[发明专利]检测方法、装置、设备和计算机存储介质

说明书

本发明公开了一种检测方法、装置、设备和计算机存储介质，所述检测方法包括以下步骤：获取待检测者的音频数据；将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；获取所述预设神经网络模型输出的检测结果，解决现有技术中检测过程繁琐导致不能实时检测的问题，提高检测效率。

技术领域

本发明涉及医疗技术领域，尤其涉及一种检测方法、装置、设备和计算机存储介质。

背景技术

检测是临床与医疗技术领域中重要课题，例如，新冠病毒核酸检测是通过实验室方法进行检测、筛查，发现新冠病毒确诊病例、疑似病例和无症状感染者。目前病症的检测方法大多数采用鼻咽拭子、肛拭子等方法进行检测，但是这些检测方法的检测过程过于繁琐且检测周期过长，当出现大量检测对象时，不能实现实时检测。

发明内容

本发明主要目的在于提供一种检测方法、装置、设备和计算机存储介质，旨在解决检测过程繁琐导致不能实时检测的问题。

为实现上述目的，本发明提供一种检测方法，所述检测方法应用于检测装置中；在一实施例中，所述检测方法包括以下步骤：

获取待检测者的音频数据；

将所述音频数据输入预设神经网络模型，其中，所述预设神经网络模型根据预设咳嗽音频数据得到；

获取所述预设神经网络模型输出的检测结果。

在一实施例中，所述将所述音频数据输入预设神经网络模型的步骤之前，包括：

获取预设咳嗽音频数据，并搭建初始预设神经网络模型；

根据所述预设咳嗽音频数据生成咳嗽音频数据集；

根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型。

在一实施例中，所述根据所述预设咳嗽音频数据生成咳嗽音频数据集的步骤包括：

对所述预设咳嗽音频数据进行预处理，得到咳嗽音频数据集，其中，所述预处理的过程依次包括：预加重处理、分帧处理、加窗处理、傅里叶变换、梅尔滤波、对数能量计算以及离散余弦变换。

在一实施例中，所述初始神经网络模型包括第一神经网络模型以及第二神经网络模型；所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤包括：

根据所述咳嗽音频数据集与所述第一神经网络模型得到音频特征；

根据所述音频特征与所述第二神经网络模型训练得到预设神经网络模型。

在一实施例中，所述音频特征至少包括：声音情感特征、呼吸道生物特征以及声带生物特征。

在一实施例中，所述根据所述初始神经网络模型以及所述咳嗽音频数据集构建预设神经网络模型的步骤，还包括：

将所述咳嗽音频数据集划分为咳嗽音频训练集以及咳嗽音频测试集；

采用所述咳嗽音频训练集对所述初始神经网络模型进行训练，并且采用所述咳嗽音频测试集对训练完成的所述初始神经网络模型进行测试；

当测试结果的准确率达到预设阈值时，得到预设神经网络模型。

在一实施例中，所述获取所述预设神经网络模型输出的检测结果的步骤包括：

根据交叉熵损失函数以及所述预设神经网络模型得到检测结果，其中，所述交叉熵损失函数为：所述N为音频特征的数量，所述y_n为真实检测结果，所述为预测检测结果。

为实现上述目的，本发明还提供一种检测装置，所述装置包括：

获取模块，用于获取待检测者的音频数据；