基于语音特征的阿尔茨海默病预测方法和装置制造方法及图纸

本发明专利技术提供一种基于语音特征的阿尔茨海默病预测方法和装置。根据实施例的阿尔茨海默病预测装置包括：语音输入部，被配置为录制受试者的语音，以生成语音样本；数据输入部，被配置为接收所述受试者的人口统计信息；语音特征提取部，从生成的所述语音样本中提取语音特征；以及预测模型，以能够基于所述语音特征和所述人口统计信息预测所述受试者是否患有阿尔茨海默病的方式预先学习。尔茨海默病的方式预先学习。尔茨海默病的方式预先学习。

【技术实现步骤摘要】
【国外来华专利技术】基于语音特征的阿尔茨海默病预测方法和装置


[0001]本专利技术涉及一种作为用于诊断阿尔茨海默病(Alzheimer'sdisease，AD)的方法，该疾病在痴呆症的致病性疾病中占最高比例，通过使用患者的语音的非侵入性方法来帮助医务人员判断是否患有阿尔茨海默病的方法，可以提供一种能够通过非侵入性方法预测具有高痴呆风险的人由于阿尔茨海默氏病引起的痴呆状态的方法和装置。

技术介绍

[0002]AI扬声器的使用比例随着第四产业逐渐增加，但是至今尚未对大众普及。有关AI扬声器的普及滞后的原因有很多，但大多数消费者认为AI扬声器的内容不够丰富。即，需要开发使用AI扬声器的各种内容。
[0003]其中，AI扬声器和和医疗保健行业被公认为兼顾盈利和公益的“一石二鸟”，国内外许多研究团队正在使用AI扬声器开发与医疗保健相关的各种内容。
[0004]截至2000年，韩国65岁以上的老年人口占总人口的7.1％，预计到2026年将超过20％。以具有典型的老年病痴呆症为例，2000年统计为28万名，占65岁以上老年人的8.3％，预计2010年将达到43万名，占老年人总数的8.6％，并呈现上升趋势。由于随着老年人口的增加预期寿命增加，痴呆症的患病率呈现出稳步上升的趋势。
[0005]阿尔茨海默病(Alzheimer's disease，AD)是最常见的致病性疾病，约占所有痴呆症的70％，预计2020年将有约60万名阿尔茨海默病患者出现。阿尔茨海默病是一种典型的退行性痴呆疾病，它通过大脑神经细胞的退化导致认知功能和日常生活能力下降，是一种导致死亡的破坏性疾病，不仅给患者带来痛苦,而且给照顾患者的家人带来痛苦。由于阿尔茨海默病是一种不可逆转的疾病，尚未开发出可治愈的治疗方法，因此对阿尔茨海默病进行早期诊断和早期干预是目前最好的解决方案。随着阿尔茨海默病患病率增加，人民保健和医疗费用支出方面也受到了巨大影响。
[0006]语音和语言障碍是由于认知功能和神经退化引起的痴呆症的伴随症状之一，经常被用作区分正常衰老和导致痴呆症的疾病的标准，并且经常作为早期症状的标志物出现。为此，在自动语音识别的研究中，正在进行各种研究以发现用于诊断痴呆症的语音和语言标记。典型地，主要进行来自DementiaBank的Pitt语料库(corpus)的数据(例如，Cookie窃取插图)预测痴呆症的研究。
[0007]考虑到用于准确诊断阿尔茨海默病(一种典型的导致痴呆症的疾病)的脑脊液检查或正电子发射断层扫描(Positron emission tomograph，PET)被专科医生限制在特定的空间和时间，需要一种可以使用AI扬声器和智能设备预测对话受试者是否患有阿尔茨海默病的方法和装置。

技术实现思路

[0008]本专利技术要解决的技术问题
[0009]本专利技术涉及一种利用语音的声学特征诊断阿尔茨海默病的方法，通过语音识别麦
克风并使用AI扬声器或智能设备来收集对话受试者的应答，从而能够预测对话受试者是否患有阿尔茨海默病和可能性方法和装置。
[0010]技术方案
[0011]根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测装置包括：语音输入部，被配置为录制受试者的语音，以生成语音样本；数据输入部，被配置为接收所述受试者的人口统计信息；语音特征提取部，被配置为从生成的所述语音样本中提取语音特征；以及预测模型，以能够基于所述语音特征和所述人口统计信息预测所述受试者是否患有阿尔茨海默病的方式预先学习。
[0012]根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测方法包括以下步骤：录制受试者的语音，以生成语音样本；接收所述受试者的人口统计信息；从生成的所述语音样本中提取语音特征；以及将所述语音特征和所述人口统计信息输入到预先学习的预测模型，预测所述受试者是否患有阿尔茨海默病。
[0013]根据本专利技术的实施例的记录介质是一种存储计算机可读指令的计算机可读记录介质，当所述指令由至少一个处理器执行时，使所述至少一个处理器执行以下步骤：录制受试者的语音，以生成语音样本；接收所述受试者的人口统计信息；从生成的所述语音样本中提取语音特征；将所述语音特征和所述人口统计信息输入到预先学习的预测模型，预测所述受试者是否患有阿尔茨海默病。
[0014]有益效果
[0015]根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测方法和装置是一种利用AI扬声器和智能设备来预测对话受试者是否患有阿尔茨海默病的方法和装置，有望帮助克服伴随现有的检查的时间、空间、资源上的限制，可以支援医务人员诊断阿尔茨海默病。
[0016]通过利用本专利技术提供的语音的声学特征的阿尔茨海默病风险度预测，可以支持为不断增加的痴呆人群制定适当的干预计划。
附图说明
[0017]图1是示出了根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测装置的配置的框图。
[0018]图2示例性示出了根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测装置的操作过程。
[0019]图3是示出了根据本专利技术的实施例的基于语音特征的阿尔茨海默病预测方法的顺序的框图。
[0020]图4是示出了考虑到人口统计学和语音特征的阿尔茨海默病预测结果的图表。
具体实施方式
[0021]下面将结合附图对本专利技术的优选实施例进行描述。参考附图中示出的实施例说明了本专利技术，但仅是作为一个实施例进行了说明，并不会因此而限制本专利技术的技术思想、其核心构成及作用。
[0022]图1是示出本专利技术的实施例的阿尔茨海默病预测装置的配置的框图。图2示例性示出了根据本专利技术的实施例的阿尔茨海默病预测装置的操作过程。
[0023]参见图1和图2，根据本专利技术的实施例的阿尔茨海默病预测装置10包括语音输入部100、数据输入部110、语音特征提取部120、预测模型130和数据存储部140。
[0024]阿尔茨海默病预测装置10可以具有完全是硬件或具有部分是硬件、部分是软件的方面。例如，本说明书的阿尔茨海默病预测装置10和包括在其中的各部分可以统称为用于以电子通信方式发送和接收具有特定形式和内容的数据的装置和与此相关的软件。本说明书中的“部”、“模块(module)”、“服务器(server)”、“装置”、“设备”或“终端”等术语是指硬件和由相应硬件驱动的软件的组合。例如，这里的硬件可以是包括CPU或其他处理器(processor)的数据处理设备。另外，由硬件驱动的软件可以是指执行中的程序、受试者(object)、执行文件(executable)、执行线程(thread of execution)、程序(program)等。
[0025]另外，构成阿尔茨海默病预测装置10的每个模块不一定旨在指代物理上区分的单独的组件。在图1中，语音输入部100、数据输入部110、语音特征提取部120、预测模型130和数据存储部140被示为彼此区分的单独的块，但这是将构成阿尔茨海默病预测装置10的装置仅在功能上由相应装置执行的操作划分的。因此，根据实施例，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种阿尔茨海默病预测装置，其特征在于，包括：语音输入部，被配置为录制受试者的语音，以生成语音样本；数据输入部，被配置为接收所述受试者的人口统计信息；语音特征提取部，从生成的所述语音样本中提取语音特征；以及预测模型，以能够基于所述语音特征和所述人口统计信息预测所述受试者是否患有阿尔茨海默病的方式预先学习。2.根据权利要求1所述的阿尔茨海默病预测装置，其特征在于，所述人口统计信息包括受试者的年龄、性别和受教育年限。3.根据权利要求1所述的阿尔茨海默病预测装置，其特征在于，所述语音特征提取部提取语音的基频、发声速度、发声时间、发声长度、停顿程度、停顿次数、停顿区间长度、振幅微扰、抖动、共振峰、谐波噪声比、响度、频谱质心梅尔频率倒谱系数、身份向量、发音速度、过零率、发音概率、线谱对、周期扰动、振幅扰动商、劲度、能量、强度(声音大小)、熵中的至少一种作为所述语音特征。4.根据权利要求3所述的阿尔茨海默病预测装置，其特征在于，所述语音特征提取部包括人工神经网络模型，所述人工神经网络模型执行从所述语音样本筛选人的语音的预处理，所述语音特征提取部从预处理的语音样本提取所述语音特征。5.根据权利要求1所述的阿尔茨海默病预测装置，其特征在于，所述预测模型包括线性回归模型、逻辑回归模型、机器学习模型和神经网络模型中的至少一种分析模型。6.根据权利要求5所述的阿尔茨海默病...

【专利技术属性】
技术研发人员：李准荣，高炫雄，
申请(专利权)人：伊莫克有限公司，
类型：发明
国别省市：