测者的声纹数据，也可以通过不同的传输装置将其采集的声纹生物学特征上传到本地处理器或中央处理器。

2.采集和分析被测者静止时的肌肉震颤信息，建立静止性肌肉震颤特征识别与分析系统。

具体步骤如下：

1)通过各种形式的体感传感器，对包括但不限于加速度，角速度，位移轨迹，速度等进行测量。分别获取一定数量的健康人群对照组、一定数量的不同严重程度的帕金森症人群10秒～120秒以内肢体静止时的肌肉震颤频率(1-20Hz范围内)与峰值信息；优选地，获取被测者在10秒～60秒以内肢体静止时的肌肉震颤频率(1-20Hz范围内)与峰值信息；

2)以健康人群的静止性肌肉震颤频率与峰值信息为基准，提取帕金森特有的静止性震颤频率(4-8Hz)特征作为帕金森症的靶向性生物标记。优选地，提取帕金森特有的静止性震颤频率(4-6Hz)特征。

3)建立静止性肌肉震颤特征识别与分析系统中健康人群的特征图谱和帕金森症人群的特征图谱。针对具体的被测者，则根据与健康人群组图谱比对的离散度(单位可以为％)和与帕金森症肌颤图谱比对的相似度(单位可以为％)分析，提出帕金森症辅助诊断的肌颤证据；以及对病情的轻、中、重程度的分类意见；并与辅助诊断方法中的其他特征一起加权打分。最终通过与临床症状、体征相关联并验证后，对帕金森症静止性肌肉震颤特征识别与分析系统予以确认。

应当理解为，需要与帕金森症静止性肌肉震颤鉴别区分的特发性震颤的特征已经集成在上述静止性肌肉震颤特征识别与分析系统中。

应当理解为，以上建立静止性肌肉震颤特征识别与分析系统中健康人群的特征图谱、帕金森症人群的特征图谱的步骤也可以包括确定静止性肌肉震颤特征识别与分析方法的步骤。

在具体实施时，静止性肌肉震颤特征识别与分析方法还可以集成在可穿戴设备、台式辅助诊断仪、辅助诊断机器人等客户端中来实施。建立的包括有健康人群的特征图谱、帕金森症人群的特征图谱的静止性肌肉震颤特征识别与分析系统可以集成在远程服务器或云端服务器中来实施。

也即，客户端传输的被测者的静止性肌肉震颤生物学特征，可以通过不同的传感设备获取预设时间段内被测者的静止性肌肉震颤数据，也可以通过不同的传输装置将其采集的静止性肌肉震颤生物学特征上传到本地处理器或中央处理器。

3.采集和分析被测者肢体运动信息，建立肢体肌强直特征识别与分析系统。

帕金森症人群的一个突出体征是肌肉强直，其特点是肢体的随意运动在始动时缓慢，重复性动作的运动速度及幅度逐渐降低，且僵直可以进展性加重。而这种肌肉强直导致帕金森症人群存在程度不等的运动障碍。

建立肢体肌肉强直特征识别与分析系统的具体步骤如下：

1)通过各种形式的体感传感器，获取一定数量健康人群和一定数量的不同严重程度的帕金森症人群在30秒～120秒以内肢体运动产生的加速度、角速度、速度及位移轨迹数据；优选地，获取帕金森症人群在30秒～60秒以内在1-50Hz范围内由肌强直影响产生的加速度、角速度、速度及位移轨迹数据；

2)以健康人群肢体运动的加速度和/或角速度信息、速度及位移轨迹等肢体肌肉运动数据为基准，识别帕金森症人群由肌强直引起的肢体移动轨迹变化，捕捉帕金森症人群由肌强直影响而产生的肢体肌肉运动特征(如：方向，位移幅度等)，由此形成帕金森症人群的肌强直靶向性生物标记。

3)建立肢体肌肉强直特征识别与分析系统中健康人群的特征图谱、帕金森症人群的肌强直特征图谱。

针对具体的被测者，根据与健康人群组图谱比对的离散度(单位可以为％)和与帕金森症肌强直图谱比对的相似度(单位可以为％)分析，提供帕金森症辅助诊断的肌强直证据；以及对病情的轻、中、重程度的分类意见；并与辅助诊断方法中的其他特征一起加权打分。最终通过与临床症状、体征相关联并验证后，对帕金森症肌强直特征识别与分析系统予以确认。

具体地，通过与健康人群对照组和帕金森症人群肢体肌肉强直特征的比对，辅助判断被测者是否有肌强直症状以及肌强直程度。

应当理解为，以上建立肌强直特征识别与分析系统中健康人群的特征图谱、帕金森症人群肌强直特征图谱的步骤也可以包括确定肌强直特征识别与分析方法的步骤。

在具体实施时，肌强直特征识别与分析方法还可以集成在可穿戴设备、台式辅助诊断仪、辅助诊断机器人等客户端中来实施；也可以集成在远程服务器或云端服务器中来实施。

也即，客户端传输的被测者的肌强直生物学特征，可以通过不同的传感设备获取预设时间段内被测者的肢体肌肉强直数据，也可以通过不同的传输装置将其采集的肌强直生物学特征上传到本地处理器或中央处理器。

4.采集和分析被测者面部表情肌肉运动和眨眼频率信息，建立面具脸特征识别与分析系统。

具体步骤如下：

1)帕金森症人群存在面部表情动作减少，瞬目减少，被称为面具脸(maskedface)。通过照相或视频摄影，分别对一定数量的健康人群对照组和一定数量的不同严重程度的帕金森症人群进行面部表情追踪以及眨眼频率的计量(预设时间为10秒～120秒以内)，获取一定数量健康人群的面部表情肌肉运动信息，以及一定数量的帕金森症人群面部表情迟缓特征参数和眨眼频率等数据；

2)以健康人群对照组面部表情肌肉运动幅度/速度和/或眨眼频率参数为基准，提取帕金森症组表情变化迟缓的特征参数，以及眨眼频率参数。建立健康人群面部表情特征图谱和帕金森症人群面具脸特征图谱。

3)通过对表情迟缓特征参数进行深度学习(包括训练与测试分类)，进一步确定帕金森症人群的表情迟缓特征参数，形成帕金森症人群独有的面具脸靶向性生物标记。

4)针对具体的被测者，则根据与帕金森病患者面具脸特征图谱的相似度(单位可以为％)，以及与健康人群对照组面部表情特征图谱比对的离散度(单位可以为％)分析，提供帕金森症辅助诊断的面具脸证据，以及对病情的轻、中、重程度的分类意见；并与辅助诊断方法中的其他特征一起加权打分；最终通过与临床症状、体征相关联并验证后，对帕金森症面具量特征识别与分析系统予以确认。

应当理解为，以上建立面具脸特征识别与分析系统中健康人群的面部表情特征图谱、帕金森症人群的面具脸特征图谱的步骤也可以包括确定面具脸特征识别与分析方法的步骤。

在具体实施时，面具脸特征识别与分析方法可以集成在可穿戴设备、台式辅助诊断仪、辅助诊断机器人等客户端中来实施；也可以集成在远程服务器或云端服务器中来实施。

也即，客户端传输的被测者的面具脸生物学特征，可以通过不同的传感设备获取预设时间段内被测者的面部表情数据，也可以通过不同的传输装置将其采集的面具脸生物学特征上传到本地处理器或中央处理器。

应当理解为，以上的“一定数量”的数量级可以为百人数、千人数级别、甚至更多的人数。

本发明实施例的帕金森症辅助诊断方法实施时，针对具体的被测者，分别通过上述声纹特征识别与分析系统获取的离散度和相似度的结果信息，通过上述静止性肌颤特征识别与分析系统获取的离散度和相似度的结果信息，通过上述肌强直特征识别与分析系统获取的离散度和相似度的结果信息，通过上述面具脸特征识别与分析系统获取的离散度和相似度的结果信息，并向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，并输出所述帕金森症的辅助诊断结果。

需要说明的是，上述“依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果”的具体方法是在建立特征识别与分析系统中的健康人群的特征图谱、帕金森症人群特征图谱时确定并预先存储的，与帕金森症诊疗常规认可的诊断标准相关。其中，权重系数与结果信息协同使用的方法，包括但并不限于加权平均法。

上述帕金森症的辅助诊断结果，可以包括被测者患有帕金森症的概率、在某个置信区间内的患病概率，病情的严重程度，及对应的概率等。

上述集成式的帕金森症辅助诊断方法涉及多种人体生物学特征采集、数据库建立、分类信息分析、综合信息分析与结论性辅助诊断报告生成等环节。

应当理解为，本发明实施例的辅助诊断方法中，包括有帕金森症不同疾病阶段的特征图谱和识别分析方法，用于辅助诊断帕金森症的进展严重程度。

应当理解为，不同程度的帕金森症，对应有不同的特征图谱。建立并确定不同程度帕金森症的特征图谱，使得图谱的内容更丰富、每个图谱对应的疾病状态更精准，从而有利于提高辅助诊断帕金森症的准确度，并且便于跟踪评估疾病进展或评估治疗效果。

本发明一个实施例的帕金森症辅助诊断方法，首先通过将被测者的信息与健康人群对照组的信息进行对比，并定性地给出针对不同生物学体征分类信息的正常与异常(有或无)；其次，以半定量模式确定病变程度，为医生提供基本的综合客观的辅助诊断依据。随着自有数据库样本量的不断扩展和机器学习能力的累积，本发明一个实施例的辅助诊断方法的信息分类与识别能力可以不断增强。

优选地，本发明一个实施例的辅助诊断方法中，输出所述帕金森症的辅助诊断结果，包括：

在人机交互界面展示辅助诊断结果，

或者，形成包括辅助诊断结果的诊断报告打印输出，

或者，形成包括辅助诊断结果的诊断报告，发送所述客户端以通过客户端展示或打印输出；其中，所述客户端为可穿戴设备、台式辅助诊断仪、辅助诊断机器人或移动终端。

本发明一个实施例的辅助诊断方法可以进一步将上述辅助诊断依据整理为辅助诊断报告，并通过有线、无线、或蓝牙技术由后台(仪器内置的数据处理器，或远程中央数据处理中心)发回至显示设备及打印设备，或与医疗机构的病历信息系统链接，根据医生需要为其提供实时的电子或纸质辅助诊断报告，从而使得上述客观诊断信息以更加友好、更加便捷的方式展示给临床医生。

本发明一个实施例的基于计算机程序的帕金森症辅助诊断方法可搭载在多种硬件载体上实现，并采用多种方式采集人体生物物理信息。

实施例2

本发明一个实施例的帕金森症辅助诊断装置，包括：

处理器，适于实现各指令；

以及存储器，适于存储多条指令，所述指令适于由处理器加载并执行，包括：

接收客户端传输的被测者的第一靶向性生物标记，将所述第一靶向性生物标记通过第一特征识别与分析系统处理，获取所述第一靶向性生物标记与健康人群的特征图谱比对的第一离散度，以及获取所述第一靶向性生物标记与帕金森症人群的特征图谱比对的第一相似度；

所述第一特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第二靶向性生物标记，将所述第二靶向性生物标记通过第二特征识别与分析系统处理，获取所述第二靶向性生物标记与健康人群的特征图谱比对的第二离散度，以及获取所述第二靶向性生物标记与帕金森症人群的特征图谱比对的第二相似度；

所述第二特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第三靶向性生物标记，将所述第三靶向性生物标记通过第三特征识别与分析系统处理，获取所述第三靶向性生物标记与健康人群的特征图谱比对的第三离散度，以及获取所述第三靶向性生物标记与帕金森症人群的特征图谱比对的第三相似度；

所述第三特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第四靶向性生物标记，将所述第四靶向性生物标记通过第四特征识别与分析系统处理，获取所述第四靶向性生物标记与健康人群的特征图谱比对的第四离散度，以及获取所述第四靶向性生物标记与帕金森症人群的特征图谱比对的第四相似度；

所述第四特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果；

其中，所述第一靶向性生物标记、第二靶向性生物标记、第三靶向性生物标记和第四靶向性生物标记均不相同，且均为用于判断所述帕金森症的人体生物学特征。

图1中示出了本发明一个实施例的帕金森症辅助诊断装置100在具体实施时与客户端200之间的信息流转示意图。

如图1所示，客户端100从附着在被测者身体上的传感器或设置在被试周围的图像采集设备获取到被测者的多项靶向性生物标记(包括：可用于获取与预设音频样本对应的属于被测者的声纹特征的生物学特征；可用于获取被测者的肢体静止时的肌肉震颤特征的生物学特征；可用于获取被测者的肢体肌强直特征的生物学特征；可用于获取被测者的面具量特征的生物学特征)并传输至帕金森症辅助诊断装置200，该帕金森症辅助诊断装置200分别将接收到的所述多项靶向性生物标记对应地在声纹特征识别与分析系统、静止性肌肉震颤特征识别与分析系统、肌强直特征识别与分析系统及面具脸特征识别与分析系统中进行处理，分别获得第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，并进一步根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，并向客户端100输出所述帕金森症的辅助诊断结果。

具体实施时，该客户端为以下任一项：可穿戴设备、台式辅助诊断仪、辅助诊断机器人或移动终端。

本发明一个实施例的帕金森症辅助诊断装置为实施例1中说明的辅助诊断方法部署在计算机中运行时对计算机的描述，具有与在实施例1中说明的方法相同的技术方案和技术效果，这里不再赘述。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于多元生物学特征的智能帕金森症辅助诊断方法，其特征在于，包括：

根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果；

其中，所述第一离散度和第一相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第一靶向性生物标记，将所述第一靶向性生物标记通过第一特征识别与分析系统处理，获取所述第一靶向性生物标记与健康人群的特征图谱比对的第一离散度，以及获取所述第一靶向性生物标记与帕金森症人群的特征图谱比对的第一相似度；

所述第一特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第二离散度和第二相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第二靶向性生物标记，将所述第二靶向性生物标记通过第二特征识别与分析系统处理，获取所述第二靶向性生物标记与健康人群的特征图谱比对的第二离散度，以及获取所述第二靶向性生物标记与帕金森症人群的特征图谱比对的第二相似度；

所述第二特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第三靶向性生物标记的判断结果的结果信息采用以下步骤获取：

接收客户端传输的被测者的第三靶向性生物标记，将所述第三靶向性生物标记通过第三特征识别与分析系统处理，获取所述第三靶向性生物标记与健康人群的特征图谱比对的第三离散度，以及获取所述第三靶向性生物标记与帕金森症人群的特征图谱比对的第三相似度；

所述第三特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

所述第四离散度和第四相似度的结果信息采用以下步骤获取：

接收客户端传输的被测者的第四靶向性生物标记，将所述第四靶向性生物标记通过第四特征识别与分析系统处理，获取所述第四靶向性生物标记与健康人群的特征图谱比对的第四离散度，以及获取所述第四靶向性生物标记与帕金森症人群的特征图谱比对的第四相似度；

所述第四特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

其中，所述第一靶向性生物标记、第二靶向性生物标记、第三靶向性生物标记和第四靶向性生物标记均不相同，且均为用于判断所述帕金森症的人体生物学特征。

2.根据权利要求1所述的方法，其特征在于，

所述第一靶向性生物标记包括：与预设音频样本对应的属于被测者的声纹特征；

所述第二靶向性生物标记包括：通过传感设备获取的第一预设时间段内被测者的肢体静止时的肌肉震颤信息；

所述第三靶向性生物标记包括：通过另一传感设备获取的第二预设时间段内反映被测者的肢体肌肉强直和/或运动障碍的信息；

所述第四靶向性生物标记包括：通过图像采集设备获取的第三预设时间段内被测者的面部表情肌肉运动和/或眨眼频率的信息。

3.根据权利要求1所述的方法，其特征在于，接收客户端传输的被测者的第一靶向性生物标记的步骤之前，所述方法还包括：

建立第一特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第二特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第三特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱；所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱；

建立第四特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱，所述帕金森症人群的特征图谱包括：不同程度帕金森症的特征图谱。

4.根据权利要求3所述的方法，其特征在于，建立第一特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

采集多个与预设音频样本对应的属于健康人群的语音数据，采集多个与预设音频样本对应的属于帕金森症的语音数据，获得语音数据库；

对所述语音数据库中的每一个语音数据进行预处理，并采用重复剪辑算法对预处理后的每一个语音数据进行处理，以及采用随机森林分类器对重复剪辑算法处理后的语音数据进行分类识别，提取语音特征组合参数，并获得健康人群的声纹特征图谱、帕金森症人群的声纹特征图谱；

其中，所述随机森林分类器为通过分析对应于不同程度的帕金森症的语音数据的成分特征、变化规律和/或不规则信息训练的。

5.根据权利要求3所述的方法，其特征在于，建立第二特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

获取多个健康人群在第一预设时间段内肢体静止时的肌肉震颤频率与峰值信息；获取多个帕金森症人群在第一预设时间段内肢体静止时的肌肉震颤频率与峰值信息；

以健康人群的静止性肌肉震颤频率与峰值信息为基准，识别帕金森症的静止性肌肉震颤特征，获得健康人群的静止性肌肉震颤特征图谱、帕金森症人群的静止性肌肉震颤特征图谱。

6.根据权利要求3所述的方法，其特征在于，建立第三特征识别与分析系统的健康人群的特征信息、帕金森症人群的特征信息的步骤，包括：

获取多个健康人群在第二预设时间段内肢体运动时的加速度和/或角速度信息；获取多个帕金森症人群在第二预设时间段内肢体运动时的加速度和/或角速度信息；

以健康人群的加速度和/或角速度信息为基准，识别帕金森症的肢体肌肉强直特征，获得健康人群的肢体运动特征图谱、帕金森症人群的肢体肌肉强直特征图谱。

7.根据权利要求3所述的方法，其特征在于，建立第四特征识别与分析系统的健康人群的特征图谱、帕金森症人群的特征图谱的步骤，包括：

获取多个属于健康人群的面部表情肌肉运动信息，获取多个属于帕金森症人群的面部表情迟缓特征参数和眨眼频率参数；

以健康人群的面部表情肌肉运动信息为基准，对所述面部表情迟缓特征参数和/或眨眼频率参数进行深度学习，识别帕金森症人群的面部表情特征，获得健康人群的面部表情特征图谱、帕金森症人群的面具脸特征图谱。

8.根据权利要求1至7中任一所述的方法，其特征在于，输出所述帕金森症的辅助诊断结果，包括：

在人机交互界面展示辅助诊断结果，

或者，形成包括辅助诊断结果的诊断报告打印输出，

或者，形成包括辅助诊断结果的诊断报告，发送所述客户端以通过客户端展示或打印输出；其中，所述客户端为可穿戴设备、台式辅助诊断仪、辅助诊断机器人或移动终端。

9.根据权利要求2至7中任一所述的方法，其特征在于，

所述第一预设时间段为10s-120s；

所述帕金森症的肌肉震颤频率为4-8Hz；

所述第二预设时间段为30s-120s。

10.一种帕金森症辅助诊断装置，其特征在于，包括：

处理器，适于实现各指令；

以及存储器，适于存储多条指令，所述指令适于由处理器加载并执行，包括：

接收客户端传输的被测者的第一靶向性生物标记，将所述第一靶向性生物标记通过第一特征识别与分析系统处理，获取所述第一靶向性生物标记与健康人群的特征图谱比对的第一离散度，以及获取所述第一靶向性生物标记与帕金森症人群的特征图谱比对的第一相似度；

所述第一特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第二靶向性生物标记，将所述第二靶向性生物标记通过第二特征识别与分析系统处理，获取所述第二靶向性生物标记与健康人群的特征图谱比对的第二离散度，以及获取所述第二靶向性生物标记与帕金森症人群的特征图谱比对的第二相似度；

所述第二特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第三靶向性生物标记，将所述第三靶向性生物标记通过第三特征识别与分析系统处理，获取所述第三靶向性生物标记与健康人群的特征图谱比对的第三离散度，以及获取所述第三靶向性生物标记与帕金森症人群的特征图谱比对的第三相似度；

所述第三特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

接收客户端传输的被测者的第四靶向性生物标记，将所述第四靶向性生物标记通过第四特征识别与分析系统处理，获取所述第四靶向性生物标记与健康人群的特征图谱比对的第四离散度，以及获取所述第四靶向性生物标记与帕金森症人群的特征图谱比对的第四相似度；

所述第四特征识别与分析系统中的健康人群的特征图谱、帕金森症人群的特征图谱均是预先建立的；

根据第一离散度、第一相似度、第二离散度、第二相似度、第三离散度、第三相似度、第四离散度和第四相似度的结果信息，向每一结果信息分配对应的权重系数，依据每一结果信息和该结果信息对应的权重系数，获取帕金森症的辅助诊断结果，输出所述帕金森症的辅助诊断结果；

其中，所述第一靶向性生物标记、第二靶向性生物标记、第三靶向性生物标记和第四靶向性生物标记均不相同，且均为用于判断所述帕金森症的人体生物学特征。