[發明專利]基于語音信號分析的阿爾茨海默癥狀診斷設備

在審

• 申請號: 202110764060.0
• 申請日: 2021-07-06
• 公開（公告）號: CN113440107A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 應仰威;周泓;彭國平
• 申請（專利權）人: 浙江大學;浙江大學醫學院附屬第一醫院
• 主分類號: A61B5/00
• 分類號: A61B5/00;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 張解翠

1.一種基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，包含：

獲取模塊，用于獲取若干阿爾茨海默病患者和健康人群的語音信號數據；

預處理模塊，用于對所述語音信號數據進行預處理；

訓練模塊，通過預處理后的所述語音信號對搭建好的非監督深度學習網絡模型進行訓練獲取特征矩陣；

預測模塊，通過搭建的判別器網絡模型基于所述訓練模塊獲取的特征矩陣診斷分析其是否為阿爾茨海默病患者；

采集模塊，采集待識別的測試者的測試語音信號；

所述預處理模塊還對所述測試語音信號進行預處理；

所述預處理模塊將預處理后的所述測試語音信號輸入至訓練好的所述非監督深度學習網絡模型中進行分析提取特征，通過所述預測模塊的判別器網絡模型輸出分類結果。

2.根據權利要求1所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述預處理模塊包括：

歸一化單元，用于將所述語音信號數據進行歸一化處理；

分割單元，用于將所述語音信號數據按照一定時間周期進行分割得到子片段；

提取單元，用于提取分割后的每一段所述子段的梅爾頻譜；

對數單元，用于對提取到的所述梅爾頻譜取對數得到對數梅爾頻譜。

3.根據權利要求2所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述預處理模塊還包括：

規范化單元，用于對所述對數單元計算得到的所述對數梅爾頻譜進行零-均值規范化處理。

4.根據權利要求2所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述歸一化單元在對所述語音信號數據進行歸一化處理中，

所述歸一化處理具體為最小-最大歸一化處理。

5.根據權利要求2所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述分割單元在將所述語音信號數據按照一定時間周期進行分割的具體方法為：

將所述語音信號數據按照0.5s為周期進行分割，不足0.5s的語音片段進行舍去。

6.根據權利要求2所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述提取單元提取分割后的每一段所述子片段的梅爾頻譜的具體方法為：

提取每一段所述子片段的梅爾頻譜，采樣率為16kHZ，做512點快速傅里葉變換，每次移動64點，并將所述梅爾頻譜映射為128道梅爾刻度。

7.根據權利要求1所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述訓練模塊通過預處理后的所述語音信號對搭建好的非監督深度學習網絡模型進行訓練中，

模型訓練時設置學習率為0.0001，優化算法為Adam算法，loss函數采用均方差，激活函數采用Relu。

8.根據權利要求1所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述非監督深度學習網絡模型為自編碼深度學習模型。

9.根據權利要求1所述的基于語音信號分析的阿爾茨海默癥狀診斷設備，其特征在于，

所述獲取模塊獲取若干阿爾茨海默病患者和健康人群的語音信號數據的具體方法為：

獲取ADReSSo公開數據庫中的87位阿爾茲海默病患者和79位健康人群的正常敘述的語音作為所述語音信號數據。