The method of Alzheimer's disease speech signal screening based on in-depth learning involves speech processing technology, including steps: training depth confidence network model standby; enabling the examinee to perform different oral output tasks and collect the voice of the examinee; preprocessing the collected voice; extracting the pathological features related to Alzheimer's disease from the pretreated voice and transporting them. The trained deep belief network model is used to train the optimized feature, and the trained SVM classifier is used to classify the optimized feature, and the classification result is the screening result. The method of screening Alzheimer's disease speech signal based on in-depth learning of the present invention realizes rapid screening of AD by in-depth learning, and can make preliminary judgment only through the voice of the subjects. The method is simple and highly intelligent.
【技术实现步骤摘要】
基于深度学习的阿尔茨海默症语音信号的筛查方法
本专利技术涉处语音信号处理技术,具体涉及基于深度学习的阿尔茨海默症语音信号的筛查方法。
技术介绍
阿尔茨海默症(Alzheimer’sdisease,AD),成为老龄社会关注热点之一。全国流行病学调查则显示我国65岁以上人口的阿尔茨海默症患病率达4.8%;目前临床AD诊断需经历2-3小时的标准神经心理评估和可获得性低且昂贵的基PET或创伤性脊髓穿刺的神经标记物检查,应用这种常规途径去筛查动辄近千万潜在的痴呆患者是非常困难的。早有研究观察到AD患者口语产出的障碍并发现语言功能的异常可以作为AD评估和诊断的重要依据,因此通过对被测者语音信号特征的分析,利用深度神经网络算法训练病理特征模型,寻找AD患者的有效病理特征,通过SVM分类器实现对AD患者以非侵入式的方式进行快速筛查,为AD的临床诊断提供一种低成本,可行性高,结构简单,智能化的客观测量方法。
技术实现思路
本专利技术的目的是提供一种基于深度置信网络特征优化的阿尔茨海默症的快速筛查技术,通过对被试者语音信号的处理分析,提取相关病理特征,包括基频、基频微扰(jitter)、振幅微扰(shimmer)、谐噪比(HNR)、信噪比(SNR)、短时过零率、短时能量、共振峰、MFCC、LPC、语音停顿、语速。对提取的病理特征进行分析,建立并训练用于特征优化的深度置信网络模型以及用于分类的SVM分类模型,从而实现对阿尔茨海默症患者的快速筛查。为实现以上专利技术目的,本专利技术的技术方案如下:基于深度学习的阿尔茨海默症语音信号的筛查方法,包括步骤:S1:训练深度置信网络模型备用; ...
【技术保护点】
1.基于深度学习的阿尔茨海默症语音信号的筛查方法,其特征在于,包括步骤:S1:训练深度置信网络模型备用;S2:使被检测者进行不同口语产出任务并采集被检测者的语音;S3:对所采集语音进行预处理;S4:提取预处理后的语音中和阿尔茨海默症相关的病理特征并将其输入训练好的深度置信网络模型进行训练得到优化特征;S5:将优化特征输入训练好的SVM分类器进行分类,分类结果即为筛查结果。
【技术特征摘要】
1.基于深度学习的阿尔茨海默症语音信号的筛查方法,其特征在于,包括步骤:S1:训练深度置信网络模型备用;S2:使被检测者进行不同口语产出任务并采集被检测者的语音;S3:对所采集语音进行预处理;S4:提取预处理后的语音中和阿尔茨海默症相关的病理特征并将其输入训练好的深度置信网络模型进行训练得到优化特征;S5:将优化特征输入训练好的SVM分类器进行分类,分类结果即为筛查结果。2.根据权利要求1所述的基于深度学习的阿尔茨海默症语音信号的筛查方法,其特征在于,所述步骤S2具体包括:测量现场噪音,排除噪声源,在噪声符合要求之后进行语音采集;语音采集过程中,对被测者进行不同口语产出任务,对语音进行标记整理。3.根据权利要求2所述的基于深度学习的阿尔茨海默症语音信号的筛查方法,其特征在于,所述步骤S2具体包括:测量现场噪音,排除噪声源,在噪声符合要求之后进行语音采集;语音采集过程中,对被测者进行不同口语产出任务,口语产出任务包括自我介绍、言语流畅性测试、图画描述、连续发元音,对语音进行标记整理。4.根据权利要求1所述的基于深度学习的阿尔茨海默症语音信号的筛查方法,其特征在于,所述步骤S3具体包括:对采集到的语音数据进行去噪,参数规整,预加重,加窗和分帧处理,获取语音帧序列。5.根据权利要求4所述的基于深度学习的阿尔茨海默症语音信号的筛查方法,...
【专利技术属性】
技术研发人员:周青,顾明亮,马勇,朱祖德,
申请(专利权)人:江苏师范大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。