基于人工智能的早期阿尔茨海默病诊断系统技术方案

本发明专利技术公开了一种基于人工智能的早期阿尔茨海默病诊断方法，获取文字朗读录音后通过ASR程序自动翻译成文本；然后将文本按照如下的NLP处理新算法判断用户是否患有AD。与传统NLP算法相比，新算法分别求取AD组和健康人组的特征集，对特征集进行集合运算，实现了特征的有效降维，不仅提高了模型的识别正确率，而且降低了算法对内存空间的需求，加快了运算速度。该方法可应用于电脑终端，也可以用于移动终端，用户只需要按照提示讲几分钟的话，无需专业医生的介入分析，机器通过人工智能就能给出用户是否患有AD的判断。该方法不对人体产生创伤，费用低廉，诊断速度快，简便易用，是一种对早期AD进行大规模筛选的有效技术手段。

【技术实现步骤摘要】
基于人工智能的早期阿尔茨海默病诊断系统
本专利技术属于人工智能领域，更具体的涉及一种基于人工智能的早期阿尔茨海默病诊断方法。
技术介绍
阿尔茨海默病(AD)是一种起病隐匿的进行性发展的神经系统退行性疾病。2017年，仅美国就有570万人患有该疾病，相关医疗费用支出高达2320亿美元。随着老龄化社会的到来，阿尔茨海默病的发病趋势呈现快速增长的态势。目前，尚无治疗阿尔茨海默病的特效药物。早发现，早干预，早治疗是诊治AD的唯一手段。诊断AD的医学手段有1、神经心理学测验(简易精神量表(MMSE))，2、神经影像学检查(CT、MRI、PET)3、脑脊液检测(β淀粉样蛋白、Tau蛋白检测)，4、基因检测(淀粉样蛋白前体蛋白基因、早老素1、2基因、载脂蛋白APOE4基因)。技术手段2、3、4不仅对人体有创伤，而且花费不菲，不适用于早期AD的普筛。技术手段1也存在需要专业医生介入评判的缺点。专利CN108200492A公开了一种语音控制优化方法、装置以及集成入耳式麦克风的耳机和穿戴设备，提供了一种语音控制优化方法、装置以及集成入耳式麦克风的耳机和穿戴设备，涉及智能穿戴设备技术领域。其中，语音控制优本文档来自技高网...

【技术保护点】
1.一种基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：获取文字朗读录音后通过ASR程序自动翻译成文本；然后将文本按照如下的NLP处理方法判断患者是否患有AD，具体为：步骤1、采集预设数量的学习样本，按照AD患者和健康人的标签分类成AD组和健康人组；步骤2、将文本中的词汇按照出现频率高低排序，对AD患者组抽取前n个高频词，构成集合A；对健康人组抽取前m个高频词，构成集合B；步骤3、C＝(A∪B)‑(A∩B)，按照上述公式得到新的集合C；步骤4、根据新集合C重新选择文本；步骤5、采用线性线性分类器，得到学习模型；步骤6、将学到的模型用于系统，判断用户是否患有AD。

【技术特征摘要】
1.一种基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：获取文字朗读录音后通过ASR程序自动翻译成文本；然后将文本按照如下的NLP处理方法判断患者是否患有AD，具体为：步骤1、采集预设数量的学习样本，按照AD患者和健康人的标签分类成AD组和健康人组；步骤2、将文本中的词汇按照出现频率高低排序，对AD患者组抽取前n个高频词，构成集合A；对健康人组抽取前m个高频词，构成集合B；步骤3、C＝(A∪B)-(A∩B)，按照上述公式得到新的集合C；步骤4、根据新集合C重新选择文本；步骤5、采用线性线性分类器，得到学习模型；步骤6、将学到的模型用于系统，判断用户是否患有AD。2.根据权利要求1所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：所述的步骤5中，线性分类时，将两个样本合并，并随机抽取n％做训练样本，剩余(100-n)％为测试样本。3.根据权利要求2所述的基于人工智能的早期阿尔茨海默病诊断方法，其特征在于：线性线性分类器包括支持向量机、朴素贝叶斯、决策树、随机森林对样本进行分类学习，得到学习模型。4....

【专利技术属性】
技术研发人员：吕岗，朱培逸，徐本连，鲁明丽，施健，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏,32