【技术实现步骤摘要】
本申请涉及自然语音处理就，具体而言，涉及一种基于语音信号识别阿尔茨海默症患者的方法及装置。
技术介绍
1、相关技术中，基于神经影像学的智能辅助筛查阿尔茨海默症，基于神经影像学检查的诊断方法需要采集影响的设备，而采集影像的设备十分昂贵，无法大范围应用，因此，存在采集的阿尔茨海默症患者的影像数据不足，无法支撑基于神经影像学检测阿尔茨海默症的模型的训练，导致基于神经影像学的智能辅助筛查阿尔茨海默症时，检测结果不准确的问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种基于语音信号识别阿尔茨海默症患者的方法及装置，以至少解决相关技术中用于检测阿尔茨海默症的方法不支持大范围应用且检测结果不准确的技术问题。
2、根据本申请实施例的一个方面，提供了一种基于语音信号识别阿尔茨海默症患者的方法，包括：获取目标对象的语音信号，并采用第一模型提取并处理语音信号的浅层特征和深层特征，得到第一结果，采用第二模型对语音信号进行切分和处理，得到第二结果，采用第三模型对语音信号和文本信息进行处理，得到第三结果，其中，文本信息是对语音信号进行转录得到的，第一结果、第二结果和第三结果均用于指示目标对象是否为阿尔茨海默症患者；根据第一结果、第二结果和第三结果共同确定目标对象是否为阿尔茨海默症患者。
3、可选地，采用第一模型提取并处理语音信号的浅层特征和深层特征，得到第一结果，包括：提取语音信号的浅层特征，其中，浅层特征用于描述语音信号的声
4、可选地，根据第一类向量生成第二类向量，包括：对于第一类向量中的每个元素，确定元素与第一类向量中的其它元素的相似度，得到每个元素对应的多个相似度；确定每个相似度与元素的乘积，并将多个乘积的和确定用于替代元素的新元素；将由多个新元素组成的向量确定为第二类向量。
5、可选地，第二模型是通过以下方法训练得到的：获取语音片段，其中，语音片段是根据阿尔茨海默症患者的语音信号生成的；将语音片段按照顺序切分为多个短语音片段，其中，前一个短语音片段与后一个短语音片段的相似度大于或者等于预设相似度，每个短语音片段包含预设时长的语音信号；利用多个短语音片段对神经网络模型进行迭代训练，直到迭代次数达到预设次数，输出第二模型，其中，第二模型在训练过程中学习阿尔茨海默症患者的语音信号的语音特征。
6、可选地，采用第三模型对语音信号和文本信息进行处理，得到第三结果，包括：对语音信号进行语音处理，得到语音信号的语音特征，其中，语音特征包括：静默音的数量和静默音的比例，静默音是音量值小于预设音量值且持续时长小于预设时长的语音信号；将语音信号转换为文本，并对文本进行文本处理，得到第一类文本特征，其中，第一类文本特征包括：动词的数量、动词的比例、名词的数量、名词的比例、量词的数量、量词的比例、停顿词的数量；以及，在文本中提取第二类文本特征，其中，第二类文本特征用于指示语音信号的语义内容；将语音特征、第一类文本特征和第二类文本特征融合，得到融合结果；对融合结果进行分析处理，得到第三结果。
7、可选地，对语音信号进行语音处理，得到语音信号的语音特征，包括：确定每个静默音的时长，并确定多个静默音的时长的累加和；将累加和与语音信号的时长的比例确定为静默音的比例。
8、可选地，根据第一结果、第二结果和第三结果共同确定目标对象是否为阿尔茨海默症患者，包括：确定第一结果、第二结果和第三结果中指示目标对象是阿尔茨海默症患者的结果的第一数量，并确定第一结果、第二结果和第三结果中目标对象不是阿尔茨海默症患者的结果的第二数量；在第一数量大于第二数量的情况下，确定目标对象是阿尔茨海默症患者；在第一数量小于第二数量的情况下，确定目标对象不是阿尔茨海默症患者。
9、根据本申请实施例的另一方面，还提供了一种基于语音信号识别阿尔茨海默症患者的装置，包括：处理模块，用于获取目标对象的语音信号，并采用第一模型提取并处理语音信号的浅层特征和深层特征，得到第一结果，采用第二模型对语音信号进行切分和处理，得到第二结果，采用第三模型对语音信号和文本信息进行处理，得到第三结果，其中，文本信息是对语音信号进行转录得到的，第一结果、第二结果和第三结果均用于指示目标对象是否为阿尔茨海默症患者；确定模块，用于根据第一结果、第二结果和第三结果共同确定目标对象是否为阿尔茨海默症患者。
10、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质中存储有计算机程序，其中，在非易失性存储介质所在设备通过运行计算机程序执行上述的基于语音信号识别阿尔茨海默症患者的方法。
11、根据本申请实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为通过计算机程序执行上述的基于语音信号识别阿尔茨海默症患者的方法。
12、根据本申请实施例的另一方面，还提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现上述的基于语音信号识别阿尔茨海默症患者的方法的步骤。
13、在本申请实施例中，采用获取目标对象的语音信号，并采用第一模型提取并处理语音信号的浅层特征和深层特征，得到第一结果，采用第二模型对语音信号进行切分和处理，得到第二结果，采用第三模型对语音信号和文本信息进行处理，得到第三结果，其中，文本信息是对语音信号进行转录得到的，第一结果、第二结果和第三结果均用于指示目标对象是否为阿尔茨海默症患者；根据第一结果、第二结果和第三结果共同确定目标对象是否为阿尔茨海默症患者的方式，通过同时采用语音识别和文本识别的方法检测阿尔茨海默症患者，采用不同模型分别对检测对象的语音信号进行文本转录、特征提取和识别来判定检测对象是否为阿尔茨海默症患者，最终根据不同模型的判定结果共同判定检测对象是否为阿尔茨海默症患者，达到了基于语音识别确定检测对象是否为阿尔茨海默症患者的目的，从而实现了扩大阿尔茨海默症检测方法的应用范围、提高检测结果的准确性的技术效果，进而解决了相关技术中用于检测阿尔茨海默症的方法不支持大范围应用且检测结果不准确技术问题。
本文档来自技高网...【技术保护点】
1.一种基于语音信号识别阿尔茨海默症患者的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采用第一模型提取并处理所述语音信号的浅层特征和深层特征，得到第一结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述第一类向量生成第二类向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述第二模型是通过以下方法训练得到的：
5.根据权利要求1所述的方法，其特征在于，采用第三模型对所述语音信号和文本信息进行处理，得到第三结果，包括：
6.根据权利要求5所述的方法，其特征在于，对所述语音信号进行语音处理，得到所述语音信号的语音特征，包括：
7.根据权利要求1所述的方法，其特征在于，根据所述第一结果、所述第二结果和所述第三结果共同确定所述目标对象是否为阿尔茨海默症患者，包括：
8.一种基于语音信号识别阿尔茨海默症患者的装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有计算机程序，其中，在所述非易失性存储介质所在设备通过运行
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任意一项所述的基于语音信号识别阿尔茨海默症患者的方法。
11.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至7中任意一项所述的基于语音信号识别阿尔茨海默症患者的方法的步骤。
...【技术特征摘要】
1.一种基于语音信号识别阿尔茨海默症患者的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采用第一模型提取并处理所述语音信号的浅层特征和深层特征，得到第一结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述第一类向量生成第二类向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述第二模型是通过以下方法训练得到的：
5.根据权利要求1所述的方法，其特征在于，采用第三模型对所述语音信号和文本信息进行处理，得到第三结果，包括：
6.根据权利要求5所述的方法，其特征在于，对所述语音信号进行语音处理，得到所述语音信号的语音特征，包括：
7.根据权利要求1所述的方法，其特征在于，根据所述第一结果、所述第二结果和所述第三结果共同...
【专利技术属性】
技术研发人员：顾煜，徐卉，庄荣，袁超超，刘欣欣，邰广锁，许晟，
申请(专利权)人：中国电信股份有限公司，
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。