基于多源深度域泛化的帕金森病语音识别系统技术方案

本发明专利技术公开了一种基于多源深度域泛化的帕金森病(PD)语音识别系统，包括数据采集器、特征提取模块、域对抗模块、分类器模块和输出模块。其中，数据采集器，用于获取目标PD语音数据和多源辅助域PD语音数据，多源辅助域PD语音数据均包含代表帕金森病况的标签信息，目标PD语音数据中均不包含代表帕金森病况的标签信息；特征提取模块，用于利用深度学习网络提取多源辅助域PD语音数据中的内在不变特征，消除多个源域PD语音数据之间的分布差异；域对抗模块，用于利用对抗思想设计神经网络，协助特征提取模块更好的提取多源辅助域PD语音数据与目标域PD语音数据中的共有的内在不变特征；分类器模块，用于对目标PD语音数据进行标签预测，所述分类器模块由多源辅助域PD语音数据经特征提取模块获得共有的内在不变特征数据训练得到；输出模块，用于输出分类器模块对目标PD语音数据的标签预测结果。本发明专利技术采用无监督学习，不仅明显提升目标语种PD语音识别精度，还可为其他语种PD语音识别提供参考。

【技术实现步骤摘要】

：本专利技术涉及智慧医疗技术，具体地说，是一种基于多源深度域泛化的帕金森病语音识别系统。

技术介绍

0、
技术介绍
：

1、帕金森病(pd)是一种多发于老年人的神经系统变性疾病，严重影响老年人群的晚年幸福。帕金森病不可治愈且具有不可逆性，只能通过早诊早治延缓病程。因此，帕金森病的早诊早治尤为重要。

2、构音障碍是pd的早期症状之一，由于其数据采集方便且无损，目前已经被广泛运用于pd的早期诊断。然而，受限于pd语音数据集的高混叠、小样本特性，使得传统的机器学习方法在pd语音识别上的性能较为有限。如何提升pd语音识别的准确率已成为相关领域学者或研究人员面临的关键科学问题。

3、针对pd语音样本的数据特性给机器学习方法带来的挑战，解决的主要思路是迁移学习。迁移学习利用单个或多个其他pd语音数据(以下称为“源域”)向目标pd语音数据(以下称为“目标域”)进行样本或知识迁移，进而提升目标域pd语音数据的模型训练效果，提升pd诊断的准确率。

4、迁移学习打破了目标域数据“量”的限制，利用源域数据中与目标域数据共同知识，协助模本文档来自技高网...

【技术保护点】

1.一种基于多源深度域泛化的帕金森病语音识别系统，其特征在于，包括：

2.根据权利要求1所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于多源辅助域PD语音数据中的内在不变特征的提取包括正向信号传递和反向误差传播两个过程。

3.根据权利要求2所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于协助多源辅助域PD语音数据中的内在不变特征提取的域对抗模块的正向信号传递和反向误差传播共有两条独立的路径。

4.根据权利要求3所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于度量多源辅助域与目标域之间的分布差异，在本系统中...

【技术特征摘要】

1.一种基于多源深度域泛化的帕金森病语音识别系统，其特征在于，包括：

2.根据权利要求1所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于多源辅助域pd语音数据中的内在不变特征的提取包括正向信号传递和反向误差传播两个过程。

3.根据权利要求2所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于协助多源辅助域pd语音数据中的内在不变特征提取的域对抗模块的正向信号传递和反向误差传播共有两条独立的路径。

4.根据权利要求3所述的基于多源深度域泛化的帕金森病语音识别系统，其特征在于，对于度量多源辅助域与目标域之间的分布差异，在本系统中采用最大均值差异(mmd)。mmd的计算公式可表示为：

5.根据权利要求4所述的基于多源深度域泛化的帕金森病语音识别系统，其特征...

【专利技术属性】
技术研发人员：刘玉川，李连志，饶渔，李浩，
申请(专利权)人：重庆科技大学，
类型：发明
国别省市：