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。
4.一种基于人工智能的早期阿尔茨海默病诊断系统,其特征在于:包括朗读文字获取模块,获取文字朗读录音后通过人工智能ASR程序自动翻译成文本;
NLP判断AD模块,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: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;
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;
C=(A∪B)-(A∩B),按照上述公式得到新的集合C;
根据新集合C重新选择文本;
采用线性线性分类器,得到学习模型;
将学到的模型用于测试,给出用户是否患有AD的判断。
5.根据权利要求4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:采用线性线性分类器进行线性分类时,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。
6.根据权利要求4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。