-
公开(公告)号：CN112927781A
公开(公告)日：2021-06-08
申请号：CN202110184550.3
申请日：2021-02-10
Applicant: 杭州医典智能科技有限公司
IPC: G16H20/70 , G16H50/20 , G06F40/205 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于自然语言处理和时序卷积网络的抑郁症检测方法，具体包括：构建训练样本集和抑郁症词料库，训练样本集为访谈人员的语音对应转换的文本信息，抑郁症词料库为人工制作；将训练样本集与抑郁症词料库中的文本信息转换为文本嵌入向量；将文本嵌入向量输入时序卷积网络TCN进行训练，得到抑郁症预测模型；基于获得的抑郁症预测模型，使用测试数据进行预测得到预测结果；根据预测结果对访谈人员进行分类，确定其是否属于抑郁症用户。本发明使用自然语言处理技术，增加了与话题情景相关联的言语信息；使用时序卷积网络TCN以卷积的方式进行序列数据的处理，取得了很高的精度，实现了基于文本的抑郁症检测方法。
-
Patent Agency Ranking
公开(公告)号：CN112818892A
公开(公告)日：2021-05-18
申请号：CN202110184432.2
申请日：2021-02-10
Applicant: 杭州医典智能科技有限公司
Abstract: 本发明提供一种基于时间卷积神经网络的多模态抑郁症检测方法及系统。其检测方法具体包括：构建训练样本集，其包含抑郁症和非抑郁症患者的音频、3D面部表情和对应的文本信息；对训练样本集进行3D面部表情特征提取，获得具备情境感知的3D面部表情特征向量；结合梅尔倒谱系数，用于对所述训练样本集的音频信号进行声学特征提取，获得具备情境感知的语音向量特征；使用Transformer模型，对训练样本集词嵌入进行处理，获得具备情境感知的文本特征；对3D面部表情特征、语音向量特征和文本特征进行融合，获得用于进行抑郁症分类的信息；将用于进行抑郁症分类的信息带入时间卷积神经网络，获得抑郁症分类信息。本发明能够提高了抑郁症检测的准确性。
-
公开(公告)号：CN113012720B
公开(公告)日：2023-06-16
申请号：CN202110184566.4
申请日：2021-02-10
Applicant: 杭州医典智能科技有限公司
Abstract: 本发明提供一种谱减法降噪下多语音特征融合的抑郁症检测方法。首先从语音样本文件中分离出被试者的语音信息，分割较长的语音数据，同时获取对应的PHQ‑8抑郁症筛查量表得分。其次，利用改进的谱减法进行语音增强，消除环境噪声对语音的影响，对增强后的语音采用短时傅里叶变换得到频谱图，同时，提取每个片段的MFCC及共振峰特征，进行音频差分归一化处理获取局部非个性化的抑郁特征。将三种特征融合输入到改进的时间卷积神经网络(Temporal Convolutional Network,TCN)模型中完成分类和回归任务，以F1得分和均方误差为评价指标，来判断多种语音特征融合的抑郁症检测方法的准确性，实验结果证明本发明所提出的方法可以作为检测抑郁症是否存在的低成本且高效的方法。
-
公开(公告)号：CN112818892B
公开(公告)日：2023-04-07
申请号：CN202110184432.2
申请日：2021-02-10
Applicant: 杭州医典智能科技有限公司
IPC: G06V40/16 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于时间卷积神经网络的多模态抑郁症检测方法及系统。其检测方法具体包括：构建训练样本集，其包含抑郁症和非抑郁症患者的音频、3D面部表情和对应的文本信息；对训练样本集进行3D面部表情特征提取，获得具备情境感知的3D面部表情特征向量；结合梅尔倒谱系数，用于对所述训练样本集的音频信号进行声学特征提取，获得具备情境感知的语音向量特征；使用Transformer模型，对训练样本集词嵌入进行处理，获得具备情境感知的文本特征；对3D面部表情特征、语音向量特征和文本特征进行融合，获得用于进行抑郁症分类的信息；将用于进行抑郁症分类的信息带入时间卷积神经网络，获得抑郁症分类信息。本发明能够提高了抑郁症检测的准确性。
-
公开(公告)号：CN113012720A
公开(公告)日：2021-06-22
申请号：CN202110184566.4
申请日：2021-02-10
Applicant: 杭州医典智能科技有限公司
Abstract: 本发明提供一种谱减法降噪下多语音特征融合的抑郁症检测方法。首先从语音样本文件中分离出被试者的语音信息，分割较长的语音数据，同时获取对应的PHQ‑8抑郁症筛查量表得分。其次，利用改进的谱减法进行语音增强，消除环境噪声对语音的影响，对增强后的语音采用短时傅里叶变换得到频谱图，同时，提取每个片段的MFCC及共振峰特征，进行音频差分归一化处理获取局部非个性化的抑郁特征。将三种特征融合输入到改进的时间卷积神经网络(Temporal Convolutional Network,TCN)模型中完成分类和回归任务，以F1得分和均方误差为评价指标，来判断多种语音特征融合的抑郁症检测方法的准确性，实验结果证明本发明所提出的方法可以作为检测抑郁症是否存在的低成本且高效的方法。
-
公开(公告)号：CN214068359U
公开(公告)日：2021-08-27
申请号：CN202023276957.9
申请日：2020-12-29
Applicant: 杭州医典智能科技有限公司
Abstract: 本实用新型属于信息智能采集装置技术领域，具体涉及一种针对抑郁症患者的智能问诊机器人，包括机器人本体，在所述机器人本体上设置有用于图像采集的高清摄像头、用于声音采集的麦克风、用于播放音频的音响设备、用于感应身份证信息的感应器、用于手写触控和显示问卷信息的触摸显示屏、用于数据处理和传输的数据处理模块、通讯模块、用于存储所采集信息和抑郁症量表的数据储存模块和电源模块，本实用新型通过数据处理模块从数据储存模块中提取抑郁症量表，向患者进行提问，然后通过高清摄像头和麦克风采集病人的面部表情以及回答的声音，最后采集到的信息经数据处理模块存储至数据储存模块。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
