[发明专利]基于EHHT和CI的精神分裂症语音自动检测方法及系统

说明书

本发明提供一种基于EHHT和CI的精神分裂症语音自动检测方法及系统，通过对精神分裂症语音的临床特点的分析和研究，利用EHHT和CI对现有的共振峰提取算法进行了改进，并利用改进的共振峰提取算法从语音样本中获取反映精神分裂症语音的音质情感变化的声学特征参数集，进而采用SVM分类器来进行分类检测，实现对精神分裂症患者语音和健康对照组语音的自动分类检测，进一步设计实验讨论了白噪声的次数和方差、IMF分量个数、窗长这四个因素对检测效果的影响。结果表明，检测正确率可以达到98.8％，精神分裂症患者在体现音质特征的共振峰语音声学参数上与健康对照组存在显著差异，并有可能为精神分裂症的临床辅助诊断研究提供一个全新的客观、定量和高效指标。

技术领域

本发明属于模式识别与病理语音信号处理技术领域，涉及一种精神分裂症语音信号自动检测方法，具体涉及一种基于EHHT和CI的精神分裂症语音自动检测方法及系统。

背景技术

精神分裂症是一种病程迁延的慢性神经退化性障碍，具有复发率高、致残率高、依从性差等特点，常常伴随患者终生，严重损害其生活质量和社会认知，给患者和家属造成了极大的生产力损失。研究表明，其主要临床表现包含幻听、妄想、言语(思维)紊乱、显著的紧张性或异常行为、阴性症状(如语言贫乏、情感淡漠、动机缺乏等)五个维度中的一个或多个。我国存在着精神科医师的数量面临严重缺口，精神卫生资源分布不合理等问题，往往导致患者错失最佳治疗时间。若能在精神症状发作的早期采取合理有效的自动检测手段，及时加以干预治疗，将有助于改善患者的病况，减少其社会功能的损害。

目前临床上精神分裂症的诊断和监测评估主要依靠以下六种方式：(1)临床量表：包含阴性症状量表(The Scale for the Assessment of Negative Symptoms,SANS)，阳性症状量表(The Scale for the Assessment of Positive Symptoms,SAPS)，阳性与阴性量表(Positive and Negative Syndrome Scale,PANSS)等，其严重依赖于患者自述及家属供史，易受评分者的主观因素干扰，如问诊技巧、临床经验等，缺乏标准化的评估体系；(2)脑影像学：功能核磁共振(Functional Nuclear Magnetic Resonance,fMRI)脑区图像主要集中于精神分裂症患者大脑的脑实质及脑功能的改变，仪器操作复杂，检测费用高昂，且缺乏客观的生物学标记；(3)脑电信号：EEG中包含丰富的生理状态信息，充分反映了大脑的活动，但α波、β波均无特异性，对诊断的价值有限；(4)视频分析：相比于正常人，精神分裂症患者具有更少的身体运动和更呆滞的面部表情，可以通过分析提取受试者的表情动作特征实现自动检测，但目前的研究瓶颈在于缺乏统一的实验范式，尚处于起步阶段，未达到临床辅助诊断水平，还需要进一步的深入探讨；(5)基因组学：全基因外显子区中存在着与精神分裂症紧密相关的变异体，但在基因测序捕捉时仍存在假阳性和假阴性的问题；(6)语音信号：作为一个全新的领域，研究表明精神分裂症的阴性症状与语音情感表达密切相关。随着大数据、人工智能、语音信号处理算法的飞速发展，以及医学、计算机科学等多学科的交叉融合研究，利用计算机辅助分析和诊断技术提取的语音情感特征正被逐渐应用于精神分裂症的研究之中。