CN103956171A - 一种多通道简易精神状态检测系统 - Google Patents
一种多通道简易精神状态检测系统 Download PDFInfo
- Publication number
- CN103956171A CN103956171A CN201410128613.3A CN201410128613A CN103956171A CN 103956171 A CN103956171 A CN 103956171A CN 201410128613 A CN201410128613 A CN 201410128613A CN 103956171 A CN103956171 A CN 103956171A
- Authority
- CN
- China
- Prior art keywords
- hyperchannel
- mmse
- pronunciation
- detection system
- easy state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种多通道简易精神状态(MMSE)检测系统。本发明利用平板电脑、数字化输入板和语音的多通道输入,建立一种基于多通道信息融合的简易精神状态(MMSE)新型电子化检测系统,从而能有效的提高MMSE的检查速度、量化认知与手部运动功能数据、量化构音及发音数据,提高检查的效率、综合性和客观性。该方法融合了电子化检查量表、数字化输入板的多通道输入、发音信息的分析。通过电子化的系统来提高检查的效率,多通道融合的方法来建立认知与运动、发音信息的数据模型,建立客观定量的MMSE分析系统。
Description
技术领域
本发明属于数字医疗领域,具体涉及一种利用数字笔输入技术、语音分析技术、触摸技术的简易精神状态(MMSE)的多通道检测系统。
背景技术
人机交互技术的最新进展为传统的医学检查创造了更多的可能性。平板电脑包含着目前最自然最直接的触摸交互技术,能够使医生在最自然的状态下进行量表的检查。笔式交互对于那些具有很少或没有计算机经验的人容易接受。他们可以利用其以前的写作经验,而无需学习如何操纵键盘和鼠标。数字化输入板这种方法新颖、安全、价廉、快速、便携、无创,而且可以检测、表征和定量运动功能障碍而无需电线或其他附件。这种方法不仅可以收集在二维X—Y平面内的测量数据,而且可以获取压力轴、方位角、旋转角、倾角三维信息等,对检测用户手部的震颤等功能障碍提供了新的量化信息。语音分析技术可以通过分析人的说话声音,提取出其中蕴含的构音肌肉群功能状态、情感和精神状态等特征,并可基于这些特征对用户的神经功能进行综合定量分析。当前代表性的工作包括基于语音的情感分析(参考文献:E.Moore,M.Clements,J.Peifer,and L.Weisser.Comparing objective feature statistics of speech for classifying clinical depression.IEMBS,2004.),压力分析(参考文献:Modeling drivers’speech under stress.SpeechCommunication-Special issue on speech and emotion,40(1-2),2003.),患病与否及严重程度分析(参考文献:Nonlinear speech analysis algorithms mapped to astandard metric achieve clinically useful quantification of average Parkinson’s diseasesymptom severity.Novel speech signal processing algorithms for high-accuracyclassification of Parkinsons disease.)。
在目前医疗领域,简易精神状态(MMSE)量表是一项针对认知功能的初步筛查,常规的MMSE检查仅可对受试者的认知功能进行初步的评价。但在受试者接受MMSE检查过程中,需要回答一系列问题,并做简单绘图,因此对检查过程中更多信息(如语音、笔迹)的分析可以反映受试者更为全面的神经功能(如发音肌群运动功能、手运动功能)。从神经功能评价的角度看,综合性的、同时包含认知功能、运动功能及语言能力的评价方式必然具有更高的应用价值。
发明内容
本发明的目的在于利用平板电脑、数字化输入板和语音的多通道输入,建立一种基于多通道信息融合的简易精神状态(MMSE)的新型电子化检测系统,该方法融合了电子化检查量表、数字化输入板的多通道输入、发音信息的分析,通过电子化的系统来提高检查的效率,多通道融合的方法来建立认知与运动、发音信息的数据模型,从而能有效的提高MMSE的检测速度、量化认知与手部运动功能数据、量化构音及发音数据,提高MMSE数据的检测效率、综合性和客观性。
具体来说,本发明采用的技术方案如下:
一种多通道简易精神状态检测系统,包括:
录音设备,包括发音信息采集模块和音频文件分割模块;所述发音信息采集模块用于采集检测开始后待测者的所有发音信息;所述音频文件分割模块根据当前不同的检测项目,将采集的发音信息切分成不同的音频文件,并存储在平板电脑中;
数字化输入板,包括多通道输入数据采集模块,用于采集检测过程中待测者多通道输入的数据,并存储在平板电脑中;
平板电脑,连接所述录音设备和数字化输入板,包括发音特征提取模块、运笔特征提取模块、电子化的MMSE量表模块及MMSE数据模型模块;所述发音特征提取模块用于提取上述音频文件的发音特征;所述运笔特征提取模块用于提取上述多种通道输入过程中的运笔特征;所述发音特征、运笔特征输入所述MMSE数据模型后,输出简易精神状态检测结果。
进一步地,所述发音信息采集模块通过录音采集发音信息,具体音频参数为16bit,44.1Hz,1channel;所述发音信息包括:发音开始时间,发音结束时间。
进一步地,所述数字化输入板是支持数位笔输入的液晶显示屏;所述数位笔是支持笔尖轨迹、笔尖压力、笔尾三维倾角、笔身自转角的数位笔;所述数位笔采用数字化输入板像素点坐标进行定位。
进一步地,所述多通道输入的数据包括:记录反应时间,完成时间,总连线时间,圈内停留时间,错误次数,错误率,总平均速度,每段平均速度,最大速度,偏移度,最大偏移值,压力,倾斜方向,倾斜幅度,旋转角等。
进一步地,所述发音特征包括音频文件的Mel频率倒谱系数(Mel FrequencyCepstrum Coefficient,MFCC)、感知线性预测(Perceptual Linear Predictive,PLP)、基础频率(F0)、循环周期熵(RPDE)等特征;所述运笔特征包括运笔压力、速度等特征。
进一步地,所述发音特征提取模块通过以下方法提取所述音频文件的发音特征:首先对每个窗口宽度25ms、采样率为10ms的汉明窗口提取PLP特征。它从26个梅尔频率带计算6个PLP特征,在应用一个参数为22的倒谱同态滤波器的同时再加上一个5序的预测器。其次,对音频文件提取INTERSPEECH2010Paralinguistic Challenge特征集,一共包含1582个特征,选取其中的MFCC系数及其一阶导数,基础频率(F0),声音响度、音高等特征。最后,通过Matlab程序提取出音频的信噪比、循环周期熵(RPDE)、趋势波动分析、音高周期熵等特征。
进一步地,所述运笔特征提取模块通过以下方法提取所述多种通道输入过程中的运笔特征:待测者在多通道输入过程中在每一个时间点会形成一个七维向量X<时间,x坐标,y坐标,笔尖压力,笔尾三维方向角,笔尾三维倾斜角,笔身自转角>。从落笔到绘图结束则形成了一个包含m个X的序列S0<X0,X1,X2,..,Xm>。根据这个序列,计算出整个绘图过程中的总连线时间、圈内停留时间、错误次数、平均速度、平均压力、平均曲率等特征。
进一步地,所述MMSE数据模型模块是根据训练样本提取的特征建立的分类模型,包括认知与运动数据模型和发音信息数据模型;所述认知与运动数据模型是根据提取出的运笔特征,采用6种特征选择的算法(最好优先、遗传算法等),选出其中公共的3个特征(连线上停留时间、偏移度、画线压力离散度)辅以基本特征(年龄、血压等)采用已有的主流BP神经网络分类器进行训练建立的;所述发音数据模型是根据发音特征,通过特征选择算法,选出其中的25个特征,主要包括(第0、2、3、4、6、7、8、9、10、维MFCC系数,第2、3、4、8、12维MFCC导数,声道刺激率、信噪比)等,采用BP神经网络进行训练建立的;所述认知与运动数据模型和发音信息数据模型与电子化的MMSE量表的题目评分进行匹配,最终建立MMSE数据模型;该模型作为患病严重程度模型,能够给出计算机预测的用户对MMSE检查的得分。
进一步地,所述电子化的MMSE量表模块是将MMSE量表中的每一项检测项目对应到平板电脑数据库中的一个表项;对于电子化的MMSE量表模块中的检查题目,所述多通道简易精神状态检测系统将自动记录每道题的得分情况及作答结果详情。
进一步地,所述多通道简易精神状态检测系统根据每一题选择的选项、数字化输入板输入及录音设备采集的数据,生成一条MMSE检查的向量R<name,gender,age,…,week_score,day_score,…,total_score>,并存储在数据库中,同时生成一个报告文档,详细描述了每一题的得分(包括对数字化输入板操作的结果及音频文件分析后给出的客观定量的检测结果)。
与现有技术相比,本发明具有的优点和积极效果如下:
1)本发明采用电子设备进行MMSE的检查方式,不仅方便医生操作且效率更高,还能自动将数据存储在数据库中并同时生成报告文档。
2)本发明采用的数字化输入板信息采集方式,可以量化分析待测者的画图能力,并能预测待测者的患病情况,平均准确率能达到94.03%。
3)本发明采用的发音分析技术,可以量化分析待测者的构音能力,并能预测待测者对MMSE检测的评分,与实际测量的评分误差在3分以内。
附图说明
图1为本发明多通道简易精神状态检测系统的结构示意图。
图2为本发明多通道简易精神状态检测系统的系统框架图。
图3为本发明多通道简易精神状态检测系统的操作流程示意图。
图4为本发明电子化的MMSE量表的示意图。
图5为本发明数字化输入板操作示意图。
其中:1——录音设备;2——数字化输入板;3——平板电脑。
具体实施方式
为使本发明的目的、特征和优点能更明显易懂,下文通过具体实施例,并结合附图,做详细的说明。
MMSE的检查往往费时费力,目前的做法仍然是以十年前的方式操作。医生根据量表对患者进行询问,并记录下每一个问题的回答及分数。当需要患者进行手部动作、发音等操作时,医生将道具提供给患者,观察患者的操作并根据经验进行主观的定性分析。数字化输入板及语音分析技术能有效量化手部运动、语音数据,提高疾病信息判断的客观性。本发明为该问题提供了一种解决方法。
本实例支持用户在平板电脑及液晶数位屏上进行更加方便、有效、精确的操作;具体包含Surface Pro平板电脑(屏幕大小为10.6寸,分辨率为1280*800,操作系统为Windows8)和Wacom13HD液晶数位屏(屏幕大小为13.0寸,分辨率为1280*800,附带的数位笔为Wacom KP-701E)。
图1为本发明多通道简易精神状态检测系统的结构示意图,如图所示,该系统包括:
录音设备1,包括发音信息采集模块和音频文件分割模块;所述发音信息采集模块用于采集检测开始后待测者的所有发音信息;所述音频文件分割模块根据当前不同的检测项目,将采集的发音信息切分成不同的音频文件,并存储在平板电脑中;
数字化输入板2,包括多通道输入数据采集模块,用于采集检测过程中待测者多通道输入的数据,并存储在平板电脑中;
平板电脑3,连接所述录音设备和数字化输入板,包括发音特征提取模块、运笔特征提取模块、电子化的MMSE量表模块及MMSE数据模型模块;所述发音特征提取模块用于提取上述音频文件的发音特征;所述运笔特征提取模块用于提取上述多种通道输入过程中的运笔特征;所述发音特征、运笔特征以及电子化MMSE量表模块采集的评分数据输入所述MMSE数据模型后,输出简易精神状态检测结果。
图2为本发明多通道简易精神状态检测系统的系统框架图。包括:
1)使用平板电脑1采集电子化的MMSE量表模块中检查题目的各项评分数据,使用数字化输入板设备中的多通道输入数据采集模块采集MMSE测验的多通道输入数据(笔尖轨迹、笔尖压力、笔尾三维倾角、笔身自转角等),使用录音设备中的发音信息采集模块采集语音数据,音频文件分割模块进行分割后存储在平板电脑中,并通过运笔特征提取模块和发音特征提取模块提取运笔特征(压力、速度等)和发音特征(MFCC、PLP、F0、RPDE等),得到所述定量分析算法的候选特征。
2)将上一步所得到的候选特征进行建模,得到患病与否与严重程度的定量结果。
3)通过多通道融合的方法对以上2个结果进行融合,综合考虑患病预测及评分预测,调整相关参数,来建立时间相关的MMSE数据模型,并将相关检测结果分别存储在数据库和文档报告中。
图3为本发明多通道简易精神状态检测系统的操作流程示意图,包括:
1)简易精神状态检测开始时,同时开始后台录音,采集发音信息,同时根据当前不同的检测项目,将采集的发音信息切分成不同的音频文件,切分成不同的音频文件,并提取各个音频文件发音特征;
2)在利用数字化输入板绘图时,采集运笔过程中每一点的时间,x坐标,y坐标,笔尖压力,笔尾三维方向角,笔尾三维倾斜角,笔身自转角等信息,提取运笔特征;
3)将电子化的MMSE量表各项指标的评分数据,绘图、发音数据存储在数据库中并生成报告文档,与此同时,平板电脑对运笔特征、发音特征的分析结果也将包含在报告中,最终得到定量的MMSE数据。
图4给出了本发明电子化的MMSE量表的示意图。在利用本发明的多通道简易精神状态检测系统进行检测时,医生首先根据电子化的MMSE量表中的检查问题向病人进行询问,并记录下问题的记过。当需要病人在数字化输入板上进行操作时,医生可以点击相应页面的按钮,则病人可在其面前的数字化输入板上进行操作,医生同时可以进行实施观察,如图5所示。多通道简易精神状态检测系统后台同时将整个检查过程进行全程录音,并将涉及到语音部分抽取出来,进行语音数据的分析。最后多通道简易精神状态检测系统将自动给医生生成一个检查报告用于打印的进一步操作,并同时将检查结果存储在数据库中。
本发明采用的数字化输入板信息采集方式,可以量化分析待测者的画图能力,并能预测待测者的患病情况,平均准确率能达到94.03%。其中正常人群共627人,其中570人被系统预测为正常,57人被预测为患病;患病人群580人,565人被预测为患病,15人被预测为正常。
本发明采用的发音分析技术,可以量化分析待测者的构音能力,并能预测待测者对MMSE检测的评分,与实际测量的评分误差在3分以内。对于210个患病者,平均绝对分差为2.7874,平均均方差为3.5093,相关系数为-0.7506。
以上通过实施例对本发明所述的基于平板电脑、数字笔、语音分析的多通道简易精神状态(MMSE)检测系统进行了详细的说明,但本发明的具体实现形式并不局限于此。本领域的一般技术人员,可以在不背离本发明所述方法的精神和原则的情况下对其进行各种显而易见的变化与修改。本发明的保护范围应以权利要求书所述为准。
Claims (10)
1.一种多通道简易精神状态检测系统,包括:
录音设备,包括发音信息采集模块和音频文件分割模块;所述发音信息采集模块用于采集检测开始后待测者的所有发音信息;所述音频文件分割模块根据当前不同的检测项目,将采集的发音信息切分成不同的音频文件,并存储在平板电脑中;
数字化输入板,包括多通道输入数据采集模块,用于采集检测过程中待测者多通道输入的数据,并存储在平板电脑中;
平板电脑,连接所述录音设备和数字化输入板,包括发音特征提取模块、运笔特征提取模块、电子化的MMSE量表模块及MMSE数据模型模块;所述发音特征提取模块用于提取上述音频文件的发音特征;所述运笔特征提取模块用于提取上述多种通道输入过程中的运笔特征;所述发音特征、运笔特征输入所述MMSE数据模型后,输出简易精神状态检测结果。
2.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述发音信息采集模块通过录音采集发音信息,具体音频参数为16bit,44.1Hz,1channel;所述发音信息包括:发音开始时间,发音结束时间。
3.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述数字化输入板是支持数位笔输入的液晶显示屏;所述数位笔是支持笔尖轨迹、笔尖压力、笔尾三维倾角、笔身自转角的数位笔;所述数位笔采用数字化输入板像素点坐标进行定位。
4.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述多通道输入的数据包括:记录反应时间,完成时间,总连线时间,圈内停留时间,错误次数,错误率,总平均速度,每段平均速度,最大速度,偏移度,最大偏移值,压力,倾斜方向,倾斜幅度,旋转角。
5.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述发音特征包括音频文件的Mel频率倒谱系数、感知线性预测、基础频率、循环周期熵;所述运笔特征包括运笔压力、速度。
6.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述发音特征提取模块通过以下方法提取所述音频文件的发音特征:首先对每个汉明窗口提取PLP特征,其次,对音频文件提取INTERSPEECH2010ParalinguisticChallenge特征集,选取其中的MFCC系数及其一阶导数,基础频率,声音响度、音高,最后,通过Matlab程序提取出音频的信噪比、循环周期熵、趋势波动分析、音高周期熵。
7.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述运笔特征提取模块通过以下方法提取所述多种通道输入过程中的运笔特征:用户在多通道输入过程中在每一个时间点形成一个七维向量X<时间,x坐标,y坐标,笔尖压力,笔尾三维方向角,笔尾三维倾斜角,笔身自转角>,从落笔到绘图结束则形成了一个包含m个X的序列S0<X0,X1,X2,..,Xm>,根据这个序列,计算出整个绘图过程中的总连线时间、圈内停留时间、错误次数、平均速度、平均压力、平均曲率。
8.如权利要求1-7任一所述的多通道简易精神状态检测系统,其特征在于,所述MMSE数据模型模块是根据训练样本提取的特征建立的分类模型,包括认知与运动数据模型和发音信息数据模型;所述认知与运动数据模型是根据提取出的运笔特征,采用特征选择算法,选出其中公共的3个特征辅以基本特征,采用已有的主流BP神经网络分类器进行训练建立的;所述发音数据模型是根据发音特征,通过特征选择算法,选出其中的25个特征,包括第0、2、3、4、6、7、8、9、10、维MFCC系数,第2、3、4、8、12维MFCC导数,声道刺激率、信噪比,采用BP神经网络进行训练建立的;所述认知与运动数据模型和发音信息数据模型与电子化的MMSE量表的总检测评分进行匹配,最终建立MMSE数据模型。
9.如权利要求1所述的多通道简易精神状态检测系统,其特征在于,所述电子化的MMSE量表模块是将MMSE量表中的每一项检测项目对应到平板电脑数据库中的一个表项;对于电子化的MMSE量表模块中的检查题目,所述多通道简易精神状态检测系统将自动记录每道题的得分情况及作答结果详情。
10.如权利要求9所述的多通道简易精神状态检测系统,其特征在于,所述多通道简易精神状态检测系统根据每一题选择的选项、数字化输入板输入及录音设备采集的数据,生成一条MMSE检查的向量R<name,gender,age,…,week_score,day_score,…,total_score>,并存储在数据库中,同时生成一个报告文档,详细描述了每一题的得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410128613.3A CN103956171B (zh) | 2014-04-01 | 2014-04-01 | 一种多通道简易精神状态检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410128613.3A CN103956171B (zh) | 2014-04-01 | 2014-04-01 | 一种多通道简易精神状态检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103956171A true CN103956171A (zh) | 2014-07-30 |
CN103956171B CN103956171B (zh) | 2017-06-13 |
Family
ID=51333437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410128613.3A Active CN103956171B (zh) | 2014-04-01 | 2014-04-01 | 一种多通道简易精神状态检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103956171B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106073706A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院软件研究所 | 一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统 |
CN107045393A (zh) * | 2016-02-05 | 2017-08-15 | 中国科学院软件研究所 | 基于数字笔的连线测试多通道数据采集方法及系统 |
CN107221341A (zh) * | 2017-06-06 | 2017-09-29 | 北京云知声信息技术有限公司 | 一种语音测试方法及装置 |
CN107273677A (zh) * | 2017-06-08 | 2017-10-20 | 中国科学院软件研究所 | 一种多通道神经功能定量评价系统 |
CN108766462A (zh) * | 2018-06-21 | 2018-11-06 | 浙江中点人工智能科技有限公司 | 一种基于梅尔频谱一阶导数的语音信号特征学习方法 |
CN108962397A (zh) * | 2018-06-06 | 2018-12-07 | 中国科学院软件研究所 | 一种基于笔和语音的多通道多任务神经系统疾病辅助诊断系统 |
CN108962379A (zh) * | 2017-05-26 | 2018-12-07 | 中国科学院软件研究所 | 一种脑神经系统疾病的手机辅助检测系统 |
CN109717833A (zh) * | 2018-11-26 | 2019-05-07 | 中国科学院软件研究所 | 一种基于人体运动姿态的神经疾病辅助诊断系统 |
WO2021038109A1 (de) | 2019-08-30 | 2021-03-04 | Metralabs Gmbh Neue Technologien Und Systeme | System zur erfassung von bewegungsabläufen und/oder vitalparametern einer person |
CN112704500A (zh) * | 2020-12-02 | 2021-04-27 | 中南大学 | 一种精神状态筛查系统、精神状态筛查方法及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1334205A (zh) * | 2000-07-14 | 2002-02-06 | 香港大学 | 用于保健和治疗的毛笔书写工具 |
CN1443329A (zh) * | 2000-11-22 | 2003-09-17 | 里科尔公司 | 记录医疗体检结果的系统和方法 |
TW200836112A (en) * | 2007-02-16 | 2008-09-01 | Ind Tech Res Inst | Method of emotion recognition |
CN101261832A (zh) * | 2008-04-21 | 2008-09-10 | 北京航空航天大学 | 汉语语音情感信息的提取及建模方法 |
CN101999108A (zh) * | 2008-01-31 | 2011-03-30 | 美国索尼电脑娱乐有限责任公司 | 大笑检测器以及用于追踪对媒体呈现的情绪反应的系统和方法 |
CN103257736A (zh) * | 2012-02-21 | 2013-08-21 | 纬创资通股份有限公司 | 使用者情绪检测方法与应用其的手写输入电子装置 |
US20140025385A1 (en) * | 2010-12-30 | 2014-01-23 | Nokia Corporation | Method, Apparatus and Computer Program Product for Emotion Detection |
-
2014
- 2014-04-01 CN CN201410128613.3A patent/CN103956171B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1334205A (zh) * | 2000-07-14 | 2002-02-06 | 香港大学 | 用于保健和治疗的毛笔书写工具 |
CN1443329A (zh) * | 2000-11-22 | 2003-09-17 | 里科尔公司 | 记录医疗体检结果的系统和方法 |
TW200836112A (en) * | 2007-02-16 | 2008-09-01 | Ind Tech Res Inst | Method of emotion recognition |
CN101999108A (zh) * | 2008-01-31 | 2011-03-30 | 美国索尼电脑娱乐有限责任公司 | 大笑检测器以及用于追踪对媒体呈现的情绪反应的系统和方法 |
CN101261832A (zh) * | 2008-04-21 | 2008-09-10 | 北京航空航天大学 | 汉语语音情感信息的提取及建模方法 |
US20140025385A1 (en) * | 2010-12-30 | 2014-01-23 | Nokia Corporation | Method, Apparatus and Computer Program Product for Emotion Detection |
CN103257736A (zh) * | 2012-02-21 | 2013-08-21 | 纬创资通股份有限公司 | 使用者情绪检测方法与应用其的手写输入电子装置 |
Non-Patent Citations (3)
Title |
---|
JOHN R HODGES著,熊丽等译: "《临床神经心理学认知评估手册》", 30 April 2013 * |
OANA GEMAN: "A Fuzzy Expert Systems Design for Diagnosis of Parkinson"s Disease", 《PROCEEDINGS OF THE 3RD INTERNATIONAL CONFERENCE ON E-HEALTH AND BIOENGINEERING - EHB 2011》 * |
韩纪庆 等: "《音频信息检索理论与技术》", 31 March 2011 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045393A (zh) * | 2016-02-05 | 2017-08-15 | 中国科学院软件研究所 | 基于数字笔的连线测试多通道数据采集方法及系统 |
CN106073706A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院软件研究所 | 一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统 |
CN106073706B (zh) * | 2016-06-01 | 2019-08-20 | 中国科学院软件研究所 | 一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统 |
CN108962379A (zh) * | 2017-05-26 | 2018-12-07 | 中国科学院软件研究所 | 一种脑神经系统疾病的手机辅助检测系统 |
CN108962379B (zh) * | 2017-05-26 | 2022-04-22 | 中国科学院软件研究所 | 一种脑神经系统疾病的手机辅助检测系统 |
CN107221341A (zh) * | 2017-06-06 | 2017-09-29 | 北京云知声信息技术有限公司 | 一种语音测试方法及装置 |
CN107273677A (zh) * | 2017-06-08 | 2017-10-20 | 中国科学院软件研究所 | 一种多通道神经功能定量评价系统 |
CN108962397A (zh) * | 2018-06-06 | 2018-12-07 | 中国科学院软件研究所 | 一种基于笔和语音的多通道多任务神经系统疾病辅助诊断系统 |
CN108962397B (zh) * | 2018-06-06 | 2022-07-15 | 中国科学院软件研究所 | 一种基于笔和语音的协同任务神经系统疾病辅助诊断系统 |
CN108766462B (zh) * | 2018-06-21 | 2021-06-08 | 浙江中点人工智能科技有限公司 | 一种基于梅尔频谱一阶导数的语音信号特征学习方法 |
CN108766462A (zh) * | 2018-06-21 | 2018-11-06 | 浙江中点人工智能科技有限公司 | 一种基于梅尔频谱一阶导数的语音信号特征学习方法 |
CN109717833A (zh) * | 2018-11-26 | 2019-05-07 | 中国科学院软件研究所 | 一种基于人体运动姿态的神经疾病辅助诊断系统 |
WO2021038109A1 (de) | 2019-08-30 | 2021-03-04 | Metralabs Gmbh Neue Technologien Und Systeme | System zur erfassung von bewegungsabläufen und/oder vitalparametern einer person |
CN112704500A (zh) * | 2020-12-02 | 2021-04-27 | 中南大学 | 一种精神状态筛查系统、精神状态筛查方法及存储介质 |
CN112704500B (zh) * | 2020-12-02 | 2022-04-26 | 中南大学 | 一种精神状态筛查系统、精神状态筛查方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103956171B (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103956171B (zh) | 一种多通道简易精神状态检测系统 | |
Arora et al. | Developing a large scale population screening tool for the assessment of Parkinson's disease using telephone-quality voice | |
CN109801096A (zh) | 一种多模态客户满意度综合评价系统、方法 | |
Li et al. | An automated assessment framework for atypical prosody and stereotyped idiosyncratic phrases related to autism spectrum disorder | |
CN106228977A (zh) | 基于深度学习的多模态融合的歌曲情感识别方法 | |
CN107456208A (zh) | 多模式交互的言语语言功能障碍评估系统与方法 | |
CN102122507A (zh) | 一种运用人工神经网络进行前端处理的语音检错方法 | |
CN112908355B (zh) | 一种师范生教学技能量化评价系统及其方法 | |
Byun et al. | Deriving gradient measures of child speech from crowdsourced ratings | |
CN102592593B (zh) | 一种考虑语音中多线性群组稀疏特性的情绪特征提取方法 | |
Alghowinem et al. | Characterising depressed speech for classification | |
WO2020134647A1 (zh) | 一种针对汉语普通话的早期ad言语辅助筛查系统 | |
Pham et al. | Multimodal detection of Parkinson disease based on vocal and improved spiral test | |
Pompili et al. | Automatic detection of parkinson’s disease: an experimental analysis of common speech production tasks used for diagnosis | |
Harel et al. | Finding the experts in the crowd: Validity and reliability of crowdsourced measures of children’s gradient speech contrasts | |
CN116206496A (zh) | 一种基于人工智能的英语口语练习分析比对系统 | |
Kendall et al. | Considering performance in the automated and manual coding of sociolinguistic variables: Lessons from variable (ING) | |
CN108962397B (zh) | 一种基于笔和语音的协同任务神经系统疾病辅助诊断系统 | |
US20230172526A1 (en) | Automated assessment of cognitive and speech motor impairment | |
Li et al. | Improvement on speech depression recognition based on deep networks | |
Dair et al. | Linguistic and gender variation in speech emotion recognition using spectral features | |
CN103794210A (zh) | 普通话语音评判系统及方法 | |
Dutta et al. | A Fine-Tuned CatBoost-Based Speech Disorder Detection Model | |
Herms et al. | CoLoSS: Cognitive load corpus with speech and performance data from a symbol-digit dual-task | |
CN110246514A (zh) | 一种基于模式识别的英语单词发音学习系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |