雙相障礙-躁狂發(fā)作患者語音信號特征的臨床研究.pdf

1、目的：雙相障礙早期識別、診斷及治療療效缺乏客觀生物學指標，而其語音隨著病情的變化有明顯的波動，本文探討雙相障礙-躁狂發(fā)作患者語音特征參數(shù)與健康人的差異及其與臨床癥狀的關系。
　　方法：運用自主研發(fā)的語音自動采集系統(tǒng)手機采集30例雙相障礙-躁狂發(fā)作患者（躁狂狀態(tài)及正常狀態(tài)）和30例健康人的自然通話語音，提取語音特征參數(shù)，同時采用 Bech-Rafaelsen躁狂量表（Bech-Rafaelsen Mania Rating Scale

2、，BRMS）、臨床療效總評量表（Clinical Global Impression，CGI）前后2次評估患者病情，比較組內與組間的語音特征差異及其與臨床癥狀的關系。
　　結果：（1）比較躁狂發(fā)作患者和健康對照語音特征發(fā)現(xiàn)，躁狂發(fā)作患者的第一共振峰（F1）（p=0.000）、第二共振峰（F2）（p=0.036）、線性預測系數(shù)（Linear Prediction Coefficient，LPC）（p=0.000）明顯高于正常對照。且

3、BRMS總分與LPC呈正相關（r=0.398;p=0.040）。（2）在雙相障礙患者組中不同疾病狀態(tài)比較發(fā)現(xiàn)，語音特征的第四共振峰（F4）（p=0.003）、共振峰帶寬（p=0.040）、共振峰幅度（p=0.004）及LPC（p=0.001）在躁狂狀態(tài)與正常狀態(tài)有顯著差異。其中F4、共振峰幅度及LPC在躁狂狀態(tài)均高于正常狀態(tài)；共振峰帶寬在躁狂狀態(tài)低于正常狀態(tài)。（3）LPC對單個病人分類比達到4.86，明顯高于共振峰及美爾頻率倒譜系數(shù)（M

4、el Frequency CepstrumCoefficient，MFCC）。（4）在多個語音特征模型研究中發(fā)現(xiàn)，支持向量機（Support Vector Machine，SVM）分類器對單個患者的識別率達到90％，對多個患者識別率較低（50%），高斯混合模型（Gaussian Mixture Model，GMM）在多人分類識別中識別率高于SVM，可達到72%。
　　結論：（1）雙相障礙患者在躁狂發(fā)作時，其語音特征F1、F2、LP

5、C明顯高于健康對照，表明 F1、F2、LPC語音變量對早期識別躁狂發(fā)作有一定的價值。（2）LPC與臨床癥狀呈正相關，提示LPC很可能成為預警雙相障礙躁狂發(fā)作期、病情嚴重程度及治療效果的客觀生物學指標。（3）患者自身對照研究發(fā)現(xiàn)，躁狂發(fā)作狀態(tài)時，F(xiàn)4、共振峰幅度、LPC均高于正常狀態(tài)，共振峰帶寬低于正常狀態(tài)，提示單個語音特征也可以在一定程度反映躁狂狀態(tài)變化。（4）語音特征模型支持向量機（SVM）對單個躁狂患者語音識別度較高，高斯混合模型（