一种帕金森病筛查方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种帕金森病筛查方法、装置、设备及存储介质，方法包括：采集帕金森患者和健康对照者的语音数据；对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取；其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。本发明专利技术仅仅利用患者声音实现对帕金森病的早期智能诊断。

【技术实现步骤摘要】
一种帕金森病筛查方法、装置、设备及存储介质
本专利技术涉及帕金森病筛查领域，具体而言，涉及一种帕金森病筛查方法、装置、设备及存储介质。
技术介绍
随着国家人口老龄化的到来，越来越多的老年疾病需要我们去提前重视起来，其中，帕金森病(Parkinson’sdisease，PD)就是一种老年人常见的神经系统变性疾病，平均发病年龄为60岁左右。帕金森病是几乎无法治愈的，一般等待医生确诊的时候患者已经具有非常严重的精神损伤了，这对后期治疗是非常不利的。因此提前对帕金森进行诊断，使用一些神经保护药物在早期进行干预，可以延缓病情的发展并改善患者的生活质量。因此，对帕金森病进行提早筛查是非常有意义的。帕金森病人早期诊断的准确率低，缺少敏感性和特异性良好。在帕金森病的各种病状表现中，约有九成的帕金森病患者会出现不同程度语言障碍。同时，语音数据的采集较为方便快捷且无需损伤受诊者机体，越来越多的人开始关注基于语音障碍的帕金森病检测。声带的震荡模式在正常人中表现为周期性，也就是说声带在震动的时候，两个连续的开口或闭合之间的间隔是相同的，因此，发出声音的频谱图也呈现一种周期性，而帕金森患者由于病变会表现出一定的发音障碍，从而使得声带的发音模式和正常人有很大区别。这也是我们能使用语音来完成对帕金森患者检测的一个重要原因。
技术实现思路
本专利技术的目的在于提供一种帕金森病筛查方法、装置、设备及存储介质，以解决上述存在的问题。为实现上述目的，本专利技术实施例提供一种帕金森病筛查方法，包括采集帕金森患者和健康对照者的语音数据；对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取；其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。进一步的，所述采集帕金森患者和健康对照者的语音数据具体为：对所述帕金森患者和健康对照者分别采集时长为3s的包含多个元音的语音数据，其中，采样频率为24kHz，采样精度为16bits。更进一步的，所述对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库具体为：将所述语音数据的前后各0.5s语音截去，以消除呼吸对发音的影响；通过对每一个与预设音频样本对应的属于健康对照者的语音数据，以及每一个与预设音频样本对应的属于帕金森患者的语音数据进行深度处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库。进一步的，对所述第一语音数据库，以及第二语音数据库进行语谱特征提取，其中，所述语谱特征通过基于深度学习网络模型提取具体为：基于所述语音数据构建语谱图，并将所述语谱图灰度化；将灰度化后的语谱图输入10个卷积层，得到10个卷积后的特征图；将所述10个卷积后的特征图通过最大池化层，得到10个池化后的特征图；将所述10个池化后的特征图再通过32个卷积层，得到32个卷积后的特征图；将所述得到32个卷积后的特征图通过一个最大池化层得到32个池化后的特征图；将所述得到32个池化后的特征图拉成一维，并输入一个全连接层，得到一个多维的特征向量。更进一步的，所述将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型具体为：将所述多维的特征向量与基于传统统计方法提取的语音特征进行拼接，得到拼接后的语音特征；将所述拼接后的语音特征输入两层全连接层，进行特征融合，以获得融合后的特征；利用融合后的特征进行分类预测。更进一步的，所述将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测具体为：采集就诊者的语音数据，并输入训练好的神经网络模型，以输出患病概率值和健康概率值；基于所述发音患病概率值和健康概率值，通过采取软投票机制选取概率值最大的类别作为最终的判别结果。更进一步的，所述基于所述发音患病概率值和健康概率值，通过采取软投票机制选取概率值最大的类别作为最终的判别结果具体为：分别算出患病概率值的均值和健康概率值的均值；比较所述患病概率值的均值和健康概率值的均值，以最大值作为最终的判别结果。本专利技术还提供一种帕金森病筛查装置，包括采集模块，用于采集帕金森患者和健康对照者的语音数据；预处理模块，用于对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；提取模块，用于对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取，其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；训练模块，用于将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；预测模块，用于将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。本专利技术还提供一种帕金森病筛查设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述处理器用于运行所述计算机程序以实现所述的一种帕金森病筛查方法。本专利技术还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序能够被所述存储介质所在设备的处理器执行，以实现所述的一种帕金森病筛查方法。本专利技术提供一种帕金森病筛查方法，包括：采集帕金森患者和健康对照者的语音数据；对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取；其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。通从数据采集，预处理、基于深度学习的语音特征提取和基于传统统计方法的语音特征提取、神经网络和基于软投票机制的模型预测，从而仅仅利用患者声音实现对帕金森病的早期智能诊断。附图说明为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术第一实施例提供的一种帕金森病筛查方法流程示意图。图2为本专利技术第一实施例提供的一种帕金森病筛查方法另一流程示意图。图3为本专利技术第二实施例提供的一种帕金森病筛查装置流程示意图。具体实施方式为使本专利技术实施方式的目的、技本文档来自技高网...

【技术保护点】
1.一种帕金森病筛查方法，其特征在于，包括：/n采集帕金森患者和健康对照者的语音数据；/n对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；/n对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取；其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；/n将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；/n将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。/n

【技术特征摘要】
1.一种帕金森病筛查方法，其特征在于，包括：
采集帕金森患者和健康对照者的语音数据；
对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库；
对所述第一语音数据库，以及第二语音数据库进行语谱特征和语音特征提取；其中，所述语谱特征通过基于深度学习网络模型提取，所述语音特征基于传统统计方法提取；
将所述语谱特征和语音特征输入神经网络模型进行训练，以获得训练好的神经网络模型；
将就诊者的语音数据输入训练好的神经网络模型，并利用软投票机制进行帕金森病的预测。


2.根据权利要求1所述的帕金森病筛查方法，其特征在于，所述采集帕金森患者和健康对照者的语音数据具体为：对所述帕金森患者和健康对照者分别采集时长为3s的包含多个元音的语音数据，其中，采样频率为24kHz，采样精度为16bits。


3.根据权利要求2所述的帕金森病筛查方法，其特征在于，所述对所述语音数据进行预处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库具体为：
将所述语音数据的前后各0.5s语音截去，以消除呼吸对发音的影响；
通过对每一个与预设音频样本对应的属于健康对照者的语音数据，以及每一个与预设音频样本对应的属于帕金森患者的语音数据进行深度处理，以获得健康对照者的第一语音数据库，以及帕金森患者的第二语音数据库。


4.根据权利要求1所述的帕金森病筛查方法，其特征在于，对所述第一语音数据库，以及第二语音数据库进行语谱特征提取，其中，所述语谱特征通过基于深度学习网络模型提取具体为：
基于所述语音数据构建语谱图，并将所述语谱图灰度化；
将灰度化后的语谱图输入10个卷积层，得到10个卷积后的特征图；
将所述10个卷积后的特征图通过最大池化层，得到10个池化后的特征图；
将所述10个池化后的特征图再通过32个卷积层，得到32个卷积后的特征图；
将所述得到32个卷积后的特征图通过一个最大池化层得到32个池化后的特征图；
将所述得到32个池化后的特征图拉成一维，并输入一个全连接层，得到一个多维的特征向量。


5.根据权利要求4所述的帕金森病筛查方法，其特征在于，所述将所述语谱特征和...

【专利技术属性】
技术研发人员：艾嘉良，
申请(专利权)人：厦门嘉艾医疗科技有限公司，
类型：发明
国别省市：福建;35