[发明专利]一种基于ResNet与LSTM网络的脑卒中构音障碍风险预测方法在审
| 申请号： | 201910697111.5 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110600053A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 叶武剑;李琪;刘怡俊;牟志伟;李学易 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G10L25/24 | 分类号： | G10L25/24;G10L25/30;G10L25/66 |
| 代理公司： | 44329 广东广信君达律师事务所 | 代理人： | 杨晓松 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于ResNet与LSTM网络的脑卒中构音障碍风险预测方法，首先通过录音设备采集语音信息，然后对语音信息进行预处理，提取语音特征参数MFCC；随后构建ResNet和LSTM神经网络模型对MFCC特征参数进行训练，提取语音信号的深度特征信息；最终将待测试的MFCC特征参数输入到训练完成的模型中，对脑卒中构音障碍患病风险进行预测。本发明具有方便快捷、节约成本、预测准确率高等优点。 | ||
| 搜索关键词： | 特征参数 语音信息 脑卒中 预处理 神经网络模型 语音特征参数 风险预测 录音设备 深度特征 语音信号 预测 准确率 构建 采集 测试 节约 网络 | ||
【主权项】：
1.一种基于ResNet与LSTM网络的脑卒中构音障碍风险预测方法，其特征在于，首先通过录音设备采集语音信息，然后对语音信息进行预处理，提取语音特征参数MFCC；随后构建ResNet和LSTM神经网络模型对MFCC特征参数进行训练，提取语音信号的深度特征信息，构建分类器完成患者和正常人群的分类，得到风险预测模型；最终将待测试的MFCC特征参数输入到训练完成的模型中，对脑卒中构音障碍患病风险进行预测。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910697111.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种语音评测的方法及装置
- 下一篇：基于网络模型融合的声场景分类方法
