公开(公告)号：CN118072767A

公开(公告)日：2024-05-24

申请号：CN202410167660.2

申请日：2024-02-06

Applicant: 复旦大学

Inventor： 周涛 ,  陈晨 ,  罗慧娉 ,  胡霞 ,  陈炜

IPC: G10L25/66 ,  G10L25/30 ,  G10L25/03 ,  G10L25/24 ,  G10L25/18

Abstract: 本发明属于腺样体和扁桃体肥大筛查技术领域，具体为一种基于语音信号的全自动腺样体和扁桃体肥大识别系统。本发明系统包括：语音信号采集模块、信号预处理模块、特征提取、特征拼接和特征选择模块、数据均衡模块、深度学习网络模块、二分类模块和四分类模块。系统对通过计算机辅助语言调查分析软件采集到的语音信号进行预处理和特征提取，并将不同元音和鼻音信号的特征进行拼接送至深度学习网络进行高精度特征提取，最终进行腺样体和扁桃体肥大识别及其严重程度判别。本发明采用特征选择算法对所提特征进行最优特征筛选，采用数据均衡算法使得样本种类达到均衡，采用深度学习网络挖掘更深层次的特征，得到更精准的结果。

公开(公告)号：CN118873094A

公开(公告)日：2024-11-01

申请号：CN202410952761.0

申请日：2024-07-16

Applicant: 上海师范大学 ,  复旦大学附属眼耳鼻喉科医院

Inventor： 沈向荣 ,  罗慧娉 ,  姚雪珺 ,  谢永铭 ,  孙金利 ,  梁梦珂

IPC: A61B5/00 ,  A61B5/08 ,  A61B5/021 ,  A61B5/145 ,  A61B5/107

Abstract: 本发明涉及一种基于多模态信号的OSA患者分类方法、设备和介质，包括以下步骤：获取被测对象的一般人类学信息；采集被测对象朗读指定文本的语音信号、嗓音信号和空气动力学信号；对所述语音信号进行预处理后，与所述嗓音信号、所述空气动力学信号和所述一般人类学信息进行特征提取，获得动态特征和静态特征；对所述动态特征和所述静态特征进行特征选择和特征拼接，获得最佳组合特征；将所述最佳组合特征输入基于多模态信号的OSA患者分类模型，获得被测对象的OSA严重程度类别及阻塞部位类别。与现有技术相比，本发明可以辅助OSA患者的快速筛查和准确诊断。