[发明专利]基于语音信号分析的阿尔茨海默症状诊断设备

说明书

本发明公开了一种基于语音信号分析的阿尔茨海默症状诊断设备，包含：获取模块，获取若干阿尔茨海默病患者和健康人群的语音信号数据；预处理模块，用于对语音信号数据进行预处理；训练模块，通过预处理后的语音信号对搭建好的非监督深度学习网络模型进行训练获取特征矩阵；预测模块，诊断分析语音信号是否为阿尔茨海默病患者；采集模块，采集待识别的测试者的测试语音信号；预处理模块将预处理后的测试语音信号输入至非监督深度学习网络模型中进行分析。本发明的基于语音信号分析的阿尔茨海默症状诊断设备，通过阿尔兹海默病患者及正常人的语音数据预训练深度学习网络模型，进而根据受测试者的语音数据实现阿尔兹海默症的早期识别与预警。

技术领域

本发明涉及一种基于语音信号分析的阿尔茨海默症状诊断设备。

背景技术

阿尔茨海默病(Alzheimer disease，AD)已上升为我国居民前十大死亡高发病症之一。目前医学诊断主要利用神经影像学如CT(Computed Tomography，电子计算机断层扫描)和MRI(Magnetic Resonance Imaging，磁共振成像)扫描，以及结合理化检验指标综合判断，主要依赖专业医生测试诊断，而且预诊成本较高且不方便，而往往进入医院检查的患者大多已有明显的阿尔茨海默病临床表现，一方面失去了早期发现治疗的宝贵时间，另一方面则是有创诊断及量测十分复杂繁琐。

记忆力障碍是阿尔茨海默病患者的首发症状，如出现言语困难，记忆能力差的症状，因此本专利希望从非接触式、早期诊断两个方面出发，使用人员可以居家测试，通过采集测试人员的正常说话语音信号，即可实时给出被测者是否为阿尔茨海默病潜在患者，进而指导被测者进一步进行医疗干预检查。

发明内容

本发明提供了一种基于语音信号分析的阿尔茨海默症状诊断设备，采用如下的技术方案：

一种基于语音信号分析的阿尔茨海默症状诊断设备，包含：

获取模块，用于获取若干阿尔茨海默病患者和健康人群的语音信号数据；

预处理模块，用于对语音信号数据进行预处理；

训练模块，通过预处理后的所述语音信号对搭建好的非监督深度学习网络模型进行训练获取特征矩阵；

预测模块，通过搭建判别器网络模型基于训练模块获取的特征矩阵诊断分析其是否为阿尔茨海默病患者；

采集模块，采集待识别的测试者的测试语音信号；

预处理模块还对测试语音信号进行预处理；

预处理模块将预处理后的测试语音信号输入至训练好的非监督深度学习网络模型中进行分析提取特征，通过预测模块的判别器网络模型输出分类结果。

进一步地，预处理模块包括：

归一化单元，用于将语音信号数据进行归一化处理；

分割单元，用于将语音信号数据按照一定时间周期进行分割得到子片段；

提取单元，用于提取分割后的每一段子段的梅尔频谱；

对数单元，用于对提取到的梅尔频谱取对数得到对数梅尔频谱。

进一步地，预处理模块还包括：

规范化单元，用于对对数单元计算得到的对数梅尔频谱进行零-均值规范化处理。

进一步地，归一化单元在对语音信号数据进行归一化处理中，

归一化处理具体为最小-最大归一化处理。

进一步地，分割单元在将语音信号数据按照一定时间周期进行分割的具体方法为：

将语音信号数据按照0.5s为周期进行分割，不足0.5s的语音片段进行舍去。