一种基于人工智能的沉浸式数智音乐治疗控制系统技术方案

本发明专利技术属于音乐治疗技术领域，公开了一种基于人工智能的沉浸式数智音乐治疗控制系统，所述基于人工智能的沉浸式数智音乐治疗控制系统包括：生理指数采集模块、主控模块、音乐选择模块、播放模块、音乐治疗模块、治疗效果评估模块、音乐推荐模块、显示模块。本发明专利技术通过播放模块可以实现科学有计划的音乐治疗，通过治疗音乐特征的提取以及治疗音乐情绪标记，可以给医生制定方案时提供更多可视化的参考标准，方便音乐治疗方案的确定；同时，通过音乐推荐模块根据患者历史日志，分析患者特性和患者收听歌曲的喜好类别，采用协同过滤融合算法产生推荐歌曲列表，推送推荐歌曲列表至患者。提高音乐推荐的准确性和可靠性。乐推荐的准确性和可靠性。乐推荐的准确性和可靠性。

【技术实现步骤摘要】
一种基于人工智能的沉浸式数智音乐治疗控制系统


[0001]本专利技术属于音乐治疗
，尤其涉及一种基于人工智能的沉浸式数智音乐治疗控制系统。

技术介绍

[0002]音乐治疗(MusicTherapy)是一门年轻的应用学科，涉及学科广泛，应用领域庞杂，流派思想丰富，因此由音乐治疗学的发展状况来说，并没有一个统一的学科定义标准。这是因为音乐治疗学毕竟是比较年轻的学科，还因为不同国家、不同民族的音乐治疗师，受不同的文化、历史、经济、政治、医疗条件等多方面因素的影响，加上各国专家开展音乐治疗的领域及治疗方法的不同，所以产生了不一致的定义。简单的说，音乐治疗就是运用一切音乐活动的各种形式，包括听、唱、演奏、律动等各种手段对人进行刺激与催眠并有声音激发身体反应，使人达到健康目的，然而，现有基于人工智能的沉浸式数智音乐治疗控制系统需要有专业人员进行实施，成本较高，且在专业音乐治疗匮乏的情况下，很难对被治疗者按时实施音乐治疗；同时，一般的音乐推荐方法普遍存在推荐精确度不高的问题。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)现有基于人工智能的沉浸式数智音乐治疗控制系统需要有专业人员进行实施，成本较高，且在专业音乐治疗匮乏的情况下，很难对被治疗者按时实施音乐治疗。
[0005](2)一般的音乐推荐方法普遍存在推荐精确度不高的问题。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种基于人工智能的沉浸式数智音乐治疗控制系统。
[0007]本专利技术是这样实现的，一种基于人工智能的沉浸式数智音乐治疗控制系统包括：
[0008]生理指数采集模块、主控模块、音乐选择模块、播放模块、音乐治疗模块、治疗效果评估模块、音乐推荐模块、显示模块；
[0009]生理指数采集模块，与主控模块连接，用于采集患者生理指数；
[0010]主控模块，与生理指数采集模块、音乐选择模块、播放模块、音乐治疗模块、治疗效果评估模块、音乐推荐模块、显示模块连接，用于控制各个模块正常工作；
[0011]音乐选择模块，与主控模块连接，用于选择治疗音乐；
[0012]播放模块，与主控模块连接，用于对音乐进行播放；
[0013]音乐治疗模块，与主控模块连接，用于通过音乐进行治疗；
[0014]治疗效果评估模块，与主控模块连接，用于对音乐治疗效果进行评估；
[0015]音乐推荐模块，与主控模块连接，用于推荐音乐进行治疗；
[0016]显示模块，与主控模块连接，用于显示生理指数、选择的音乐、评估结果、推荐的音乐；
[0017]所述播放模块播放方法如下：
[0018](1)获取音乐治疗师制定的音乐治疗方案，所述方案至少包括以下一项：治疗音乐列表、治疗周期、每次播放治疗音乐的音量、每次播放治疗音乐的时长；
[0019](2)将所述音乐治疗方案发送至音乐治疗设备端；接收所述音乐治疗设备端发送的音乐治疗事件标签，所述事件标签至少包括以下一项：每次播放治疗音乐的开始时间、播放治疗音乐的名称、播放治疗音乐的音量、播放治疗音乐的时长、结束播放时间；
[0020]比对所述事件标签与所述方案，当所述事件标签与所述方案内容存在差异时，生成预警信息。
[0021]进一步，所述播放方法还包括以下步骤：
[0022]获取音乐治疗师和/或用户上传的治疗音乐文件和所述治疗音乐文件对应的情感标签；
[0023]提取所述治疗音乐文件的特征信息，其中，所述特征信息包括以下至少一项：治疗音乐时长、节拍速度、节奏重拍、过零率、平均音高、平均曲调、频谱图、梅尔倒谱系数和MFCC特征矩阵；
[0024]当所述音乐治疗师和/或用户上传的治疗音乐文件未设置情感标签，将所述治疗音乐文件的特征信息输入训练好的CNN
‑
LSTM模型，得到所述治疗音乐文件对应的情感标签；
[0025]将所述音乐治疗师和/或用户上传的治疗音乐文件和所述治疗音乐文件的文件信息存储到数据库中，其中，所述文件信息包括以下至少一项：治疗音乐名字、治疗音乐时长、上传时间、情感标签、过零率、频谱图、MFCC特征矩阵。
[0026]进一步，所述将所述治疗音乐文件的特征信息输入训练好的CNN
‑
LSTM模型，得到所述治疗音乐文件对应的情感标签，包括：
[0027]将所述治疗音乐文件的时长进行归一化处理，得到标准时长的治疗音乐文件；
[0028]提取所述标准时长的治疗音乐文件的MFCC特征，得到MFCC特征矩阵，并将所述MFCC特征矩阵输入所述CNN
‑
LSTM模型的CNN网络层；
[0029]提取所述标准时长的治疗音乐文件的治疗音乐特征，并将所述治疗音乐特征输入所述CNN
‑
LSTM模型的LSTM网络层；其中，所述治疗音乐特征包括以下至少一项：节拍速度、节奏重拍、过零率、平均音高、平均曲调特征；
[0030]将所述CNN网络层和所述LSTM网络层的结果输入到所述CNN
‑
LSTM模型的线性层，所述线性层的输出经过softmax函数后得到分类概率分布，即所述治疗音乐文件对应的情感标签。
[0031]进一步，所述将所述治疗音乐文件的时长进行归一化处理，包括：
[0032]获取所述治疗音乐文件的时长Ta；
[0033]对于时长Ta大于6秒的治疗音乐，设置采样间隔为C＝Ta/6，对治疗音乐进行重新采样，每C个点采集一个点，得到长度为6秒的音频；
[0034]对于时长Ta大于3秒并小于6秒的治疗音乐，获取治疗音乐的时长Ta，计算缺少时间D＝6
‑
Ta，从头开始截取时长为D的音频补充到原音频后面，得到长度为6秒的音频。
[0035]进一步，所述提取所述标准时长的治疗音乐文件的MFCC特征，得到MFCC特征矩阵，包括：
[0036]使用librosa工具提取治疗音乐文件的MFCC特征；
[0037]设置采样率为22050，hop_lenth值为1040；
[0038]得到128*128的MFCC特征矩阵。
[0039]进一步，所述情感标签根据Russell的二维情感模型分为高兴、悲伤、沮丧、平静4个类别。
[0040]进一步，所述音乐推荐模块推荐方法如下：
[0041]1)获取患者历史日志，所述患者历史日志记录包括患者收听歌曲名称、患者所处地理位置信息、患者使用习惯信息、患者消费能力信息、患者个人喜好信息以及患者年龄信息；
[0042]2)根据所述患者历史日志，分析患者特性和预设音乐库中患者收听歌曲的喜好类别；根据所述患者特性和预设音乐库中患者收听歌曲的喜好类别，划分患者集合，构建有相同共性的患者群；分析患者所属患者群，采用协同过滤融合算法产生推荐歌曲列表；推送所述推荐歌曲列表。
[0043]进一步，所述根据所述患者历史日志，分析患者特性和预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的沉浸式数智音乐治疗控制系统，其特征在于，所述基于人工智能的沉浸式数智音乐治疗控制系统包括：生理指数采集模块、主控模块、音乐选择模块、播放模块、音乐治疗模块、治疗效果评估模块、音乐推荐模块、显示模块；生理指数采集模块，与主控模块连接，用于采集患者生理指数；主控模块，与生理指数采集模块、音乐选择模块、播放模块、音乐治疗模块、治疗效果评估模块、音乐推荐模块、显示模块连接，用于控制各个模块正常工作；音乐选择模块，与主控模块连接，用于选择治疗音乐；播放模块，与主控模块连接，用于对音乐进行播放；音乐治疗模块，与主控模块连接，用于通过音乐进行治疗；治疗效果评估模块，与主控模块连接，用于对音乐治疗效果进行评估；音乐推荐模块，与主控模块连接，用于推荐音乐进行治疗；显示模块，与主控模块连接，用于显示生理指数、选择的音乐、评估结果、推荐的音乐；所述播放模块播放方法如下：(1)获取音乐治疗师制定的音乐治疗方案，所述方案至少包括以下一项：治疗音乐列表、治疗周期、每次播放治疗音乐的音量、每次播放治疗音乐的时长；(2)将所述音乐治疗方案发送至音乐治疗设备端；接收所述音乐治疗设备端发送的音乐治疗事件标签，所述事件标签至少包括以下一项：每次播放治疗音乐的开始时间、播放治疗音乐的名称、播放治疗音乐的音量、播放治疗音乐的时长、结束播放时间；比对所述事件标签与所述方案，当所述事件标签与所述方案内容存在差异时，生成预警信息。2.如权利要求1所述基于人工智能的沉浸式数智音乐治疗控制系统，其特征在于，所述播放方法还包括以下步骤：获取音乐治疗师和/或用户上传的治疗音乐文件和所述治疗音乐文件对应的情感标签；提取所述治疗音乐文件的特征信息，其中，所述特征信息包括以下至少一项：治疗音乐时长、节拍速度、节奏重拍、过零率、平均音高、平均曲调、频谱图、梅尔倒谱系数和MFCC特征矩阵；当所述音乐治疗师和/或用户上传的治疗音乐文件未设置情感标签，将所述治疗音乐文件的特征信息输入训练好的CNN
‑
LSTM模型，得到所述治疗音乐文件对应的情感标签；将所述音乐治疗师和/或用户上传的治疗音乐文件和所述治疗音乐文件的文件信息存储到数据库中，其中，所述文件信息包括以下至少一项：治疗音乐名字、治疗音乐时长、上传时间、情感标签、过零率、频谱图、MFCC特征矩阵。3.如权利要求2所述基于人工智能的沉浸式数智音乐治疗控制系统，其特征在于，所述将所述治疗音乐文件的特征信息输入训练好的CNN
‑
LSTM模型，得到所述治疗音乐文件对应的情感标签，包括：将所述治疗音乐文件的时长进行归一化处理，得到标准时长的治疗音乐文件；提取所述标准时长的治疗音乐文件的MFCC特征，得到MFCC特征矩阵，并将所述MFCC特征矩阵输入所述CNN
‑
LSTM模型的CNN网络层；
提取所述标准时长的治疗音乐文件的治疗音乐特征，并将所述治疗音乐特征输入所述CNN
‑
LSTM模型的LSTM网络层；其中，所述治疗音乐特征包括以下至少一项：节拍速度、节奏重拍、过零率、平均音高、平均曲调特征；将所述CNN网络层和所述LSTM网络层的结果输入到所述CNN
‑
LSTM模型的线性层，所述线性层的输出经过softmax函数后得到分类概率分布，即所述治疗音乐文件对应的情感标签。4.如权利要求3所述基于人工智能的沉浸式数智音乐治疗控制系统，其特征在于，所述将所述治疗音乐文件的时长进行归一化处理，包括：获取所述治疗音乐文件的时长Ta；对于时长Ta大于6秒的治疗音乐，设置采样间隔为C＝Ta/6，对治疗音乐进行重新采样，每C个点采集一个点，得到长度为6秒的音频；对于时长Ta大于3秒并小于6秒的治疗音乐，获取治疗音乐的时长T...

【专利技术属性】
技术研发人员：曾联平，欧阳凌子，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：