基于语音识别技术的轻度认知障碍检测

发布时间：2025-06-19 00:54

　　语言能力作为人的一种高级认知功能,是一种复杂的过程,涉及广泛的认知能力。语音的发声过程是一个将大脑中的想法通过发声器官转化为对应的语音的过程,在这个转化过程中,大脑必须有效的管理和组织记忆,知识,语言和语义信息。因此,对患有轻度认知障碍的人来说,其认知能力的下降,对这一复杂的转化过程有显著的影响,进而导致产出的语音出现了声学方面的变化。而这些语音上的病理性变化使得我们可以通过语音技术来实现对轻度认知障碍的检测。目前大部分基于言语分析的轻度认知障碍诊断系统,采用的数据集合规模较小,言语范式设计简单、以西方语言为主。此外,大部分诊断系统使用人工定义特征,分类模型过于简单,性能难以达到实际应用的精度。因此,针对中文设计言语认知障碍语音实验,采集含有正常人和患者的语音大数据,并在此基础上展开基于言语分析的轻度认知障碍自动诊断方法研究,是一个亟待开展的课题。为此,本文基于语音识别技术对轻度认知障碍的自动检测算法进行研究,旨在实现一种低成本,可大规模推广,无侵入的轻度认知障碍检测方法。本文的主要工作如下:1.采集轻度认知障碍患者组及健康对照组语音数据,对语音数据进行预处理并设计建立中文轻度认知障碍语...

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

图2-1数据采集设备

4、两套高保真的电容麦克风(Konftel300)软件:认知障碍语音测试数据采集平台

图2-2数据采集环境

2.1.3数据采集流程采集实验流程主要分为试音阶段,语音采集实验阶段与量表测试阶段,全程由主试陪同与引导,试音阶段适当控制被试音量大小,保证音频质量,语音采集实验阶段每个任务逐个进行,由主试和语音数据采集平台共同对被试进行任务介绍与引导,量表测试阶段由主试使用蒙特利尔认知评估量....

图3-1、LHUC说话自适应权重向量结构图

其余隐层更新依赖于前一层a的梯度:对M个说话人,隐含层节点数为N,定义M个长度为N的向量,初始化为0,对每个说话人s,选取对应的向量rs作为权重向量激活函数的输入。权重向量被初始化为0,此时自适应网络与原网络一致,随着自适应训练的进行,rs会更新,神经元的输出会得到一个(0,2)....

图3-2、LHUC应用于深度神经网络的例子

LHUC自适应方法的优点在于:自参数量较小,与隐含层节点数相同,可以用少量数据训练得到;没有改变网络原始结构与参数,使用灵活;自适应参数形式简单,可直接应用于其他前馈神经网络中。3.2域自适应技术

本文编号：4050601