本(ben)發明(ming)屬于智能醫療，具體涉及一(yi)種面向帕金森病的因果語音數字生物標志(zhi)物分析方法和裝置。

背景技術：

1、帕金森疾(ji)(ji)病(bing)(bing)的(de)(de)早(zao)期(qi)診斷(duan)(duan)的(de)(de)重要(yao)性不容忽視(shi)。首(shou)先，早(zao)期(qi)診斷(duan)(duan)能(neng)(neng)夠降低患者的(de)(de)痛(tong)苦，因為(wei)帕金森病(bing)(bing)在發(fa)病(bing)(bing)早(zao)期(qi)往往不易(yi)察覺，若病(bing)(bing)情發(fa)展(zhan)到(dao)晚(wan)期(qi)，可(ke)能(neng)(neng)引發(fa)多種并(bing)發(fa)癥(zheng)，如(ru)認知(zhi)障礙(ai)、抑郁癥(zheng)等，嚴重影(ying)響患者的(de)(de)日常(chang)生活和(he)工作能(neng)(neng)力。其次，早(zao)期(qi)診斷(duan)(duan)可(ke)以提(ti)高治(zhi)療效果(guo)，因為(wei)治(zhi)療方法(fa)的(de)(de)選(xuan)擇和(he)執行需要(yao)精確把(ba)握疾(ji)(ji)病(bing)(bing)的(de)(de)發(fa)展(zhan)階段和(he)特征(zheng)表現，早(zao)期(qi)診斷(duan)(duan)為(wei)治(zhi)療提(ti)供了重要(yao)參考。此外，早(zao)期(qi)診斷(duan)(duan)還可(ke)以減少醫療資(zi)源的(de)(de)浪費，避(bi)免不必要(yao)的(de)(de)診斷(duan)(duan)和(he)治(zhi)療工作。

2、現代醫(yi)療中(zhong)常(chang)用的早(zao)期診(zhen)斷手(shou)段包括醫(yi)學影(ying)像技(ji)術(shu)、實驗室檢(jian)(jian)測技(ji)術(shu)、分子診(zhen)斷技(ji)術(shu)等設計精密儀(yi)器或精密檢(jian)(jian)測的方(fang)法，盡管但是(shi)這些方(fang)法的檢(jian)(jian)測準確(que)度高，但是(shi)設備成本昂貴，且需要專業醫(yi)師或檢(jian)(jian)測人(ren)員的參與，人(ren)力(li)物(wu)力(li)成本都(dou)比較高。

3、針(zhen)對上述(shu)問題，公(gong)開號為cn118072946a的(de)(de)專利(li)文獻公(gong)開了一種用(yong)于(yu)評(ping)估帕(pa)(pa)金(jin)(jin)森腦(nao)(nao)(nao)鐵(tie)沉(chen)積位(wei)置的(de)(de)裝(zhuang)置、電(dian)子設(she)備(bei)和(he)存(cun)儲(chu)介質，包括：處(chu)理器(qi)；以(yi)(yi)及存(cun)儲(chu)器(qi)，其上存(cun)儲(chu)有(you)用(yong)于(yu)評(ping)估帕(pa)(pa)金(jin)(jin)森腦(nao)(nao)(nao)鐵(tie)沉(chen)積位(wei)置的(de)(de)計算(suan)機(ji)(ji)指(zhi)(zhi)令，當所(suo)(suo)述(shu)計算(suan)機(ji)(ji)指(zhi)(zhi)令由處(chu)理器(qi)執行時(shi)，使得所(suo)(suo)述(shu)裝(zhuang)置實(shi)現以(yi)(yi)下(xia)操作：獲取帕(pa)(pa)金(jin)(jin)森病患者和(he)正常被試的(de)(de)與評(ping)估帕(pa)(pa)金(jin)(jin)森腦(nao)(nao)(nao)鐵(tie)沉(chen)積順序(xu)有(you)關(guan)的(de)(de)目標(biao)(biao)(biao)數(shu)據(ju)(ju)，其中(zhong)所(suo)(suo)述(shu)目標(biao)(biao)(biao)數(shu)據(ju)(ju)包括多個指(zhi)(zhi)標(biao)(biao)(biao)，并且所(suo)(suo)述(shu)多個指(zhi)(zhi)標(biao)(biao)(biao)包括臨(lin)床指(zhi)(zhi)標(biao)(biao)(biao)和(he)目標(biao)(biao)(biao)腦(nao)(nao)(nao)區(qu)(qu)的(de)(de)定量磁化率成像(xiang)指(zhi)(zhi)標(biao)(biao)(biao)；基(ji)于(yu)所(suo)(suo)述(shu)目標(biao)(biao)(biao)數(shu)據(ju)(ju)構建表征所(suo)(suo)述(shu)臨(lin)床指(zhi)(zhi)標(biao)(biao)(biao)和(he)所(suo)(suo)述(shu)目標(biao)(biao)(biao)腦(nao)(nao)(nao)區(qu)(qu)之間的(de)(de)因(yin)果關(guan)系(xi)的(de)(de)因(yin)果關(guan)系(xi)圖(tu)(tu)；基(ji)于(yu)所(suo)(suo)述(shu)因(yin)果關(guan)系(xi)圖(tu)(tu)中(zhong)的(de)(de)關(guan)系(xi)鏈(lian)路確定腦(nao)(nao)(nao)鐵(tie)在所(suo)(suo)述(shu)目標(biao)(biao)(biao)腦(nao)(nao)(nao)區(qu)(qu)的(de)(de)沉(chen)積順序(xu)；以(yi)(yi)及根據(ju)(ju)腦(nao)(nao)(nao)鐵(tie)在所(suo)(suo)述(shu)目標(biao)(biao)(biao)腦(nao)(nao)(nao)區(qu)(qu)的(de)(de)沉(chen)積順序(xu)評(ping)估帕(pa)(pa)金(jin)(jin)森不同時(shi)期的(de)(de)腦(nao)(nao)(nao)鐵(tie)沉(chen)積位(wei)置。

4、該發明通(tong)過獲取與帕金(jin)森(sen)病相關的臨(lin)床指(zhi)(zhi)標(biao)和定(ding)量磁(ci)化率成(cheng)像(xiang)(qsm)指(zhi)(zhi)標(biao)，構建因果關系圖，從而評估帕金(jin)森(sen)不同時(shi)期的腦鐵沉(chen)積位置，但是(shi)，一(yi)方(fang)面，該發明采集的包括(kuo)臨(lin)床指(zhi)(zhi)標(biao)和定(ding)量磁(ci)化率成(cheng)像(xiang)指(zhi)(zhi)標(biao)的數(shu)據集具有明顯的復雜度，另一(yi)方(fang)面，由于(yu)腦鐵沉(chen)積的分析需要(yao)一(yi)定(ding)時(shi)長(chang)，導(dao)致該方(fang)案(an)并不能很好地適用于(yu)早期檢測。

5、公開號(hao)為cn117877534a的(de)(de)專利文獻公開了一(yi)種基于(yu)樣(yang)本擴充(chong)的(de)(de)帕(pa)金森病圖(tu)譜分類(lei)方(fang)法，包(bao)括：將(jiang)(jiang)原始的(de)(de)語音(yin)信(xin)號(hao)轉化為原始語譜圖(tu)；建(jian)立深(shen)度(du)卷(juan)積對(dui)抗(kang)(kang)生(sheng)成對(dui)抗(kang)(kang)網絡(luo)，并對(dui)深(shen)度(du)卷(juan)積對(dui)抗(kang)(kang)生(sheng)成對(dui)抗(kang)(kang)網絡(luo)進行(xing)訓練；將(jiang)(jiang)原始語譜圖(tu)輸入(ru)(ru)訓練后的(de)(de)深(shen)度(du)卷(juan)積對(dui)抗(kang)(kang)生(sheng)成對(dui)抗(kang)(kang)網絡(luo)，生(sheng)成擴充(chong)樣(yang)本；使(shi)用評價指標對(dui)擴充(chong)樣(yang)本進行(xing)評估，并挑選(xuan)出(chu)質量較高的(de)(de)語譜圖(tu)；將(jiang)(jiang)原始語譜圖(tu)與挑選(xuan)出(chu)來的(de)(de)語譜圖(tu)進行(xing)合并，輸入(ru)(ru)convnext模(mo)型進行(xing)圖(tu)譜分類(lei)。

6、該發明利用(yong)深度(du)卷積對(dui)抗(kang)生成(cheng)對(dui)抗(kang)網絡(dcgan)和(he)自注(zhu)意(yi)力機制，生成(cheng)擴充的語(yu)譜(pu)圖樣本，以解(jie)決在帕金森疾病檢測(ce)中(zhong)數(shu)據不足的問題，但是，由于帕金森疾病的復雜性，通過(guo)dcgan生成(cheng)的數(shu)據難以較為(wei)全面地反(fan)映(ying)真實語(yu)音信(xin)號中(zhong)包含的特征，從而導致帕金森疾病檢測(ce)精度(du)不足。

技術實現思路

1、本發明的(de)(de)目的(de)(de)是提(ti)供一種(zhong)面向帕(pa)金森病(bing)的(de)(de)因(yin)果(guo)語(yu)音(yin)數(shu)字生物標志物分析方法和裝(zhuang)置，設計(ji)一種(zhong)用于(yu)描述語(yu)音(yin)特征(zheng)(zheng)與帕(pa)金森疾病(bing)之間因(yin)果(guo)關系(xi)的(de)(de)語(yu)音(yin)因(yin)果(guo)發現算法，使得能(neng)夠根據(ju)語(yu)音(yin)數(shu)據(ju)中包含的(de)(de)語(yu)音(yin)特征(zheng)(zheng)，發現早期帕(pa)金森疾病(bing)跡象。

2、為(wei)實現上(shang)述發明目的(de)，本發明提供的(de)技術方(fang)案如下：

3、第一方面，本(ben)發明實(shi)施例提供(gong)的(de)(de)一種面向(xiang)帕金森病的(de)(de)因果語音數(shu)字生物(wu)標(biao)志物(wu)分析方法，包(bao)括以下(xia)步驟：

4、步(bu)驟1：利用(yong)語音(yin)采集系統(tong)采集帕金森(sen)病患者和健康人群的語音(yin)數據(ju)并(bing)進(jin)行數據(ju)預處理(li)，得到語音(yin)數字生物(wu)標志物(wu)；

5、步驟(zou)2：對語(yu)音數(shu)字生(sheng)物標志物進行經驗(yan)模態(tai)分(fen)解，得到若干(gan)本(ben)征(zheng)模函數(shu)，采用自注意力機(ji)制從所(suo)述(shu)若干(gan)本(ben)征(zheng)模函數(shu)中抽取若干(gan)語(yu)音特征(zheng)；

6、步驟3：利用語音迭代(dai)因(yin)(yin)果(guo)發現算法，建立(li)(li)語音特征和(he)(he)帕金(jin)森(sen)病(bing)之間的初(chu)步因(yin)(yin)果(guo)圖(tu)，引入用于調整語音特征之間關聯度的權(quan)衡因(yin)(yin)子，根(gen)據權(quan)衡因(yin)(yin)子和(he)(he)語音特征之間的條件獨立(li)(li)性測(ce)試結果(guo)，對初(chu)步因(yin)(yin)果(guo)圖(tu)進(jin)行更新，得(de)到更新后因(yin)(yin)果(guo)圖(tu)；

7、步驟4：找到更(geng)新后(hou)因果圖中語音特征之間(jian)的等價類，根據(ju)所(suo)述等價類將更(geng)新后(hou)因果圖恢復為最終(zhong)因果圖，并進行可信度驗證(zheng)；

8、步驟5：實際檢測(ce)時(shi)，根據最終因果圖中語(yu)音(yin)特(te)征(zheng)和輸入語(yu)音(yin)信號(hao)中語(yu)音(yin)特(te)征(zheng)的相(xiang)似度，當相(xiang)似度高于(yu)預設閾(yu)值時(shi)判斷語(yu)音(yin)信號(hao)是否來(lai)自(zi)帕金森病患者。

9、進(jin)一步(bu)的，步(bu)驟1中，所述的語(yu)音采(cai)集(ji)系(xi)統(tong)，包(bao)括用于信號采(cai)集(ji)的天(tian)線模(mo)塊，用于信號放大、濾波和下變頻(pin)的射頻(pin)模(mo)塊以及(ji)用于數據(ju)接口(kou)模(mo)塊配置的基帶處理模(mo)塊。

10、進一步的(de)(de)，步驟(zou)1中，所述(shu)的(de)(de)數據(ju)預處理，包括：

11、基(ji)于譜減法對語(yu)音數字生(sheng)物標志物進(jin)行降(jiang)噪(zao)，以消除背景噪(zao)聲；

12、對(dui)(dui)語(yu)音數字生物標志物進行音量和頻譜的標準(zhun)化(hua)，以對(dui)(dui)語(yu)音數據進行歸一化(hua)；

13、對不同長度(du)的語音數字生物標志(zhi)物進行(xing)時間對齊，以保證從(cong)語音數字生物標志(zhi)物中提取的語音特征間的時序(xu)性(xing)具(ju)有可比性(xing)。

14、進(jin)一步的，步驟2中(zhong)，所述(shu)的本征模(mo)函(han)數(shu)中(zhong)包含(han)語音(yin)(yin)數(shu)字生(sheng)物(wu)標(biao)志(zhi)物(wu)的頻(pin)率信息和時序特(te)征。通過(guo)經驗模(mo)態(tai)分解從語音(yin)(yin)數(shu)字生(sheng)物(wu)標(biao)注物(wu)中(zhong)提取包含(han)多(duo)種語音(yin)(yin)特(te)征的本征模(mo)函(han)數(shu)，方便后續利用自注意(yi)力機制從多(duo)種語音(yin)(yin)特(te)征中(zhong)篩(shai)選與帕金森病(bing)相關性強的語音(yin)(yin)特(te)征，確保語音(yin)(yin)特(te)征的完(wan)備性。

15、進一(yi)步(bu)的(de)，步(bu)驟(zou)2中，抽取到的(de)語(yu)(yu)音特(te)征包(bao)括：音頻信(xin)號波形(xing)、頻譜特(te)征、梅爾頻率倒(dao)譜系數(shu)、音調(diao)和(he)語(yu)(yu)速、語(yu)(yu)音能(neng)量(liang)、過零率、時(shi)域特(te)征和(he)語(yu)(yu)音分段特(te)征；并將所有(you)提取得到的(de)語(yu)(yu)音特(te)征抽象為時(shi)序(xu)(xu)(xu)節(jie)點(dian)。將語(yu)(yu)音特(te)征抽象為時(shi)序(xu)(xu)(xu)節(jie)點(dian)，構(gou)建因(yin)果圖(tu)時(shi)，由前(qian)一(yi)個時(shi)序(xu)(xu)(xu)節(jie)點(dian)指向(xiang)后一(yi)個時(shi)序(xu)(xu)(xu)節(jie)點(dian)，得到初步(bu)因(yin)果圖(tu)。

16、進一步的，步驟(zou)3中，所述的根(gen)據權衡因子和語音(yin)特征之間的條件獨立性測試結果(guo)，對初步因果(guo)圖進行更新(xin)，得(de)到更新(xin)后因果(guo)圖，具體為：

17、每(mei)次迭代時(shi)，利用權衡因子對條件(jian)獨立性測試(shi)結果進行加(jia)權，得到(dao)更新后的邊集，用公(gong)式(shi)表示為：

18、eupdated＝einitial+α×ci?testresults

19、其中，eupdated表(biao)示(shi)(shi)更(geng)新后的邊集，einitial表(biao)示(shi)(shi)初始(shi)因(yin)果圖的邊集，α表(biao)示(shi)(shi)權(quan)衡因(yin)子，ci?testresults表(biao)示(shi)(shi)時序節點間(jian)的條件獨立性(xing)測試結(jie)果；

20、根據更(geng)新后的(de)邊(bian)集(ji)重新構建時序節點之間的(de)因果圖(tu)，得到更(geng)新后因果圖(tu)。

21、進一步的，步驟4中，根據所述(shu)等價類將更新后因果圖恢復為最(zui)終因果圖，具體為：

22、對更新后因果(guo)圖中的(de)時序節點進行條件獨立性測試(shi)，找到時序節點中的(de)等(deng)價類(lei)；

23、根據所述等價(jia)類，對(dui)更新后因(yin)果(guo)圖(tu)的(de)邊集進行更新，得到最(zui)終(zhong)邊集，根據最(zui)終(zhong)邊集以及(ji)所有的(de)時序節點繪制(zhi)得到最(zui)終(zhong)因(yin)果(guo)圖(tu)。

24、作為優(you)選，根(gen)據(ju)專家經驗(yan)，對最終因果圖(tu)進行可信度(du)驗(yan)證，具體為：

25、統計最終(zhong)因(yin)果圖中時序節點間的總連(lian)邊數，記為(wei)total?relationships；

26、根據專家經驗，判斷時序節點間(jian)連邊的(de)準確性，統計正確連邊的(de)連邊數，記為correct?relationships；

27、通過正確(que)連(lian)邊(bian)的連(lian)邊(bian)數與總連(lian)邊(bian)數的比值(zhi)，作為最終因果圖(tu)的可信度，用公式(shi)表示(shi)為：

28、

29、其(qi)中，confidence表示(shi)可(ke)信度。

30、第二方面，為實(shi)(shi)現上(shang)述發明目的，本發明實(shi)(shi)施例還提供了一(yi)種面向(xiang)帕金(jin)森病的因(yin)(yin)果語音(yin)數(shu)字(zi)生物(wu)標志物(wu)分析裝(zhuang)置，包括(kuo)數(shu)據(ju)采集模(mo)塊、特征提取模(mo)塊、初步因(yin)(yin)果圖(tu)構建(jian)模(mo)塊、最(zui)終因(yin)(yin)果圖(tu)恢復模(mo)塊、實(shi)(shi)際應(ying)用模(mo)塊；

31、所述數(shu)據采(cai)集(ji)模塊用于利用語音采(cai)集(ji)系統采(cai)集(ji)帕金森病患者和(he)健康人群的(de)語音數(shu)據并進(jin)行數(shu)據預處理，得到語音數(shu)字(zi)生物標(biao)志(zhi)物；

32、所述(shu)特征(zheng)提取模(mo)(mo)塊用(yong)于對語音數字生物標(biao)志物進行經(jing)驗模(mo)(mo)態(tai)分解，得(de)到若干(gan)(gan)本(ben)征(zheng)模(mo)(mo)函數，采用(yong)自(zi)注意力機(ji)制從(cong)所述(shu)若干(gan)(gan)本(ben)征(zheng)模(mo)(mo)函數中抽取若干(gan)(gan)語音特征(zheng)；

33、所述初(chu)步(bu)因(yin)果圖(tu)構(gou)建模塊用于利(li)用語音迭代因(yin)果發現(xian)算(suan)法，建立語音特征和帕金森病之間的初(chu)步(bu)因(yin)果圖(tu)，引入用于調整語音特征之間關(guan)聯度的權(quan)衡因(yin)子，根據權(quan)衡因(yin)子和語音特征之間的條件獨立性(xing)測試結果，對初(chu)步(bu)因(yin)果圖(tu)進行更新，得到更新后因(yin)果圖(tu)；

34、所(suo)述(shu)最終(zhong)因果(guo)(guo)圖(tu)恢(hui)復(fu)模塊(kuai)用于找(zhao)到更新(xin)后因果(guo)(guo)圖(tu)中(zhong)語音(yin)特征之間的(de)等價類(lei)，根(gen)據所(suo)述(shu)等價類(lei)將更新(xin)后因果(guo)(guo)圖(tu)恢(hui)復(fu)為最終(zhong)因果(guo)(guo)圖(tu)；

35、所述(shu)實際應(ying)用模塊用于實際檢測時(shi)，根據最終因果圖中語(yu)音(yin)特征(zheng)和輸入語(yu)音(yin)信(xin)號中語(yu)音(yin)特征(zheng)的相似度，當相似度高于預設(she)閾(yu)值時(shi)判(pan)斷語(yu)音(yin)信(xin)號是否來(lai)自帕金森病患者。

36、第三方面，為(wei)實(shi)現上(shang)述(shu)發明目的(de)(de)，本發明實(shi)施例還提供(gong)了一(yi)種面向帕金(jin)森(sen)(sen)病的(de)(de)因果語音(yin)數字生物(wu)標志(zhi)(zhi)物(wu)分(fen)析設(she)備(bei)，包括存儲器和處理器，所述(shu)存儲器用于存儲計算(suan)機程序，所述(shu)處理器用于當執行所述(shu)計算(suan)機程序時，實(shi)現第一(yi)方面本發明實(shi)施例提供(gong)的(de)(de)面向帕金(jin)森(sen)(sen)病的(de)(de)因果語音(yin)數字生物(wu)標志(zhi)(zhi)物(wu)分(fen)析方法。

37、第(di)四方(fang)面，為實(shi)現(xian)上述(shu)(shu)發(fa)明目的(de)，本(ben)發(fa)明實(shi)施例還提供了(le)一種計算(suan)(suan)機(ji)(ji)可(ke)讀的(de)存儲介質(zhi)，所述(shu)(shu)存儲介質(zhi)上存儲有(you)計算(suan)(suan)機(ji)(ji)程序，所述(shu)(shu)計算(suan)(suan)機(ji)(ji)程序使用計算(suan)(suan)機(ji)(ji)時(shi)，實(shi)現(xian)第(di)一方(fang)面本(ben)發(fa)明實(shi)施例提供的(de)面向帕金森(sen)病的(de)因(yin)果語(yu)音數字生物標志物分(fen)析方(fang)法。

38、本(ben)發明的(de)有益效果(guo)如下：

39、(1)本發明(ming)通(tong)過采集(ji)(ji)語(yu)音(yin)數(shu)據(ju)，根據(ju)語(yu)音(yin)數(shu)據(ju)中的語(yu)音(yin)特征發現潛在(zai)的早期帕金森疾病(bing)跡象，語(yu)音(yin)數(shu)據(ju)采集(ji)(ji)簡單、非侵入(ru)且快(kuai)速，而且無需復雜的設備和長時間的等待(dai)，易于普(pu)及。

40、(2)本發(fa)明(ming)利用經驗(yan)模態(tai)分解從語(yu)(yu)音(yin)數據(ju)中(zhong)分解出一(yi)系(xi)列(lie)包含語(yu)(yu)音(yin)頻率及時序(xu)特征的本征模函(han)數，再利用自注(zhu)意(yi)力機(ji)制從本征模函(han)數中(zhong)篩選出與帕金森病(bing)相關性(xing)強的語(yu)(yu)音(yin)特征，確(que)保語(yu)(yu)音(yin)數據(ju)中(zhong)提取到的語(yu)(yu)音(yin)特征的準確(que)性(xing)和完(wan)備性(xing)。

41、(3)本發明(ming)針(zhen)對提取到的語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)特(te)(te)征(zheng)和(he)帕金(jin)森(sen)疾(ji)病(bing)跡象之間(jian)的因(yin)果(guo)(guo)關系，設計一種(zhong)專(zhuan)門用于(yu)語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)數據分析(xi)的語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)迭代因(yin)果(guo)(guo)發現(xian)算法(fa)(fa)，并(bing)根(gen)據語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)迭代因(yin)果(guo)(guo)發現(xian)算法(fa)(fa)構(gou)建(jian)了語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)特(te)(te)征(zheng)和(he)帕金(jin)森(sen)疾(ji)病(bing)之間(jian)的因(yin)果(guo)(guo)圖，通(tong)過因(yin)果(guo)(guo)圖能夠清(qing)晰(xi)明(ming)了地(di)揭示語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)特(te)(te)征(zheng)到帕金(jin)森(sen)疾(ji)病(bing)的對應關系，且由于(yu)語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)數據中往往包含與帕金(jin)森(sen)早(zao)(zao)期(qi)階段相(xiang)關的特(te)(te)征(zheng)，因(yin)此，通(tong)過本發明(ming)構(gou)建(jian)的語(yu)(yu)(yu)(yu)音(yin)(yin)(yin)特(te)(te)征(zheng)和(he)帕金(jin)森(sen)疾(ji)病(bing)跡象間(jian)的因(yin)果(guo)(guo)圖，有助于(yu)更早(zao)(zao)地(di)發現(xian)早(zao)(zao)期(qi)帕金(jin)森(sen)疾(ji)病(bing)。

42、(4)本(ben)發明構(gou)建(jian)了一個包括(kuo)語(yu)音信號采集、特征分(fen)解與提(ti)取以及因果圖構(gou)建(jian)的完備的因果語(yu)音數字生(sheng)物標(biao)志物分(fen)析(xi)裝置(zhi)，能夠提(ti)供標(biao)準化的帕金森疾病早期檢測，且可擴展性強，能夠兼容不同的醫療設(she)備，易于推廣(guang)。