[发明专利]一种确定失语类型的方法及装置有效

专利信息
申请号: 201911325531.7 申请日: 2019-12-20
公开(公告)号: CN111179919B 公开(公告)日: 2022-11-04
发明(设计)人: 薛志东;彭朋;唐静;区士颀;薛森原 申请(专利权)人: 华中科技大学鄂州工业技术研究院;华中科技大学
主分类号: G10L15/10 分类号: G10L15/10;G10L15/06;G10L15/24;G10L25/60;G10L25/66;A61B5/00;G16H20/30
代理公司: 北京众达德权知识产权代理有限公司 11570 代理人: 姚萱萱
地址: 436044 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 确定 失语 类型 方法 装置
【权利要求书】:

1.一种确定失语类型的装置,其特征在于,所述装置包括:

获取单元,用于针对目标词语,预先获取标准语音时序图像、失语者语音时序图像、失语者的专业评分以及失语者的语音评分,所述语音评分是利用语音评测算法确定的,所述专业评分是根据专业人员确定的,所述失语者包括多个;

训练单元,根据所述标准语音时序图像、所述失语者语音时序图像、所述失语者的专业评分以及所述失语者的语音评分确定数据训练集;

基于卷积神经网络及长短期记忆网络对所述数据训练集进行训练,确定出失语评分模型;

评测单元,用于当需要对当前失语者确定失语类型时,接收所述当前失语者的语音视频,利用所述语音评测算法对所述当前失语者的语音视频的语音进行评测,获取第一评分;

利用所述失语评分模型对所述语音视频进行评测,获取第二评分;

确定单元,用于根据所述第一评分及所述第二评分确定所述当前失语者的失语类型;其中,所述训练单元具体用于:

利用所述卷积神经网络对所述标准语音时序图像的各单帧图像进行卷积和池化处理,提取所述标准语音时序图像的第一口型特征;

利用所述卷积神经网络对所述失语者语音时序图像的各单帧图像进行卷积和池化处理,提取多个失者语音时序图像的第二口型特征;

利用所述长短期记忆网络对所述第一口型特征及所述第二口型特征进行训练,确定出口型相似度特征;

基于所述口型相似度特征及所述失语者的语音评分确定所述失语评分模型。

2.如权利要求1所述的装置,其特征在于,所述确定单元具体用于:

若所述第一评分低于所述第二评分A分时,确定所述当前失语者的失语类型为失语者喉咙有损伤;

若所述第一评分高于所述第二评分A分时,确定所述当前失语者的失语类型为嘴部肌肉损伤或舌头肌肉损伤;

若所述第一评分与所述第二评分相差B分时,确定所述当前失语者的失语类型为大脑语言功能损伤;其中,所述A大于20,所述B小于或等于20。

3.如权利要求1所述的装置,其特征在于,所述装置还包括:推送单元,用于根据所述第一评分及所述第二评分确定所述当前失语者的失语类型后,根据所述失语类型推送适配的语音训练模式。

4.如权利要求1所述的装置,其特征在于,所述获取单元还用于:

采集所述失语者的音频,根据所述音频中的词语建立语音识别库;

当需要辨别当前失语者音频的词语时,提取当前失语者音频数据,并对所述音频数据进行滤波除杂;

提取滤波除杂后的音频数据中的音频时域特征,根据所述音频时域特征确定浊音、清音、声母及韵母;

基于确定出的浊音、清音、声母及韵母截取所述滤波除杂后的音频数据的有效音频数据;

所述确定单元还用于:确定所述有效音频数据与所述语音识别库中各词语对应的音频数据之间的相似度,输出相似度最高的词语。

5.如权利要求2所述的装置,其特征在于,所述确定单元还用于:

计算有效音频数据与所述语音识别库中各词语对应的音频数据之间的余弦距离;

根据所述余弦距离确定对应的相似度,所述余弦距离与相似度成反比。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学鄂州工业技术研究院;华中科技大学,未经华中科技大学鄂州工业技术研究院;华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911325531.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top