1.2　现有问题

针对帕金森病构音障碍诊断的研究，虽然已有大量文献从不同角度对其进行了分析，但现阶段仍存在一些问题需要解决，主要包括如何基于语音提取更具针对性且丰富的特征，以及如何从形式结构角度获取更细致的特征。现有问题的具体分析如下。

由基于语音的帕金森病诊断研究现状可知，基于深度学习的帕金森病构音障碍诊断研究虽然在分类时得到了比传统声学特征更高的分类准确率，但是存在容易过拟合和可解释性差等不足。这些不足产生的原因在于：深度学习模型在训练时都需要大量的数据作为支撑，而现有数据集的数据量较少，对神经网络的适用性较低，容易出现过拟合的风险；深度学习模型通常包含大量参数和隐藏层，其复杂性导致中间的学习过程及较高层次的抽象特征难以用逻辑思维直观理解，从而导致基于深度学习特征的帕金森病构音障碍诊断的可解释性有待加强。从医学诊断的角度出发，高精度的分类准确率是必要的，但是如何解释病理原因和深度学习特征的对应关系对患者来说更为重要。因此，如何提取到更加有针对性、更细化、更具可解释性的语音特征是当前帕金森病构音障碍诊断所需要解决的重要问题之一。语谱图信息综合了时频域的特点，包含语音信号的大部分特征，故提取出语谱图中潜在的信息是提高帕金森病构音障碍诊断性能的有效途径。但是，基于深度学习的帕金森病构音障碍研究大多采用普通语谱图对网络进行训练，没有考虑不同时频域表示对于训练网络学习特征的影响。另外，采用迁移学习增强深度网络对于小规模数据量的适用性也需要被考虑。

近年来，随着形式结构分析的发展，学者们开始将形式概念分析引入医学领域，进行特征处理与可视化表示，并取得了初步的研究成果。属性拓扑是形式概念分析中的一种新型的表示方法，可以实现数据的降维和可视化表示。张涛等人提出了一种基于属性拓扑的因果关系方法来探究证候要素之间的因果关系，基于属性拓扑中的从属关系对包含属性的对象集之间的依赖关系进行分析与推理，并对证候要素之间潜在的因果关系进行分析与验证。张涛等人还提出了利用偏序拓扑图获取帕金森病声学测量特征的层次化概念树结构，并结合决策属性对概念树结构进行约简，根据约简概念树的偏序关系获得概念分类结构模型。结果表明，偏序拓扑图表示方法可以实现对帕金森病声学测量特征的层次化表示。虽然以上方法的精度有限，但为帕金森病的诊断分析提供了一种新的思路，即通过偏序拓扑图分析帕金森病与特征之间的关系，可实现从统计分析到形式结构分析的转换。因此，基于属性拓扑理论可将语音信号转换为拓扑结构，从而能够分析其结构特性、时频特性及语音变化的特征属性之间更深层次的内在联系，并且从语音时频域角度出发，分析其对应的能量特征及不同角度下的能量分布，可提取更多细节信息，从而有望进一步提升模型的预测性能。