[发明专利]基于语音上下文动态特征的帕金森病检测方法

说明书

本发明公开了一种基于语音上下文动态特征的帕金森病检测方法，包括以下步骤:语音样本采集；语音信号预处理；语音特征的提取；建立语音检测模型；结合语音特征建立帕金森语音检测模型；利用帕金森语音检测模型对帕金森病的快速检测，针对现有的基于语音的帕金森预测技术中的特征过少、只采用静态特征、人为特征工程等问题导致的预测精度不高、系统的可用性不好的问题，本申请提供了一种基于语音上下文动态特征的帕金森病检测方法，通过利用双向长短时记忆循环神经网络建立帕金森语音检测模型，从而快速研判帕金森病。

技术领域

本发明涉及信号处理和模式识别技术领域的一种方法，更确切地说，本发明涉及一种基于语音上下文动态特征的帕金森病检测方法。

背景技术

帕金森病(Parkinson disease,PD)是一种常见的神经退行性疾病，严重影响人类的健康。随着人口老龄化的加剧，帕金森病患者越来越多，并且有年轻化的趋势，帕金森病诊治形势日益严峻。随着时间的发展，该病症状越来越严重，并且不能彻底治愈，但早期干预和治疗能够缓解症状，提高患者生活质量。由于帕金森病发病初期症状不明显，而且没有一个普遍适用的标准能够快速准确地诊断帕金森病，很容易漏诊和误诊。大部分患者从出现症状到临床确诊，平均需要10个月时间，误诊率很高。如果能够实现帕金森病的可靠检测，使患者能在早期接受治疗，在延缓其病情发展，提高其生活质量，减轻家庭和社会负担等方面具有重要的意义。

研究表明，90％的帕金森病患者都有一定程度的语音障碍。利用语音障碍来诊断和治疗帕金森病，不但费用低廉，而且患者可通过非接触式方法自助测量，简单方便，易于实现远程诊断。通过语音信号进行帕金森病的诊断和康复治疗已经得到国内外研究学者的广泛关注。Little等人使用支持向量机(Support Vector Machine,SVM)对帕金森病患者的语音进行检测，判断用户是否患有帕金森病。叶晓江等人基于该研究，利用安卓技术开发出了基于语音的帕金森检测系统，用户在室内环境下自行采集持续的长元音/a/，然后将采集到的语音上传至该系统，由系统进行帕金森病的诊断。然而，在实际应用场景下，室内广泛存在的环境噪声无疑会对语音的平稳性及其它质量产生影响，进而影响语音特征提取的准确性，最终会影响基于语音和机器学习方法进行的帕金森病相关研究结果的准确性。

发明内容

针对现有的基于语音的帕金森预测技术中的特征过少、只采用静态特征、人为特征工程等问题导致的预测精度不高、系统的可用性不好的问题，本申请提供了一种基于语音上下文动态特征的帕金森病检测方法，通过利用双向长短时记忆循环神经网络建立帕金森语音检测模型，从而快速研判帕金森病。

为实现上述目的，本发明提供一种基于语音上下文动态特征的帕金森病检测方法，所述基于语音上下文动态特征的帕金森病检测方法包括以下步骤:

语音样本采集：在安静的环境下，对帕金森患者的声音进行采集，获得语音样本；

语音信号预处理：对采集的语音样本的频率进行重新采样；

语音特征的提取：对所采集的语音样本进行特征提取，包括发音特征和调音特征的提取；

建立语音检测模型：以双向长短时记忆循环神经网络为基础，结合语音特征建立帕金森语音检测模型；

利用帕金森语音检测模型对帕金森病的快速检测。

作为优选，在对语音信号的预处理过程中，对采集的语音样本的频率重新采样到48-96kHZ区间并保存。

作为优选，在对语音特征的提取步骤中，主要采用发音特征和调音特征进行提取，发音特征包括基音频率、基音频率的一次微分和二次微分，基频微扰，振幅微扰、振幅摄动商和对数能量；调音特征包括Bark带能量、梅尔倒谱系数、梅尔倒谱系数的一次微分和二次微分、第一共振峰频率和第二共振峰频率，第一共振峰的一次微分和二次微分以及第二共振峰频率的一次微分和二次微分。