[发明专利]基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统

说明书

本发明公开一种基于语音深‑浅特征堆栈稀疏自动编码的精神病识别系统，包括：语音采集模块、处理器和结果输出模块，处理器中配置有特征提取模块、编码器模块、特征混合模块和分类判别器；语音采集模块获取受试者按预定任务朗读所形成的语音样本数据；特征提取模块提取语音样本数据中的浅层特征；编码器模块进行嵌入式深‑浅特征堆栈稀疏自动编并生成深层特征；特征混合模块用于融合浅层特征和深层特征；分类判别器对融合后的特征进行分类判别，得出判定结果。其效果是：通过改进的混合特征嵌入堆叠式自动编码器提取的深层特征与原始特征相结合，提高了学习质量，缓解了小样本问题，系统鲁棒性好，可靠性强，准确率高。

技术领域

本发明涉及智慧医疗技术，具体地说，是一种基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统。

背景技术

精神疾病又称精神病，指在各种生物学、心理学以及社会环境因素影响下，大脑功能失调，导致认知、情感、意志和行为等精神活动出现不同程度障碍为临床表现的疾病，多起病于青壮年。大部分患者在疾病过程中会出现认知功能的损害。精神疾病患者病程一般有间歇性，呈反复发作、加重或恶化，部分患者最终出现精神衰退和精神残疾。

研究表明，精神病患者大都伴有言语异常，语音障碍更是发生在精神病人早期的症状之一。随着病情加深，语音的韵律、清晰度、流畅性的问题逐渐出现。现在随着计算机技术、声学分析技术的日趋成熟，精神病患者发音特点也慢慢被人重视，基于语音病理特征利用机器学习技术进行精神病的无痛无损伤的客观辅助诊断成为了当前一大研究热点。

相较医疗图像、脑电信号等几种常用的精神疾病诊断方法而言，基于语音的精神疾病诊断方法操作过程更为简单便捷，非接触式，诊断的价格代价更小，无副作用。这种诊断方法逐渐得到人们关注。

但是现有的语音识别技术通常还存在一些不足，首先是语音特征提取方式都较为单一，忽略了数据之间的非线性复杂关系；大多只是在对原始特征和深层特征的判别结果进行了决策级别的融合，没有很好的进行特征级别的深浅层次融合；没有深度实现特征降维，以降低识别模型复杂度，提高泛化能力，所以不能很好的识别精神疾病语音异常。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统，该系统将原始特征嵌入到每个编码器的编码输出中，用微弱的分辨能力代替隐藏的表示，然后将这些混合特征融合到更高隐藏层的更抽象的特征表示中，用于最终的分类判别，从而实现了将原始特征融入到深度网络结构和训练中，保留特征有用信息，提高了输出的深度特征与原始特征的互补性，提高了系统的鲁棒性。

为达到上述目的，本发明所采用的具体技术方案如下：

一种基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统，其关键在于包括：语音采集模块、处理器和结果输出模块，所述处理器中配置有特征提取模块、编码器模块、特征混合模块和分类判别器；

所述语音采集模块用于获取受试者按预定任务朗读所形成的语音样本数据；

所述特征提取模块用于提取所述语音样本数据中的浅层特征；

所述编码器模块用于进行嵌入式深-浅特征堆栈稀疏自动编并生成深层特征；

所述特征混合模块用于融合所述特征提取模块提取的浅层特征和所述编码器模块生成的深层特征；

所述分类判别器用于对所述特征混合模块融合后的特征进行分类判别，得出受试者是否属于精神病的判定结果；

所述结果输出模块用于输出所述分类判别器的判定结果。

可选地，所述预定任务中包括了多段待采集的语音样本，每段待采集的语音样本是由预定的元音字母、预定的汉字、预定的词语和预定的短语随机组合而成，在所述处理器上还连接有引导提示模块，所述引导提示模块通过语音或文字的方式引导受试者按预定任务朗读。