申请/专利权人：新疆大学

申请日：2023-08-28

公开（公告）日：2024-04-30

公开（公告）号：CN116978408B

主分类号：G10L25/66

分类号：G10L25/66;G10L25/30;G10L25/03;G10L25/45;A61B5/16;A61B5/00

优先权：["20230426 CN 2023104634927"]

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.11.17#实质审查的生效;2023.10.31#公开

摘要：本发明涉及一种基于语音预训练模型的抑郁症检测方法及系统，包括建立语音数据库；用于语音特征有效性分析、分类器训练优化的相关数据；进行语音预处理；包括预加重、加窗以及快速傅里叶变化；基于预训练模型的语音特征提取；对表征抑郁程度的语音特征进行提取；基于机器学习进行分类；得到的模型测试语音信号，并输出其对应的抑郁症状态作为判断被试者的抑郁检测依据。本发明基于语音预训练模型的抑郁症检测方法及系统，基于语音预训练模型的语音特征提取、时延神经网络与门控循环单元算法等机器学习技术，通过寻找语音特征与抑郁症之间的关系，通过语音读取的方式客观评估被试人员是否患有抑郁症；提高了抑郁症识别的准确率和精度。

主权项：1.一种基于语音预训练模型的抑郁症检测系统，其特征在于包括：语音数据库模块，用于语音特征有效性分析、分类器训练优化的相关数据；语音预处理模块，用于对语音数据库中的语音数据进行预处理，便于后续表征抑郁程度或情感特征的语音特征提取；基于预训练模型的语音特征提取模块，对能够表征被试人抑郁程度或情感特征的提取；分类评估模块，利用时延神经网络与门控制单元算法对训练集进行学习，并使用交叉熵损失函数来度量模型预测结果与真实标签的差距，通过反向传播算法更新网络参数进行训练及优化，得到的模型测试语音信号，并输出其对应的抑郁症状态作为判断被试者的抑郁检测依据，还包括：建立语音数据库；用于语音特征有效性分析、分类器训练优化的相关数据；进行语音预处理；包括预加重、加窗以及快速傅里叶变化；基于预训练模型的语音特征提取；基于语音预训练模型提取语音特征，包括MFCC与Fbank特征提取以及Transformer编码结构对特征序列进行建模，从而实现对预处理后的语音中预训练模型高层次表征的提取；基于机器学习进行分类；利用时延神经网络与门控制单元算法对训练集进行学习，并使用交叉熵损失函数来度量模型预测结果与真实标签的差距，通过反向传播算法更新网络参数进行训练及优化，得到的模型测试语音信号，并输出其对应的抑郁症状态作为判断被试者的抑郁检测依据。

全文数据：

权利要求：

百度查询： 新疆大学 基于语音预训练模型的抑郁症检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD