[发明专利]一种早期阿尔茨海默症识别系统及装置

说明书

本发明公开了一种早期阿尔茨海默症识别系统及装置，涉及病症识别技术。针对现有技术中该病识别运算要求巨大的问题提出本方案，提取语音信号的基频信息，确定语音信号中说话开始的时刻和结束的时刻；对每一说话开始的时刻和结束的时刻均取其前后各一时长的语音信号生产一个对应的语音小段信号Seg，获取每个语音小段信号Seg的语谱图；得到每一个语音小段信号的最终特征；进行整段语音信号的特征向量提取；对整段语音信号的特征向量进行识别，输出识别结果。优点在于，降低整体系统的参数量与计算量，提高识别速度，尤其适合社区活动中基层人员的普查摸底工作。

技术领域

本发明涉及病症识别技术，尤其涉及一种早期阿尔茨海默症识别系统及装置。

背景技术

阿尔茨海默症是一种神经系统疾病，其起病隐匿，常见于70岁以上老年人，故又称为老年痴呆症。阿尔茨海默症患者在生活中常表现为:记忆障碍，语言障碍，视觉空间障碍，计算障碍等。目前，全球约有5000万人患有阿尔茨海默症，平均不到3秒就有一个新发病例。中国的阿尔茨海默症患者接近1500万，人数居全球首位。随着人口老龄化的加剧，阿尔茨海默症也越来越引起人们重视。虽然阿尔茨海默症一旦确诊就无法治愈，但如果能在其发病的前期，即还处于早期阶段时尽早发现并尽早治疗，能够有效地延缓病情发展。因此，如何及时发现早期阿尔茨海默症患者成为了研究的重点。

目前通过医疗手段进行阿尔茨海默症的诊断，需要专业的医疗检测仪器，且流程复杂、价格较高，不适用于老年人社区的大规模筛查。目前使用传统的机器学习方法如支持向量机与朴素贝叶斯算法等，识别效果不佳。目前使用深度学习的方法，直接采用语音的通用特征，没有对阿尔茨海默症识别这一特殊任务对特征进行优化，同时直接对整段音频进行建模，不仅导致模型的参数量大与计算量大，识别速度慢，也不能突出整段语音中的关键部分。因此有必要开发一种适合大规模筛查、使用简便且高效的快速阿尔茨海默症识别系统。

发明内容

本发明目的在于提供一种早期阿尔茨海默症识别系统及装置，以解决上述现有技术存在的问题。

本发明所述一种早期阿尔茨海默症识别系统，包括依次信号连接的语音信号采集模块、语音特征提取模块、局部特征建模模块、全局关系建模模块和识别模块；

所述的语音特征提取模块在接收语音信号后进行以下操作：

提取语音信号每一时刻的基频信息，确定语音信号中说话开始的时刻和结束的时刻；

对每一说话开始的时刻和结束的时刻均取其前后各一时长的语音信号生产一个对应的语音小段信号Seg，获取每个语音小段信号Seg的语谱图；

使用N个临界频带滤波器对所述语谱图进行滤波得到对应的N个临界频带子带能量特征；

提取语音小段信号Seg的12维的梅尔频率倒谱系数、12维的一阶差分特征以及12维的二阶差分特征；

将临界频带子带能量特征、梅尔频率倒谱系数、一阶差分特征以及二阶差分特征进行拼接，得到每一个语音小段信号的最终特征；

所述的局部特征建模模块接收所述最终特征并进行局部特征向量提取；

所述的全局关系建模模块接收局部特征向量并进行整段语音信号的特征向量提取；

所述的识别模块接收整段语音信号的特征向量进行识别，输出识别结果；

所述识别结果为所述语音信号是否与早期阿尔茨海默症的语音特性相匹配。

确定语音信号中说话开始的时刻和结束的时刻的具体操作为：

根据基频信息，利用公式获取语音信号的标记向量；其中P_t为语音信号t时刻的基频，为语音信号的标记向量，t为输入语音信号的时间长度下标；