本发明专利技术涉及人工智能以及数字医疗领域，公开了一种基于语音的疾病预警方法、装置、设备及存储介质。本方法包括：对收集的目标语音数据进行切片处理，得到语音片段；对语音片段进行编码转换，得到语音片段的语义特征编码信息；将语义特征编码信息输入预置意图识别模型进行特征提取，得到语义特征编码信息对应的目标语义特征和上下文语义特征；将目标语义特征和上下文语义特征输入意图识别模型的特征融合层进行特征融合，得到待分类特征，并将待分类特征输入分类器进行意图预测，根据预测结果对用户进行阿尔兹海默症预警。本发明专利技术可以根据预测结果筛查早期的阿尔兹海默症潜在患者，进行阿尔兹海默症的预警。行阿尔兹海默症的预警。行阿尔兹海默症的预警。
【技术实现步骤摘要】
基于语音的疾病预警方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能以及数字医疗
，尤其涉及一种基于语音的疾病预警方法、装置、设备及存储介质。
技术介绍
[0002]阿尔兹海默症(AD)是一种常见于老年人的神经退行性疾病，其主要病理变化时大脑皮质弥散性萎缩，神经原纤维缠结和神经细胞间大量老年斑形成等，以进行性认知障碍和记忆功能减退为主要临床症状。阿尔兹海默症的确切发病机制尚不明确，通常认为是老化、遗传和环境多种因素的共同结果，目前有多种学说，其中影响较广的是β类淀粉样蛋白级联假说。
[0003]阿尔兹海默症的病程是一个不可逆的过程，迄今为止没有有效的治疗药物和手段，因此与癌症一样，阿尔兹海默症的治疗关键是早期诊断，并在疾病早期对阿尔兹海默症进行干预和延缓。迄今为止尚未有一种足够准确的方法可以预测痴呆并早期诊断，现阶段的主要诊断方法是联合诊断。目前用于辅助AD诊断的生物标志物主要分两大类：体液标志物和影像标志物，需要在医院由专业医生指导完成评测，时间周期较长。因此，如何根据采集的用户语音数据进行预处理，得到的语义和语速等重要指标信息，对阿尔兹海默症的患病风险预警和进行早期筛查及预防是本领域技术人员需要解决的技术问题。
技术实现思路
[0004]本专利技术的主要目的在于基于深度学习对用户语音和语义进行分析来预测患有阿尔兹海默症的风险等级方法，提高预测效率。
[0005]本专利技术第一方面提供了一种基于语音的疾病预警方法，包括：收集用户的原始语音数据，并对所述原始语音数据进行采样，得到目标语音数据；对所述目标语音数据进行切片处理，得到预设数量个语音片段；将所述预设数量个语音片段输入预置深度学习语言模型进行编码转换，得到所述语音片段的语义特征编码信息；将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征；基于所述目标语义特征，利用所述意图识别模型中的第二Transformer网络提取上下文特征，得到对应的上下文语义特征；将所述目标语义特征和所述上下文语义特征输入所述第二Transformer网络的特征融合层进行特征融合，得到待分类特征，并将所述待分类特征输入预设分类器进行意图预测，得到预测结果。
[0006]可选地，在本专利技术第一方面的第一种实现方式中，所述对所述目标语音数据进行切片处理，得到预设数量个语音片段包括：生成所述目标语音数据的波形图；根据所述波形图中的语音波形，确定所述目标语音数据中的停顿；根据所述目标语音数据中的停顿，对所述目标语音数据分割，得到预设数量个语音片段。
[0007]可选地，在本专利技术第一方面的第二种实现方式中，所述根据所述目标语音数据中
的停顿，对所述目标语音数据分割，得到预设数量个语音片段包括：基于语音识别技术对所述目标语音数据进行识别，以生成所述目标语音数据对应的模糊文本；调用预置分词算法对所述目标语音数据对应的模糊文本进行分词；根据所述目标语音数据中的停顿和分词结果，对所述目标语音数据进行分割，得到预设数量个语音片段。
[0008]可选地，在本专利技术第一方面的第三种实现方式中，在所述将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征之前，还包括：构建初始意图识别模型，获取训练样本集，并将所述设训练样本集中的每个样本文本输入所述初始意图识别模型；根据每个所述样本文本对应的每个样本文本区域的样本区域向量、样本区域拼音向量以及样本区域标签向量，通过所述初始意图识别模型，确定所有所述样本文本的预测意图值；基于所有所述样本文本的预测意图值以及所有样本文本的真实意图值，计算所述初始意图识别模型的损失值；在所述损失值未达到预设的收敛条件时，更新迭代所述初始意图识别模型的第一初始参数，直至所述损失值达到所述预设的收敛条件时，得到目标意图识别模型，其中，所述意图识别模型包括第一Transformer网络、第二Transformer网络、分别连接所述第一Transformer网络和所述第二Transformer网络的特征融合层以及连接所述特征融合层的分类器。
[0009]可选地，在本专利技术第一方面的第四种实现方式中，所述将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征包括：将所述语义特征编码信息与一预设标识符进行拼接，得到第一拼接字符串；对所述第一拼接字符串中每一字符进行向量转化，得到第一初始向量；采用所述第一自注意力模块对所述第一初始向量进行处理，得到所述第一自注意力模块输出的第一中间向量；对所述第一中间向量进行线性加权以及归一化处理，得到第一目标向量；将所述第一目标向量中所述预设标识符对应的行向量作为所述目标语义特征。
[0010]可选地，在本专利技术第一方面的第五种实现方式中，所述基于所述目标语义特征，利用所述意图识别模型中的第二Transformer网络提取上下文特征，得到对应的上下文语义特征包括：将所述目标语义特征与所述预设标识符对应的标识向量进行拼接，得到拼接向量；采用所述第二自注意力模块对所述拼接向量进行处理，得到所述第二自注意力模块输出的注意力向量；对所述注意力向量进行线性加权以及归一化处理，得到归一化向量；从所述归一化向量中获取与预设标识符对应的行向量，并将所述行向量作为所述目标语义特征对应的上下文语义特征。
[0011]可选地，在本专利技术第一方面的第六种实现方式中，在所述将所述目标语义特征和所述上下文语义特征输入所述第二Transformer网络的特征融合层进行特征融合，得到待分类特征，并将所述待分类特征输入预设分类器进行意图预测，得到预测结果之后，还包括：根据所述预测结果触发预设语音系统，对所述用户进行通知。
[0012]本专利技术第二方面提供了一种基于语音的疾病预警装置，包括：采样模块，用于收集用户的原始语音数据，并对所述原始语音数据进行采样，得到目标语音数据；切片模块，用于对所述目标语音数据进行切片处理，得到预设数量个语音片段；编码转换模块，用于将所述预设数量个语音片段输入预置深度学习语言模型进行编码转换，得到所述语音片段的语
义特征编码信息；第一特征提取模块，用于将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征；第二特征提取模块，用于基于所述目标语义特征，利用所述意图识别模型中的第二Transformer网络提取上下文特征，得到对应的上下文语义特征；特征融合模块，用于将所述目标语义特征和所述上下文语义特征输入所述第二Transformer网络的特征融合层进行特征融合，得到待分类特征，并将所述待分类特征输入预设分类本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于语音的疾病预警方法，其特征在于，所述基于语音的疾病预警方法包括：收集用户的原始语音数据，并对所述原始语音数据进行采样，得到目标语音数据；对所述目标语音数据进行切片处理，得到预设数量个语音片段；将所述预设数量个语音片段输入预置深度学习语言模型进行编码转换，得到所述语音片段的语义特征编码信息；将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征；基于所述目标语义特征，利用所述意图识别模型中的第二Transformer网络提取上下文特征，得到对应的上下文语义特征；将所述目标语义特征和所述上下文语义特征输入所述第二Transformer网络的特征融合层进行特征融合，得到待分类特征，并将所述待分类特征输入预设分类器进行意图预测，得到预测结果。2.根据权利要求1所述的基于语音的疾病预警方法，其特征在于，所述对所述目标语音数据进行切片处理，得到预设数量个语音片段包括：生成所述目标语音数据的波形图；根据所述波形图中的语音波形，确定所述目标语音数据中的停顿；根据所述目标语音数据中的停顿，对所述目标语音数据分割，得到预设数量个语音片段。3.根据权利要求2所述的基于语音的疾病预警方法，其特征在于，所述根据所述目标语音数据中的停顿，对所述目标语音数据分割，得到预设数量个语音片段包括：基于语音识别技术对所述目标语音数据进行识别，以生成所述目标语音数据对应的模糊文本；调用预置分词算法对所述目标语音数据对应的模糊文本进行分词；根据所述目标语音数据中的停顿和分词结果，对所述目标语音数据进行分割，得到预设数量个语音片段。4.根据权利要求1所述的基于语音的疾病预警方法，其特征在于，在所述将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对应的目标语义特征之前，还包括：构建初始意图识别模型，获取训练样本集，并将所述设训练样本集中的每个样本文本输入所述初始意图识别模型；根据每个所述样本文本对应的每个样本文本区域的样本区域向量、样本区域拼音向量以及样本区域标签向量，通过所述初始意图识别模型，确定所有所述样本文本的预测意图值；基于所有所述样本文本的预测意图值以及所有样本文本的真实意图值，计算所述初始意图识别模型的损失值；在所述损失值未达到预设的收敛条件时，更新迭代所述初始意图识别模型的第一初始参数，直至所述损失值达到所述预设的收敛条件时，得到目标意图识别模型，其中，所述意
图识别模型包括第一Transformer网络、第二Transformer网络、分别连接所述第一Transformer网络和所述第二Transformer网络的特征融合层以及连接所述特征融合层的分类器。5.根据权利要求1所述的基于语音的疾病预警方法，其特征在于，所述将所述语义特征编码信息输入预置的意图识别模型中，经所述意图识别模型中的第一Transformer网络提取所述语义特征编码信息中的目标特征，得到所述语义特征编码信息对...
【专利技术属性】
技术研发人员：高良心，叶苓，黄凌云，刘玉宇，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。