【技术实现步骤摘要】
本专利技术涉及个人健康风险评估，具体涉及一种基于深度学习的精神分裂症语音检测方法及系统。
技术介绍
1、精神分裂症是一种慢性神经退化性障碍，具有复发率高、致残率高等特点，常伴随患者终生，严重损害了患者的生活质量和社会认知，其主要临床表现包含幻听、妄想、言语(思维)紊乱、行为异常、阴性症状(如语言贫乏、情感淡漠等)。若能在精神症状发作的早期采取合理有效的自动检测手段，及时加以干预治疗，将有助于改善患者的病况。
2、目前精神分裂症的临床诊断和监测评估的方法主要有以下几种方式：一是脑影像学方法，通过功能核磁共振(functional nuclear magnetic resonance，fmri)诊断脑实质及脑功能的改变，但仪器操作复杂，检测费用高昂，且缺乏客观的生物学标记；二是脑电信号方法，但α波、β波均无特异性，对诊断的价值有限；三是视频分析方法，相比于正常人，精神分裂症患者具有更少的身体运动和更呆滞的面部表情，可以通过分析提取受试者的表情动作特征实现自动检测，但目前的研究瓶颈在于缺乏统一的实验范式，尚处于起步阶段，未达到临床...
【技术保护点】
1.一种基于深度学习的精神分裂症语音检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的精神分裂症语音检测方法，其特征在于，对所述多尺度多头精神分裂症语音检测模型的优化函数进行范数优化，所述范数的具体公式为：
3.根据权利要求2所述的基于深度学习的精神分裂症语音检测方法，其特征在于，所述优化函数采用RMSProp算法，根据学习率和修正矩阵偏差更新所述RMSProp算法的参数变化量，所述参数变化量更新的具体公式为：
4.根据权利要求3所述的基于深度学习的精神分裂症语音检测方法，其特征在于，所述一阶修正偏差的具体公式为：
5.根...
【技术特征摘要】
1.一种基于深度学习的精神分裂症语音检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的精神分裂症语音检测方法，其特征在于，对所述多尺度多头精神分裂症语音检测模型的优化函数进行范数优化，所述范数的具体公式为：
3.根据权利要求2所述的基于深度学习的精神分裂症语音检测方法，其特征在于，所述优化函数采用rmsprop算法，根据学习率和修正矩阵偏差更新所述rmsprop算法的参数变化量，所述参数变化量更新的具体公式为：
4.根据权利要求3所述的基于深度学习的精神分裂症语音检测方法，其特征在于，所述一阶修正偏差的具体公式为：
5.根据权利要求1所述的基于深度学习的精神分裂症语音检测方法，其特征在于，...
【专利技术属性】
技术研发人员：赵玉丽，梁伟业，杨敬铭，范宁，赵文暄，
申请(专利权)人：北京回龙观医院北京心理危机研究与干预中心，
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。