多模態(tài)信息融合的阿爾茨海默病智能輔助診斷方法研究

第1章　緒 論 001
1.1 研究背景 001
1.1.1 流行病學研究 002
1.1.2 臨床表現(xiàn) 002
1.1.3 精神行為和神經(jīng)系統(tǒng)癥狀 004
1.1.4 實驗室及輔助檢查 005
1.1.5 診斷與鑒別診斷 007
1.2 研究意義 008
1.3 選題依據(jù) 009
1.4 研究內(nèi)容 010
1.5 研究思路 011
1.6 文章的組織結(jié)構(gòu) 013
第2章　國內(nèi)外研究現(xiàn)狀 015
2.1 阿爾茨海默病臨床診斷方法 015
2.2 波士頓診斷性失語檢測 016
2.2.1 語言功能語料庫 017
2.2.2 語料庫文本標注 018
2.3 基于語言學的阿爾茨海默患者工智能輔助診斷 018
2.3.1 語音信號特征分析 020
2.3.2 文本信息特征分析 022
2.3.3 基于深度學習的輔助診斷 026
2.3.4 結(jié)合知識的深度學習輔助診斷 028
2.3.5 目前研究存在的問題 028
2.4 小結(jié) 029
第3章　基于“治未病”思想的阿爾茨海默病輔助診斷與健康管理 030
3.1 基于“治未病”思想的阿爾茨海默病早期診斷 030
3.2 基于語言表達的阿爾茨海默病認知功能障礙研究 032
3.3 基于智能輔助診斷的阿爾茨海默病健康管理方法 033
3.4 中醫(yī)“治未病”健康管理解決方案 035
3.5 小結(jié) 036
第4章　基于語音和文本特征的阿爾茨海默病智能輔助診斷模型 037
4.1 研究背景 037
4.2 資料與方法 039
4.2.1 研究設計 039
4.2.2 觀察對象 039
4.2.3 實驗分組  039
4.2.4 數(shù)據(jù)清洗與預處理  039
4.2.5 實驗過程 040
4.3 特征提取 040
4.3.1 語音學特征提取 041
4.3.2 文本特征探索 043
4.3.3 特征提取 047
4.3.4 特征降維 047
4.4 模型構(gòu)建 048
4.5 實驗結(jié)果與討論 051
4.5.1 實驗結(jié)果 051
4.5.2 模型可解釋性實驗 053
4.5.3 結(jié)果討論 054
4.6 小結(jié) 055
第5章　阿爾茨海默病智能輔助診斷的小樣本遷移學習 057
5.1 研究背景 057
5.2 遷移學習 058
5.3 相關(guān)工作 059
5.4 遷移學習模型 061
5.4.1 數(shù)據(jù)集 061
5.4.2 模型結(jié)構(gòu) 062
5.4.3 網(wǎng)格搜索（Grid Search）策略 063
5.5 實驗結(jié)果與討論 063
5.5.1 實驗設置 063
5.5.2 實驗結(jié)果 064
5.5.3 討論 065
5.6 未來展望 066
5.7 小結(jié) 067
第6章　阿爾茨海默病智能輔助診斷的可解釋性學習 068
6.1 引言 068
6.2 可解釋的阿爾茨海默病的診治 069
6.3 相關(guān)工作 070
6.4 模型構(gòu)建 070
6.4.1 建模數(shù)據(jù)集 070
6.4.2 建模分析 071
6.4.3 文本相似度計算 072
6.5 實驗結(jié)果與討論 073
6.5.1 模型效能評價 073
6.5.2 模型對比評價 074
6.6 模型的可解釋性 074
6.7 小結(jié) 077
第7章　使用多模態(tài)特征診斷輕度認知障礙和阿爾茨海默病 078
7.1 背景 078
7.2 數(shù)據(jù)預處理 079
7.3 特征抽取方法 080
7.3.1　語音學特征 081
7.3.2　人口統(tǒng)計學特征 081
7.3.3　語言學特征 082
7.4　分類器 083
7.5　不同分類特征下的性能 083
7.6　結(jié)論 086
第8章　基于特征凈化網(wǎng)絡的阿爾茨海默病檢測的改進 087
8.1 相關(guān)研究 088
8.2 數(shù)據(jù)采集與預處理 090
8.3 特征凈化網(wǎng)絡模型GP-Net 090
8.3.1 詞嵌入 091
8.3.2 G-Net模塊提取共同特征 092
8.3.3 利用P-Net模型計算凈化特征 092
8.3.4 實驗參數(shù)及結(jié)果 093
8.4 討論 095
8.5 結(jié)論 096
第9章　基于上下文注意力特征的阿爾茨海默病隱式情感分析 097
9.1　背景 097
9.2　基于聲學及其轉(zhuǎn)錄文本的AD智能診斷 100
9.3　注意力網(wǎng)絡 102
9.3.1　基于GRU的網(wǎng)絡架構(gòu) 102
9.3.2　Word編碼器 103
9.3.3　詞注意力 103
9.3.4　句子編碼器 103
9.3.5　句子注意力 104
9.3.6　文檔分類 104
9.4　實驗 104
9.4.1　Pitt語料庫 104
9.4.2　模型配置和結(jié)構(gòu) 105
9.4.3　結(jié)果和分析 105
9.5　基于注意力網(wǎng)絡的消融研究 107
9.6　注意特征的可視化 107
9.7　結(jié)論 108
第10章　基于“波士頓失語癥檢測”的臨床小樣本實證分析 110
10.1　實驗內(nèi)容  110
10.2　數(shù)據(jù)采集及預處理 110
10.2.1　研究對象 111
10.2.2　癡呆嚴重程度分級 111
10.2.3　統(tǒng)計學分析 112
10.2.4　特征提取 112
10.2.5　分類結(jié)果 112
10.3　小結(jié) 114
第11章　總結(jié)與展望 116
11.1 人工智能未來發(fā)展趨勢分析 116
11.2 深度學習原理 120
11.3 結(jié)論 121
11.4 研究的不足之處 122
11.5 今后研究的建議 123
11.6 工作展望 123
參考文獻 125
重要名詞縮寫 143