呼吸道健康状态评估方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，提供了一种呼吸道健康状态评估方法、装置、电子设备及计算机可读存储介质，方法包括：获取待评估的呼吸道语音信号集；对呼吸道语音信号集进行第一预处理得到语音数据集；对语音数据集进行第一特征提取得到第一梅尔频谱图；将第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果。通过上述技术方案，能够快速地评估待检查人员的呼吸道的健康状况，提高了初步检查的效率。提高了初步检查的效率。提高了初步检查的效率。

【技术实现步骤摘要】
呼吸道健康状态评估方法、装置、电子设备及存储介质


[0001]本申请实施例涉及但不限于人工智能
，尤其涉及一种呼吸道健康状态评估方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着经济的不断发展，科技的不断进步，人们的生活水平也在不断地提升，人们也越来越关注自身的健康状况；为了给自身和家人带来保障，人们也越来越热衷于购买保险，在购买保险的过程中往往需要进行健康检查；在进行呼吸道检查的过程中往往需要进行验血和拍片，这样就会给待检查人员带来了不适感，并且检查的效率较低。

技术实现思路

[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]为了解决上述
技术介绍
中提到的问题，本申请实施例提供了一种呼吸道健康状态评估方法、装置、电子设备及计算机可读存储介质，能够快速地评估待检查人员的呼吸道的健康状况，提高了初步检查的效率。
[0005]第一方面，本申请实施例提供了一种呼吸道健康状态评估方法，所述方法包括：
[0006]获取待评估的呼吸道语音信号集；
[0007]对所述呼吸道语音信号集进行第一预处理得到语音数据集；
[0008]对所述语音数据集进行第一特征提取得到第一梅尔频谱图；
[0009]将所述第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果；
[0010]其中，所述深度学习评估网络模型包括残差神经网络模型、双向长短时记忆神经网络模型和全连接神经网络模型，所述深度学习评估网络模型的训练过程如下：
[0011]获取训练梅尔频谱图，其中，所述训练梅尔频谱图携带有标注信息；
[0012]将所述训练梅尔频谱图输入至所述残差神经网络模型进行第二特征提取，得到第一语音特征；
[0013]将所述语音特征输入至所述双向长短时记忆神经网络模型进行第三特征提取，得到第二语音特征；
[0014]将所述第一语音特征和所述第二语音特征输入至所述全连接神经网络模型进行预测处理，得到训练评估信息；
[0015]根据所述训练评估信息与所述标注信息确定损失值；
[0016]基于所述损失值对所述全连接神经网络模型、所述双向长短时记忆神经网络模型和所述残差神经网络模型进行训练处理。
[0017]根据本申请的一些实施例，所述对所述呼吸道语音信号集进行第一预处理得到语音数据集，包括：
[0018]对所述呼吸道语音信号集进行预加重处理得到第一语音处理信号集；
[0019]对所述第一语音处理信号集进行滤波处理得到第二语音处理信号集；
[0020]对所述第二语音处理信号集进行加窗分帧处理得到所述语音数据集。
[0021]根据本申请的一些实施例，所述对所述语音数据集进行第一特征提取得到第一梅尔频谱图，包括：
[0022]对所述语音数据集进行快速傅里叶变换得到第一语音频谱信号；
[0023]对所述第一语音频谱信号取绝对值得到第二语音频谱信号；
[0024]对所述第二语音频谱信号进行梅尔滤波处理得到所述第一梅尔频谱图。
[0025]根据本申请的一些实施例，所述呼吸道语音信号集包括咳嗽语音信号、呼吸语音信号和说话语音信号，所述第一梅尔频谱图包括第一梅尔频谱子图、第二梅尔频谱子图和第三梅尔频谱子图，所述第一梅尔频谱子图基于所述咳嗽语音信号而得到，所述第二梅尔频谱子图基于所述呼吸语音信号而得到，所述第三梅尔频谱子图基于所述说话语音信号而得到，所述将所述第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果，包括：
[0026]将所述第一梅尔频谱子图、所述第二梅尔频谱子图和所述第三梅尔频谱子图分别输入至所述残差神经网络模型进行第二特征提取，得到与所述第一梅尔频谱子图对应的第一语音子特征、与所述第二梅尔频谱子图对应的第二语音子特征以及与所述第三梅尔频谱子图对应的第三语音子特征；
[0027]将所述第一语音子特征、所述第二语音子特征和所述第三语音子特征进行串联处理，得到多模态输入语音向量；
[0028]将所述多模态输入语音向量输入至所述双向长短时记忆神经网络模型进行第三特征提取，得到第三语音特征；
[0029]将所述第一语音子特征、所述第二语音子特征、所述第三语音子特征和所述第三语音特征输入至所述全连接神经网络模型进行预测处理，得到所述呼吸道健康状态评估结果。
[0030]根据本申请的一些实施例，所述残差神经网络模型包括输入模块、残差特征提取模块和输出模块，所述将所述训练梅尔频谱图输入至所述残差神经网络模型进行第二特征提取，得到第一语音特征，包括：
[0031]将所述训练梅尔频谱输入至所述输入模块进行第二预处理得到中间特征图；
[0032]将所述中间特征图输入至所述残差特征提取模块进行第四特征提取得到特征提取图；
[0033]将所述特征提取图输入至所述输出模块进行降维处理得到所述第一语音特征。
[0034]根据本申请的一些实施例，所述输入模块包括卷积层和最大池化层，所述将所述训练梅尔频谱输入至所述输入模块进行第二预处理得到中间特征图，包括：
[0035]将所述训练梅尔频谱输入至所述卷积层进行卷积处理得到第一特征图；
[0036]将所述第一特征图输入至所述最大池化层进行池化处理得到所述中间特征图。
[0037]根据本申请的一些实施例，所述输出模块包括平均池化层和全连接层，所述将所述特征提取图输入至所述输出模块进行降维处理得到所述第一语音特征，包括：
[0038]将所述特征提取图输入至所述平均池化层进行下采样处理得到第二特征图；
[0039]将所述第二特征图输入至所述全连接层进行分类处理得到所述第一语音特征。
[0040]第二方面，本申请实施例还提供了一种呼吸道健康状态评估装置，所述装置包括：
[0041]第一处理模块，用于获取待评估的呼吸道语音信号集；
[0042]第二处理模块，用于对所述呼吸道语音信号集进行第一预处理得到语音数据集；
[0043]第三处理模块，用于对所述语音数据集进行第一特征提取得到第一梅尔频谱图；
[0044]第四处理模块，用于将所述第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果；
[0045]其中，所述深度学习评估网络模型包括残差神经网络模型、双向长短时记忆神经网络模型和全连接神经网络模型，所述深度学习评估网络模型的训练过程如下：
[0046]获取训练梅尔频谱图，其中，所述训练梅尔频谱图携带有标注信息；
[0047]将所述训练梅尔频谱图输入至所述残差神经网络模型进行第二特征提取，得到第一语音特征；
[0048]将所述语音特征输入至所述双向长短时记忆神经网络模型进行第三特征提取，得到第二语音特征；
[0049]将所述第一语音特征和所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种呼吸道健康状态评估方法，其特征在于，所述方法包括：获取待评估的呼吸道语音信号集；对所述呼吸道语音信号集进行第一预处理得到语音数据集；对所述语音数据集进行第一特征提取得到第一梅尔频谱图；将所述第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果；其中，所述深度学习评估网络模型包括残差神经网络模型、双向长短时记忆神经网络模型和全连接神经网络模型，所述深度学习评估网络模型的训练过程如下：获取训练梅尔频谱图，其中，所述训练梅尔频谱图携带有标注信息；将所述训练梅尔频谱图输入至所述残差神经网络模型进行第二特征提取，得到第一语音特征；将所述语音特征输入至所述双向长短时记忆神经网络模型进行第三特征提取，得到第二语音特征；将所述第一语音特征和所述第二语音特征输入至所述全连接神经网络模型进行预测处理，得到训练评估信息；根据所述训练评估信息与所述标注信息确定损失值；基于所述损失值对所述全连接神经网络模型、所述双向长短时记忆神经网络模型和所述残差神经网络模型进行训练处理。2.根据权利要求1所述的呼吸道健康状态评估方法，其特征在于，所述对所述呼吸道语音信号集进行第一预处理得到语音数据集，包括：对所述呼吸道语音信号集进行预加重处理得到第一语音处理信号集；对所述第一语音处理信号集进行滤波处理得到第二语音处理信号集；对所述第二语音处理信号集进行加窗分帧处理得到所述语音数据集。3.根据权利要求1所述的呼吸道健康状态评估方法，其特征在于，所述对所述语音数据集进行第一特征提取得到第一梅尔频谱图，包括：对所述语音数据集进行快速傅里叶变换得到第一语音频谱信号；对所述第一语音频谱信号取绝对值得到第二语音频谱信号；对所述第二语音频谱信号进行梅尔滤波处理得到所述第一梅尔频谱图。4.根据权利要求1所述的呼吸道健康状态评估方法，其特征在于，所述呼吸道语音信号集包括咳嗽语音信号、呼吸语音信号和说话语音信号，所述第一梅尔频谱图包括第一梅尔频谱子图、第二梅尔频谱子图和第三梅尔频谱子图，所述第一梅尔频谱子图基于所述咳嗽语音信号而得到，所述第二梅尔频谱子图基于所述呼吸语音信号而得到，所述第三梅尔频谱子图基于所述说话语音信号而得到，所述将所述第一梅尔频谱图输入至预训练的深度学习评估网络模型中进行评估处理，得到呼吸道健康状态评估结果，包括：将所述第一梅尔频谱子图、所述第二梅尔频谱子图和所述第三梅尔频谱子图分别输入至所述残差神经网络模型进行第二特征提取，得到与所述第一梅尔频谱子图对应的第一语音子特征、与所述第二梅尔频谱子图对应的第二语音子特征以及与所述第三梅尔频谱子图对应的第三语音子特征；将所述第一语音子特征、所述第二语音子特征和所述第三语音子特征进行串联处理，
得到多模态输入语音向量；将所述多模态输入语音向量输入至所述双向长短时记忆神经网络模型进行第三特征提取，得到第三语音特征；将所述第一语音子特征、所述第二语音子特征、所述第三语音子...

【专利技术属性】
技术研发人员：张旭龙，王健宗，程宁，赵金凤，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：