[发明专利]一种确定失语类型的方法及装置

说明书

本发明提供确定失语类型的方法及装置，方法包括：根据标准语音时序图像、所述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确定数据训练集；基于卷积神经网络及长短期记忆网络对数据训练集进行训练，确定出失语评分模型；接收所述当前失语者的语音视频，利用语音评测算法对当前失语者语音视频的语音进行评测，获取第一评分；利用失语评分模型对语音视频进行评测，获取第二评分；根据第一评分及第二评分确定当前失语者的失语类型；因失语评分模型是根据发音口型及发音音频进行确定的，利用失语评分模型确定出的第二评分的精度可以得到保证，因此可以准确地确定出失语者的失语类型，进而可以提供最适合的训练方案，提高训练效果。

技术领域

本发明属于失语者语言训练技术领域，尤其涉及一种确定失语类型的方法及装置。

背景技术

言语不是人类先天固有的机能，每个人言语的形成和发展主要是后天获得的。大部分失语人群，一旦丧失了言语功能，恢复起来相当困难，往往需要像婴幼儿学语一样从头开始。

现有技术中，治疗失语症一般是需要利用人工经验对发音进行评分，以能对失语程度进行评价，判断失语类型，再根据失语类型确定相应的训练方式。

现有技术虽然可以确定失语者的失语类型，但是人工判断的方式有很多误差，导致失语类型的精度确定不高，进而导致不能提供最合适的训练方案，影响训练效果。

发明内容

针对现有技术存在的问题，本发明实施例提供了一种确定失语类型的方法及装置，用于解决现有技术中利用人工在确定失语者的失语类型时，确定精度不高，导致不能提供给最合适的训练方案，降低训练效果的技术问题。

本发明提供一种确定失语类型的方法，所述方法包括：

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、所述失语者的专业评分以及所述失语者的语音评分，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；

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长短期网络(LSTM，Long ShortTermMemory)对所述数据训练集进行训练，确定出失语评分模型；

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；

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，包括：

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，提取所述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。

可选地，所述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，包括：

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；