一种基于语音数据的帕金森诊断系统的制作方法

本申请属于人工智能领域，尤其涉及一种基于语音数据的帕金森诊断系统。

背景技术：

1、随着人工智能(artificial intelligence，ai)的快速发展，人们开始研究ai在医疗诊断上的应用。ai能够为医生或患者提供快速精准的医学判断和诊断支持。ai诊断技术不仅提高了医学诊断的准确性和效率，还为患者带来了更好的诊断体验。

2、帕金森病(parkinson's disease，pd)是一种常见的神经系统变性病，主要表现包括运动迟缓、肌强直、静止性震颤和姿势步态异常等。构音障碍作为运动症状的一种早期表现，常见于90％的pd患者中。基于此，可以考虑通过提取语音信号中的声学特征进行pd的早期检测，基于语音数据的pd诊断方法具有简易、高效、非接触等特点，因此深入研究pd语音诊断具有重要的科学意义及实用价值。

3、轻度认知功能障碍(mild cognitive impairment，mci)指认知功能下降快于年龄和文化程度相应的预期下降，但不足以造成日常功能的显著损害，是介于正常衰老与痴呆间的一种不稳定的临床过渡状态。根据mci的诊断指南，本病的主要诊断以临床症状为主，以量表筛查为主要手段。尽管神经心理学评估(neuropsychological assessment，npa)是认知评估的金标准，但由于时间限制和专家管理所需的成本，在临床环境中并不常用。帕金森病的非运动症状主要包括睡眠障碍、感觉障碍、自主神经功能障碍和精神及认知障碍，这些非运动症状在整个帕金森病的各个阶段都可能出现，严重影响患者的生活质量，因此在管理帕金森病患者的运动症状的同时也需要管理患者的非运动症状。帕金森病(pd)的构音障碍症状在不同队列之间差异很大。大量研究表明，这种异质性可以反映受试者水平和任务相关的认知因素。近年来已有大量pd语音诊断算法出现，但很少有辅助诊断pd患者认知障碍的研究。

4、目前，希望提供一种基于语音数据的帕金森诊断系统。

技术实现思路

1、本申请的目的在于提供一种基于语音数据的帕金森诊断系统。

2、本申请实施例的第一方面提供一种基于语音数据的帕金森诊断系统，包括：语音采集模块，用于采集用户的语音数据；有效部分截取模块，用于截取所述语音数据的有效部分，所述有效部分对应多个预设音节；特征提取模块，用于对于所述多个预设音节中的每一个，对所述有效部分进行特征提取，得到各预设音节对应的特征提取结果；表征模块，用于基于各预设音节对应的特征提取结果表征所述语音数据，得到表征数据；预测模块，用于使用诊断模型处理所述表征数据，得到所述用户的帕金森诊断结果，所述诊断模型为经过训练的机器学习模型。

3、在一些实施例中，所述帕金森诊断系统还包括降噪模块，所述降噪模块用于对所述有效部分进行降噪处理，得到经过降噪处理的有效部分；

4、所述特征提取模块用于对于所述多个预设音节中的每一个，对所述经过降噪处理的有效部分进行特征提取，得到各预设音节对应的特征提取结果。

5、在一些实施例中，所述截取所述语音数据的有效部分，包括：对所述语音数据进行人声识别，得到人声部分；对所述人声部分进行音节划分，得到音节划分结果；根据所述音节划分结果从所述语音数据中截取所述有效部分。其中，音节划分通过以下半自动化方式实现：慢放所述语音数据的同时，在图形用户界面显示所述语音信号的播放进度，获取用户在该界面指定的音节划分节点；根据用户指定的音节起始节点获得音节划分结果。

6、在一些实施例中，所述语音数据包括时域语音信号和/或所述时域语音信号对应的语谱图。

7、在一些实施例中，所述多个预设音节为“八笔不博”或“八百标兵奔北坡炮兵并排北边跑”的发音。

8、在一些实施例中，所述特征提取结果包括多个特征的特征值，所述多个特征包括声门类特征、发音类特征、肌肉运动类特征和韵律类特征中的至少一种。

9、在一些实施例中，所述帕金森诊断结果指示用户是否患有帕金森症，且当所述帕金森诊断结果指示用户患有帕金森症时，所述帕金森诊断结果进一步指示所述用户的帕金森症严重程度。

10、在一些实施例中，所述诊断模型包括神经网络。

11、在一些实施例中，所述诊断模型包括聚类模型。

12、本申请实施例的第二方面提供一种基于语音数据的帕金森诊断设备，包括处理器和存储器，所述存储器存储有帕金森诊断指令，当所述处理器执行所述帕金森诊断指令时，实现以下方法：采集用户的语音数据；截取所述语音数据的有效部分，所述有效部分对应多个预设音节；对于所述多个预设音节中的每一个，对所述有效部分进行特征提取，得到各预设音节对应的特征提取结果；基于各预设音节对应的特征提取结果表征所述语音数据，得到表征数据；使用诊断模型处理所述表征数据，得到所述用户的帕金森诊断结果，所述诊断模型为经过训练的机器学习模型。

13、本申请实施例的第三方面提供一种计算机可读存储介质，所述存储介质存储有帕金森诊断指令，当计算机读取所述帕金森诊断指令后，执行以下方法：采集用户的语音数据；截取所述语音数据的有效部分，所述有效部分对应多个预设音节；对于所述多个预设音节中的每一个，对所述有效部分进行特征提取，得到各预设音节对应的特征提取结果；基于各预设音节对应的特征提取结果表征所述语音数据，得到表征数据；使用诊断模型处理所述表征数据，得到所述用户的帕金森诊断结果，所述诊断模型为经过训练的机器学习模型。

14、本申请实施例提供一种帕金森诊断系统。系统从用户的语音数据中截取对应于多个预设音节的有效部分。对于所述多个预设音节中的每一个，系统对所述有效部分进行特征提取，得到各预设音节对应的特征提取结果。系统基于各预设音节对应的特征提取结果表征所述语音数据，得到表征数据。进而，系统使用诊断模型处理所述表征数据，得到用户的帕金森诊断结果。用户只需要进行简单的发音，系统就可以反馈帕金森诊断结果，不仅提高了帕金森诊断的准确性和效率，还为用户带来了更好的诊断体验。

技术特征：

1.一种基于语音数据的帕金森诊断系统，其特征在于，包括：

2.如权利要求1所述的系统，其特征在于，还包括降噪模块，所述降噪模块用于对所述有效部分进行降噪处理，得到经过降噪处理的有效部分；

3.如权利要求1或2所述的系统，其特征在于，所述截取所述语音数据的有效部分，包括：对所述语音数据进行人声识别，得到人声部分；对所述人声部分进行音节划分，得到音节划分结果；根据所述音节划分结果从所述语音数据中截取所述有效部分；

4.如权利要求1所述的系统，其特征在于，所述多个预设音节为“八笔不博”或“八百标兵奔北坡炮兵并排北边跑”的发音。

5.如权利要求1所述的系统，其特征在于，所述特征提取结果包括多个特征的特征值，所述多个特征包括声门类特征、发音类特征、肌肉运动类特征和韵律类特征中的至少一种。

6.如权利要求1所述的系统，其特征在于，所述帕金森诊断结果指示用户是否患有帕金森症，且当所述帕金森诊断结果指示用户患有帕金森症时，所述帕金森诊断结果进一步指示所述用户的帕金森症严重程度。

7.如权利要求1所述的系统，其特征在于，所述诊断模型包括回归模型、支持向量机、决策树或神经网络。

8.如权利要求1所述的系统，其特征在于，所述诊断模型包括聚类模型。

9.一种基于语音数据的帕金森诊断设备，包括处理器和存储器，所述存储器存储有帕金森诊断指令，当所述处理器执行所述帕金森诊断指令时，实现以下方法：

10.一种计算机可读存储介质，所述存储介质存储有帕金森诊断指令，当计算机读取所述帕金森诊断指令后，执行以下方法：

技术总结
本申请实施例提供一种基于语音数据的帕金森诊断系统。系统从用户的语音数据中截取对应于多个预设音节的有效部分。对于所述多个预设音节中的每一个，系统对所述有效部分进行特征提取，得到各预设音节对应的特征提取结果。系统基于各预设音节对应的特征提取结果表征所述语音数据，得到表征数据。进而，系统使用诊断模型处理所述表征数据，得到用户的帕金森诊断结果。用户只需要进行简单的发音，系统就可以反馈帕金森诊断结果，不仅提高了帕金森诊断的准确性和效率，还为用户带来了更好的诊断体验。

技术研发人员：陈卓铭,郑家兴,凌卫新,沈龙彬,欧建林,廖成钜,郑小春
受保护的技术使用者：广州康脑科技有限公司
技术研发日：
技术公布日：2024/3/17