检测方法、装置、设备和计算机存储介质制造方法及图纸

本发明专利技术公开了一种检测方法、装置、设备和计算机存储介质，所述检测方法包括以下步骤：获取待检测者的音频数据；将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；获取所述预设神经网络模型输出的检测结果，解决现有技术中检测过程繁琐导致不能实时检测的问题，提高检测效率。效率。效率。

【技术实现步骤摘要】
检测方法、装置、设备和计算机存储介质


[0001]本专利技术涉及医疗
，尤其涉及一种检测方法、装置、设备和计算机存储介质。

技术介绍

[0002]检测是临床与医疗
中重要课题，例如，新冠病毒核酸检测是通过实验室方法进行检测、筛查，发现新冠病毒确诊病例、疑似病例和无症状感染者。目前病症的检测方法大多数采用鼻咽拭子、肛拭子等方法进行检测，但是这些检测方法的检测过程过于繁琐且检测周期过长，当出现大量检测对象时，不能实现实时检测。

技术实现思路

[0003]本专利技术主要目的在于提供一种检测方法、装置、设备和计算机存储介质，旨在解决检测过程繁琐导致不能实时检测的问题。
[0004]为实现上述目的，本专利技术提供一种检测方法，所述检测方法应用于检测装置中；在一实施例中，所述检测方法包括以下步骤：
[0005]获取待检测者的音频数据；
[0006]将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；
[0007]获取所述预设神经网络模型输出的检测结果。
[0008]在一实施例中，所述将所述音频数据输入预设神经网络模型的步骤之前，包括：
[0009]获取预设咳嗽音频数据，并搭建初始预设神经网络模型；
[0010]根据所述预设咳嗽音频数据生成咳嗽音频数据集；
[0011]根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型。
[0012]在一实施例中，所述根据所述预设咳嗽音频数据生成咳嗽音频数据集的步骤包括：
[0013]对所述预设咳嗽音频数据进行预处理，得到咳嗽音频数据集，其中，所述预处理的过程依次包括：预加重处理、分帧处理、加窗处理、傅里叶变换、梅尔滤波、对数能量计算以及离散余弦变换。
[0014]在一实施例中，所述初始神经网络模型包括第一神经网络模型以及第二神经网络模型；所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤包括：
[0015]根据所述咳嗽音频数据集与所述第一神经网络模型得到音频特征；
[0016]根据所述音频特征与所述第二神经网络模型训练得到预设神经网络模型。
[0017]在一实施例中，所述音频特征至少包括：声音情感特征、呼吸道生物特征以及声带生物特征。
[0018]在一实施例中，所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预
设神经网络模型的步骤，还包括：
[0019]将所述咳嗽音频数据集划分为咳嗽音频训练集以及咳嗽音频测试集；
[0020]采用所述咳嗽音频训练集对所述初始神经网络模型进行训练，并且采用所述咳嗽音频测试集对训练完成的所述初始神经网络模型进行测试；
[0021]当测试结果的准确率达到预设阈值时，得到预设神经网络模型。
[0022]在一实施例中，所述获取所述预设神经网络模型输出的检测结果的步骤包括：
[0023]根据交叉熵损失函数以及所述预设神经网络模型得到检测结果，其中，所述交叉熵损失函数为：所述N为音频特征的数量，所述y
n
为真实检测结果，所述为预测检测结果。
[0024]为实现上述目的，本专利技术还提供一种检测装置，所述装置包括：
[0025]获取模块，用于获取待检测者的音频数据；
[0026]输入模块，用于将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据训练得到；
[0027]输出模块，用于获取所述预设神经网络模型输出的检测结果。
[0028]为实现上述目的，本专利技术还提供一种检测设备，所述检测设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的检测程序，所述检测程序被所述处理器执行时实现如上所述的检测方法的各个步骤。
[0029]为实现上述目的，本专利技术还提供一种计算机存储介质，所述计算机存储介质存储有检测程序，所述检测程序被处理器执行时实现如上所述的检测方法的各个步骤。
[0030]本专利技术提供的检测方法、装置、设备和计算机存储介质，通过获取待检测者的音频数据，对所述音频数据进行预处理后，将预处理后的音频数据输入预设神经网络中，从而得到所述预设神经网络模型输出的检测结果，通过采用预设神经网络模型对待检测者的音频数据进行处理，解决了现有技术中检测过程繁琐导致不能实时检测的问题，提高了检测效率。
附图说明
[0031]图1为本专利技术实施例涉及的检测设备结构示意图；
[0032]图2为本专利技术检测方法的第一实施例的流程示意图；
[0033]图3为本专利技术检测方法的第二实施例的流程示意图；
[0034]图4为本专利技术检测方法的第三实施例的流程示意图；
[0035]图5为本专利技术检测方法的第四实施例的流程示意图；
[0036]图6为本专利技术检测方法的第五实施例的流程示意图；
[0037]图7为本专利技术检测装置的结构示意图；
[0038]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0039]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0040]本申请为解决现有技术中检测过程繁琐导致不能实时检测的问题，通过获取待检
测者的音频数据，将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到，获取所述预设神经网络模型输出的检测结果的技术方案，实现根据预设神经网络模型快速获得检测结果的目的，提高检测效率。
[0041]为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
[0042]如图1所示，图1为本专利技术实施例方案涉及的硬件运行环境的结构示意图。
[0043]需要说明的是，图1即可为检测设备的硬件运行环境的架构示意图。
[0044]如图1所示，该检测设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Di sp l ay)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI
‑
FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(NoN
‑
volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置，所述检测设备还包括拾音器、音频处理器。
[0045]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测方法，其特征在于，所述检测方法应用于检测装置；所述方法包括：获取待检测者的音频数据；将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；获取所述预设神经网络模型输出的检测结果。2.如权利要求1所述的检测方法，其特征在于，所述将所述音频数据输入预设神经网络模型的步骤之前，包括：获取预设咳嗽音频数据，并搭建初始预设神经网络模型；根据所述预设咳嗽音频数据生成咳嗽音频数据集；根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型。3.如权利要求2所述的检测方法，其特征在于，所述根据所述预设咳嗽音频数据生成咳嗽音频数据集的步骤包括：对所述预设咳嗽音频数据进行预处理，得到咳嗽音频数据集，其中，所述预处理的过程依次包括：预加重处理、分帧处理、加窗处理、傅里叶变换、梅尔滤波、对数能量计算以及离散余弦变换。4.如权利要求2所述的检测方法，其特征在于，所述初始神经网络模型包括第一神经网络模型以及第二神经网络模型；所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤包括：根据所述咳嗽音频数据集与所述第一神经网络模型得到音频特征；根据所述音频特征与所述第二神经网络模型训练得到预设神经网络模型。5.如权利要求4所述的检测方法，其特征在于，所述音频特征至少包括：声音情感特征、呼吸道生物特征以及声带生物特征。6.如权利要求2所述的检测方法，其特征在于，所述根据所述初始神经网络...

【专利技术属性】
技术研发人员：高贵锋，于力伟，崔丹，王瑞强，何杨，饶青超，陈文福，
申请(专利权)人：深圳市安保科技有限公司，
类型：发明
国别省市：