一种基于神经网络的声带病变检测装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的声带病变检测装置，主要方法包括：利用声音采集装置获取用户的原始声音信息；将原始声音数据进行降噪，增强等预处理后，再提取声音特征，作为神经网络输入；使用EfficientNeT神经网络对大量有效数据训练后得出模型；利用训练好的模型检测用户是否患有声带病变方面的疾病。

【技术实现步骤摘要】
一种基于神经网络的声带病变检测装置
本专利技术涉及神经网络检测
，尤其是涉及一种基于神经网络的声带病变检测装置。
技术介绍
在日常生活中，人与人之间为了良好的沟通，都需要利用说话来进行信息交互，因此，嗓音是传达信息、社交活动和交流感情必不可少的工具。随着社会的进发展，经济的繁荣，人们交往和沟通的频繁，嗓音作为一种十分便捷的信息传递手段，无疑成为现代通信及信息时代越来越重要的工具，但如此同时，也伴随着声带病变的发病率的上升。嗓音的检查一直为耳鼻喉科医生、言语病理学家所重视。对嗓音状况的调查表明，我国患有声带病变的人数众多，涉及到生理和工作环境等许多原因。声带病变包括声带肥厚、声带小结及声带麻痹等，声带肥厚指声带肿胀或增厚，声带小结为两侧声带前、中1/3交界处所发生的对称性小结，两者均属慢性喉炎所致；声带麻痹，为喉运动性神经疾病，多因神经损伤造成。三者都以声嘶为临床主要表现。此外临床上还常见有声带息肉、声带水肿等疾病。对于此类疾病的医学研究及诊断，还大多采用传统方法来进行，例如喉镜检查，动态镜检查，肌电图描记等，但这些方法一来本文档来自技高网...

【技术保护点】
1.一种基于神经网络的声带病变检测装置，包括依次连接的采集模块、降噪模块、特征提取模块和神经网络模型，其特征在于所述采集装置采集用户在一个时间段的声音信号，所述降噪模块对声音信号进行降噪预处理，所述特征提取模块对预处理好的声音信号进行特征提取，所述神经网络模型采用EfficientNet神经网络模型，对提取到的特征进行训练，再通过采集模块采集到的用户声音信号，经降噪模块预处理后，由特征提取模块提取的特征作为输入，通过训练好的神经网络模型完成对声带病变的分类和识别。/n

【技术特征摘要】
1.一种基于神经网络的声带病变检测装置，包括依次连接的采集模块、降噪模块、特征提取模块和神经网络模型，其特征在于所述采集装置采集用户在一个时间段的声音信号，所述降噪模块对声音信号进行降噪预处理，所述特征提取模块对预处理好的声音信号进行特征提取，所述神经网络模型采用EfficientNet神经网络模型，对提取到的特征进行训练，再通过采集模块采集到的用户声音信号，经降噪模块预处理后，由特征提取模块提取的特征作为输入，通过训练好的神经网络模型完成对声带病变的分类和识别。


2.如权利要求1所述的一种基于神经网络的声带病变检测装置，其特征在于所述EfficientNet神经网络模型的公式如下：












其中w，d，r为系数，w表示卷积核的大小，决定了感受野大小，d表示神经网络深度，r表示分辨率大小，Xi为输入张量，代表整个卷积网络，i代表第i个卷积层，s表示stage，即多个结构相同的卷积层，Fi表示对第i层的卷积运算，Li表示Fi在第i个stage中有Li个一样结构的卷积层，HiWiCi表示第i层输入的维度，为自定义计算符。


3.如权利要求2所述的一种基于神经网络的声带病变检测装置，其特征在于EfficientNet神经网络的规范化复合调参使用了一个复合系数对d，w和r参数进行复合调整：
depth:
width:
resoluton:
s.t.α*β2*γ2≈2(α≥1，β≥1，γ≥1)
其中，α，β，γ为常数，通过网格搜索获得，通过人工调节进行优化，通过基线网络调节确定最佳的α，β，γ，再利用最佳的α，β，γ将基准网络扩展或放大到大的网络。


4.如权利要求1所述的一种基于神经网络的声带病变检测装置，其特征在于所述EfficientNet神经网络模型，使用TensorFlow框架运行EfficientNet神经网络，EfficientNet神经网络利用复合系数统一缩放模型的所有维度，包括Stem、Blocks、Con2D、GlobalAveragePooling2D和Dense。


5.如权利要求1所述的一种基于神经网络的声带病变检...

【专利技术属性】
技术研发人员：沈皓哲，岳克强，李文钧，王超，李宇航，张汝林，陈石，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33