一种基于语音的焦虑预测模型的生成方法和焦虑预测系统技术方案

本申请提供一种基于语音的焦虑预测模型的生成方法和焦虑预测系统，包括：步骤1：采集用户朗读文本的语音和用户的SAS量表得分，并用所述得分为所述语音标注；步骤2：提取所述语音的语音特征，并利用神经网络构建焦虑预测模型。本发明专利技术利用朗读文本的语音，通过机器学习，实现对被试焦虑状态的自动识别，系统便于操作和部署，提高了焦虑识别和预测的便捷性。

【技术实现步骤摘要】
一种基于语音的焦虑预测模型的生成方法和焦虑预测系统
本专利技术涉及心理学和人工智能领域，更具体地涉及一种基于语音的焦虑预测模型的生成方法和焦虑预测系统。
技术介绍
焦虑症是一种不能控制的、过度的、广泛的、持续的焦虑为特点的慢性疾病，又称为焦虑性神经症，以焦虑情绪体验为主要特征。主要表现为：无明确客观对象的紧张担心，坐立不安，还有植物神经功能失调症状，如心悸、手抖、出汗、尿频等，及运动性不安。焦虑症并非由实际威胁所引起，或其紧张惊恐程度与现实情况很不相称。抗焦虑药物等药物治疗及心理治疗是焦虑症的主要治疗方法。焦虑症可以说是人群中最常见的情绪障碍了，前不久，《柳叶刀·精神病学》发布了《中国精神障碍患病率的流行病学现况研究》，研究指出：在各类心理、精神疾病中，焦虑症的患病率最高，终生患病率为7.57％。据此估计，全国约有5千万以上的焦虑症患者。世界卫生组织表示，90％的焦虑症患者在35岁以前发病，女性往往多于男性。近些年来，焦虑症患者呈不断上升趋势。据世界卫生组织估算，中国约有4100万人患有焦虑症。所以，焦虑症的识别与治疗值得我们重点关注。本文档来自技高网...

【技术保护点】
1.一种基于语音的焦虑预测模型的生成方法，包括：/n步骤1：采集用户朗读文本的语音和用户的SAS量表得分，并用所述得分为所述语音标注；/n步骤2：提取所述语音的语音特征，并利用神经网络构建焦虑预测模型。/n

【技术特征摘要】
1.一种基于语音的焦虑预测模型的生成方法，包括：
步骤1：采集用户朗读文本的语音和用户的SAS量表得分，并用所述得分为所述语音标注；
步骤2：提取所述语音的语音特征，并利用神经网络构建焦虑预测模型。


2.根据权利要求1所述的方法，其特征在于，在所述步骤2中，包括以下步骤：
S21：设定子语音长度N和窗口x，将所述语音截取为长度为N的子语音
S22：在窗口x下对所述子语音进行加窗切分处理，生成子语音在窗口x下的语音特征；
S23：将子语音分为训练子语音和测试子语音；
S24：将训练子语音在窗口x下的语音特征作为输入，将训练子语音的SAS量表得分作为输出，利用神经网络算法构建窗口x下的焦虑预测模型。


3.根据权利要求1所述的方法，其特征在于，所述语音特征包括基本特征、基本特征的导数值特征以及在时间窗口长度上基本特征的统计量和导数值特征的统计量，其中，基本特征包括强度、响度、过零率、清浊比率、基频、基频包络、8个线性频谱对，12个梅尔倒谱系数，统计量包括均值、标准差、峰度、偏度、斜率。


4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
S25：计算所述测试子语音在窗口x下的语音特征输入所述窗口x下的焦虑预测模型中得到输出结果与所述测试子语音的SAS得分之间的差值；
S26：计算窗口x下的焦虑预测模型的平均差值，公式为：平均差值＝所述差值/所述测试子语音在窗口x下的数量；
S27：x取1至N-1，重复步骤S22-S26，将平均差值最小的窗口x下的焦虑预测模型作为焦虑预测模型，所述焦虑预测模型的窗口为最优窗口长度。


5.根据权利要求4所述的方法，其特征在于，所述步骤S27中，x为人工设置小于N的若干数值。


6.一种基于语音的焦虑预测系统，其特征在于，所述焦虑预测系统包括：数据采集模块、语音特征提取模块、训练样本构建模块、神经网络训练模块、焦虑预测模型生成模块和预测模块，其中，
所述数据采集模块，用于采集被试的语音；
所述语音特征提取模块，用于接收语音、子语音长度N和窗口长度x，以提取和返回窗口x下的语音...

【专利技术属性】
技术研发人员：冯甄陶，
申请(专利权)人：心图熵动科技苏州有限责任公司，
类型：发明
国别省市：江苏;32