CN109817218A - 医疗语音识别的方法及系统 - Google Patents

Abstract

本发明提供了一种医疗语音识别的方法及系统，其中，该方法包括：终端将采集到的语音输入信号发送至语音识别服务器中；所述语音识别服务器将所述语音输入信号识别为文字信息；识别码生成设备将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；扫描识别设备扫描所述识别码，获取所述识别码携带的所述文字信息；报告系统接收所述文字信息，生成医疗报告。本发明实施例中的语音识别服务器根据需要搭建在外网中，通过识别码传递文字信息，使多个医疗机构共用一个语音识别服务器，降低搭建系统的成本，提高了系统的通用性和可维护性，语音识别服务器可定时联网更新词库，代替派遣专业工程师进行更新部署，方便医疗机构的使用。

Description

医疗语音识别的方法及系统

技术领域

本发明涉及医疗设备软件技术领域，具体而言，涉及一种医疗语音识别的方法及系统。

背景技术

现有的医疗语音识别系统，主要由麦克风和语音识别系统组成，使用麦克风将采集的声音数据输入到语音识别系统，传输给服务器识别；语音识别服务器接收数据，识别文字，以文字的形式输出给医院的报告系统；报告系统得到数据后，开始自动填写报告。

医疗系统为了安全性，一般医疗机构报告系统采用内网，所以语音识别系统只能布置到医疗机构内网中，而为每一个医疗机构都布置一套系统，不仅成本花费巨大，而且一旦语音识别系统出现问题，需要派出专业工程师检查维修，造成该系统的可维护性差。除此之外，语音识别服务器需要定时更新词库和增加功能，每次需要派出专业工程师进行更新部署，使得系统更新步骤繁琐，使用不便。

发明内容

有鉴于此，本发明的目的在于提供一种医疗语音识别的方法及系统，以提高语音识别系统的通用性与可维护性，方便医疗机构的使用。

第一方面，本发明实施例提供了一种医疗语音识别的方法，包括：终端将采集到的语音输入信号发送至语音识别服务器中；所述语音识别服务器将所述语音输入信号识别为文字信息；识别码生成设备将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；扫描识别设备扫描所述识别码，获取所述识别码携带的所述文字信息；报告系统接收所述文字信息，生成医疗报告。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述语音识别服务器将所述语音输入信号识别为文字信息，包括：通过语音识别服务器，将接收到的所述语音输入信号转换为数字信号，将所述数字信号发送至预设的语言模型中，识别为所述文字信息。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述识别码生成设备包括：第一存储器，用于存储预置的识别码生成程序；第一处理模块，用于调用所述识别码生成程序，将所述文字信息转换为对应的识别码。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述扫描识别设备包括：摄像头和识别码识别设备，所述摄像头用于扫描所述识别码，获取所述识别码的图像；所述识别码识别设备用于识别所述图像，获取所述图像携带的所述文字信息。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述识别码识别设备包括：第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用所述识别码识别程序，获取所述图像携带的所述文字信息。

第二方面，本发明实施例还提供了一种医疗语音识别的系统，包括：

终端模块，将采集到的语音输入信号发送至语音识别模块中；所述语音识别模块，将所述语音输入信号识别为文字信息；识别码生成模块，将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；扫描识别模块，扫描所述识别码，获取所述识别码携带的所述文字信息，报告系统接收所述文字信息，生成医疗报告。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述语音识别模块包括：通过语音识别服务器，将接收到的所述语音输入信号转换为数字信号，将所述数字信号发送至预设的语言模型中，识别为文字信息。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述识别码生成模块包括：存储器，用于存储预置的识别码生成程序；处理模块，用于调用所述识别码生成程序将所述语音识别结果转换为对应的识别码。

结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述扫描识别模块包括：摄像头和识别码识别设备，所述摄像头用于扫描所述识别码，获取所述识别码的图像；所述识别码识别设备用于识别所述图像，获取所述图像携带的所述文字信息。

结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述识别码识别设备包括：第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用所述识别码识别程序，获取所述识别码携带的所述文字信息。

本发明实施例提供的医疗语音识别的方法及系统，终端将采集到的语音输入信号发送至语音识别服务器中；所述语音识别服务器将所述语音输入信号识别为文字信息；识别码生成设备将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；扫描识别设备扫描所述识别码，获取所述识别码携带的所述文字信息；报告系统接收所述文字信息，生成医疗报告。在现有技术中，医疗机构为了安全性，报告系统都设置在内网中，因此用于语音识别的服务器也只能布置在内网中，既增加搭建系统的成本，又降低了语音识别系统的通用性和可维护性。而本申请通过识别码传递文字信息，因此语音识别服务器可以根据需要搭建在外网中，多个医疗机构能够共用一个语音识别服务器，这样既降低了搭建系统的成本，又提高了医疗语音识别系统的通用性和可维护性，语音识别服务器可以定时联网更新词库和增加功能，不需要派遣专业工程师进行更新部署，方便了医疗机构的使用。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的医疗语音识别系统的方法的流程图；

图2示出了本发明实施例所提供的语音识别转换为文字信息的方法的流程图；

图3示出了本发明实施例所提供的数字语音信号识别为文字信息的方法的流程图；

图4示出了本发明实施例所提供的扫描识别识别码的流程图；

图5示出了本发明实施例所提供的医疗语音识别系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供了一种医疗语音识别的方法，如图1所示，具体包括以下步骤S101～S105：

S101，终端将采集到的语音输入信号发送至语音识别服务器中。

用户在终端上安装语音识别软件，通过语音识别软件将采集的语音输入信号发送至设置在外网的语音识别服务器。其中，终端为可联网、具有录音存储功能的设备，一优选实施例可为手机、平板电脑，小巧便携易操作；可联网，方便用户下载安装语音识别软件；利用手机、平板电脑携带的麦克风采集用户的语音信息。

用户点击进入语音识别软件，输入账号和密码登录系统，若未注册账号，可点击“注册”按钮进行注册。用户点击“开始”按钮进行录音，按下“结束”按钮结束录音，同时界面有弹出消息框询问用户是否保存该段录音内容，用户可将该段录音保存在终端设备中。用户点击“识别”按钮，将采集到的语音信息发送至语音识别服务器进一步识别。

采集的语音信息可以为一句话或一段话，为了保证录入信息的有效性，规定录入一句话的最短时长为五秒钟，若低于该时长，则为无效信息，软件会提醒用户重新录入；为了保证语音识别的效率，规定录入一段话的最高时长为三分钟，若超过该时长，软件会提醒用户超时，并将已录入部分发送至语音识别服务器中。

S102，语音识别服务器将语音输入信号识别为文字信息。

进一步地，如图2所示，语音识别转换为文字信息的过程包括以下步骤S201～S202：

S201，通过语音识别服务器，将接收到的语音输入信号转换为数字语音信号。

输入端输入的模拟语音信号，经采样、保持、量化和编码四个过程的处理，转换成对应的二进制数码输出。具体地，采样，就是利用模拟开关将连续变化的模拟量变成离散的数字量，由于经采样后形成的数字量宽度较窄，经过保持电路可将窄脉冲展宽，形成梯形波。量化，就是将阶梯形模拟信号中各个值转化为某个最小单位的整数倍，便于用数字量来表示。编码，就是将量化的结果(即整数倍值)用二进制数码来表示。这个过程就实现了模数转换。目前集成模数转换器种类较多，有8位、10位模数转换器。

S202，将数字语音信号发送至预设的语言模型中，识别为文字信息。

进一步地，如图3所示，数字语音信号识别为文字信息具体包括以下步骤S301～S305：

S301，对输入的数字语音信号进行特征提取。

其中，在开始语音识别之前，有时需要对数字语音信号进行VAD(Voice ActivityDetection,语音活动检测)的预处理操作，目的是从语音信号流里识别和消除长时间的静音期，以达到在不降低业务质量的情况下节省话路资源的作用，降低对后续步骤造成的干扰。静音抑制可以节省宝贵的带宽资源，有利于减少用户感觉到的端到端的时延。

由于在时域(time domain)上语音信号的波形变化相当快速、不易观察，因此一般都会在频域(frequency domain)上来观察，其频谱是随着时间而缓慢变化的，因此通常可以假设在一较短时间中，其语音信号的特性是稳定的，通常我们定义这个较短时间为一帧(frame)，根据人的语音的音调周期值的变化，一般取10～20ms。

进行特征提取使用的算法主要有线性预测倒谱系数(LPCC)和Mel倒谱系数(MFCC)，用于描述语音特征的参数，比如能量，基音频率，共振峰值等，目的是把每一帧波形变成一个包含声音信息的多维向量。

S302，将提取的特征向量输入到训练好的声学模型中，获得音素信息。

单词的发音由音素构成，在英语中，一种常用的音素集是卡内基梅隆大学的一套由39个音素构成的音素集；在汉语中，一般直接用全部声母和韵母作为音素集。通过对语音数据进行训练获得声学模型，输入时特征向量，输出是音素信息。在识别过程中，将提取的特征向量输入到已经训练好的声学模型中，根据一定的搜索和匹配策略，找出一系列最优的与输入语音相匹配的模板，输出音素信息。

S303，通过预设的词典，输入音素信息，找到匹配与音素相匹配的字。

发音词典包含语音识别系统所能处理的词汇集及其音素，发音词典实际提供了声学模型建模单元与语言模型建模单元间的映射。

S304，将相匹配的字输入到训练好的语言模型中，得到语言概率。

语言模型是用来计算一个句子出现概率的概率模型，通过对大量文本信息进行训练获得语言模型，得到单个字或者词相互关联的概率。它主要用于决定哪个词序列的可能性更大，或者在出现了几个词的情况下预测下一个即将出现的词语的内容。也就是说，语言模型是用来约束单词搜索的。它定义了哪些词能跟在上一个已经识别的词的后面(匹配是一个顺序的处理过程)，这样就可以为匹配过程排除一些不可能的单词。

S305，通过声学模型，字典，语言模型对提取特征后的音频数据进行文字输出。

S103，识别码生成设备将接收到的文字信息生成识别码，将识别码发送至终端。

进一步地，识别码生成设备包括：第一存储器，用于存储预置的识别码生成程序；第一处理模块，用于调用识别码生成程序，将文字信息转换为对应的识别码。

再进一步地，识别码中还可以包括有效期限，即生成的识别码在预设的时间内可供用户识别读取识别码中所存储的信息，逾期则不能获取通过识别码获取分享信。为了充分保证信息分享的安全性，还可以在识别码所包含的信息中增加密码信息等附加信息。

一优选实施例为使用二维码生成器将接收到的文字信息转换为二维码，并将二维码发送至手机、平板电脑等显示器上。二维码是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形记录数据符号信息的；在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息。它具有条码技术的一些共性，比如每种码制有其特定的字符集、每个字符占有一定的宽度、具有一定的校验功能等，同时还具有对不同行的信息自动识别功能、及处理图形旋转变化点，相比于传统的Bar Code条形码能存储更多的信息，也能表示更多的数据类型。

S104，扫描识别设备扫描识别码，获取识别码携带的文字信息。

其中，扫描识别设备包括摄像头和识别码识别设备，摄像头用于扫描识别码，获取识别码的图像；识别码识别设备用于识别图像，获取图像携带的文字信息。

进一步地，如图4所示，扫描识别的过程具体包括以下步骤S401～S402：

S401，在拍照过程中，自动判断目标画面中是否存在识别码。

在本实施例中，该方法的执行主体可以为具有拍照功能的设备，如一台装有摄像头的机器，机器壳体标识有扫描区域，用户将手机、平板电脑放到该区域内，机器将自动判断目标画面中是否存在二维码，若没有扫描到二维码，机器显示屏上将弹出消息框提醒用户“未扫描到二维码，请重新扫描”。

S402，若判断目标画面中存在识别码，提取识别码携带的文字信息。

进一步地，识别码识别设备包括第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用识别码识别程序，获取图像携带的文字信息。

在本实施例中，机器在拍照的同时，若发现所拍摄的目标画面中存在二维码，机器的拍摄界面并不会有任何提示信息，以免中断拍摄进程，而是在机器后台自动识别所述二维码，并提取二维码携带的文字信息，在具体提取时，可以采用现有的二维码和/文字识别和提取技术。

再进一步地，对二维码信息进行标记，并在拍照完成时，将二维码信息存储至所拍图片的EXIF(Exchangeable Image File，可交换图像文件)信息中。EXIF信息中包含了专门为照片而定制的元数据，可以记录照片的拍摄参数、缩略图及其他属性信息。在所拍图片的EXIF信息中，直接读取该图片中所包含的二维码信息。在本实施例中，若用户想对无意中拍进照片中的二维码进行了解，可直接从所拍图片的EXIF信息中读取该图片中所包含的二维码信息，而不必再次选取所拍照片，对其中的二维码进行识别，操作简单，增强了用户体验感。

S105，报告系统接收文字信息，生成医疗报告。

报告系统根据接收到的文字信息，自动填写报告，将生成的医疗报告存储在数据库中。

基于上述分析可知，与相关技术中的为每一个医疗机构布置一套语音识别系统的方法相比，本发明实施例提供的医疗语音识别的方法利用生成和识别识别码传递文字信息，既提高了语音识别系统的通用性和可维护性，也方便了医疗机构的使用。

本发明实施例所提供的进行医疗语音识别的方法及系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的医疗语音识别的系统，图5示出了本发明实施例所提供的医疗语音识别系统的结构示意图，如图5所示，该医疗语音识别系统包括终端、语音识别服务器、识别码生成设备、扫描识别设备和报告系统，终端用于将采集到的语音输入信号发送至语音识别服务器中；语音识别服务器用于将语音输入信号识别为文字信息；识别码生成设备用于将接收到的文字信息生成识别码，将识别码发送至终端；扫描识别设备用于扫描识别码，获取识别码携带的文字信息；报告系统用于接收文字信息，生成医疗报告系统。

其中，终端为可联网、具有录音存储功能的设备，一优选实施例可为手机、平板电脑，小巧便携易操作；可联网，方便用户下载安装语音识别软件；利用手机、平板电脑携带的麦克风采集用户的语音信息。用户在终端上安装语音识别软件，通过语音识别软件将采集的语音输入信号发送至设置在外网的语音识别服务器中，进一步识别。

语音识别服务器首先通过模数转换器将接收到的语音输入信号转换为数字语音信号，然后对数字语音信号进行特征提取，将提取到的特征向量发送至训练好的声学模型、词典和语言模型中，完成解码，得到输出的文字信息。

识别码生成设备包括第一存储器，用于存储预置的识别码生成程序；第一处理模块，用于调用识别码生成程序，将文字信息转换为对应的识别码。

扫描识别设备包括摄像头和识别码识别设备，摄像头用于扫描识别码，获取识别码的图像；识别码识别设备中包括第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用识别码识别程序，获取图像携带的文字信息。在拍照过程中，摄像头自动判断目标画面中是否存在识别码，若没有扫描到二维码，机器显示屏上将弹出消息框提醒用户“未扫描到二维码，请重新扫描”；若判断目标画面中存在识别码，通过调用识别码识别程序，提取识别码携带的文字信息。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种医疗语音识别的方法，其特征在于，包括：

终端将采集到的语音输入信号发送至语音识别服务器中；

所述语音识别服务器将所述语音输入信号识别为文字信息；

识别码生成设备将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；

扫描识别设备扫描所述识别码，获取所述识别码携带的所述文字信息；

报告系统接收所述文字信息，生成医疗报告。

2.根据权利要求1所述的方法，其特征在于，所述语音识别服务器将所述语音输入信号识别为文字信息，包括：通过所述语音识别服务器，将接收到的所述语音输入信号转换为数字语音信号，所述数字语音信号发送至预设的语言模型中，识别为所述文字信息。

3.根据权利要求1所述的方法，其特征在于，所述识别码生成设备包括：第一存储器，用于存储预置的识别码生成程序；第一处理模块，用于调用所述识别码生成程序，将所述文字信息转换为对应的识别码。

4.根据权利要求1所述的方法，其特征在于，所述扫描识别设备包括：摄像头和识别码识别设备，所述摄像头用于扫描所述识别码，获取所述识别码的图像；所述识别码识别设备用于识别所述图像，获取所述图像携带的所述文字信息。

5.根据权利要求4所述的方法，其特征在于，所述识别码识别设备包括：第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用所述识别码识别程序，获取所述图像携带的所述文字信息。

6.一种医疗语音识别的系统，其特征在于，包括：

终端，用于将采集到的语音输入信号发送至语音识别服务器中；

所述语音识别服务器，用于将所述语音输入信号识别为文字信息；

识别码生成设备，用于将接收到的所述文字信息生成识别码，将所述识别码发送至所述终端；

扫描识别设备，用于扫描所述识别码，获取所述识别码携带的所述文字信息；

报告系统用于接收所述文字信息，生成医疗报告。

7.根据权利要求6所述的系统，其特征在于，所述语音识别服务器包括：将接收到的所述语音输入信号转换为数字语音信号，所述数字语音信号发送至预设的语言模型中，识别为文字信息。

8.根据权利要求6所述的系统，其特征在于，所述识别码生成设备包括：第一存储器，用于存储预置的识别码生成程序；第一处理模块，用于调用所述识别码生成程序，将所述文字信息转换为对应的识别码。

9.根据权利要求6所述的方法，其特征在于，所述扫描识别设备包括：摄像头和识别码识别设备，所述摄像头用于扫描所述识别码，获取所述识别码的图像；所述识别码识别设备用于识别所述图像，获取所述图像携带的所述文字信息。

10.根据权利要求9所述的方法，其特征在于，所述识别码识别设备包括：第二存储器，用于存储预置的识别码识别程序；第二处理模块，用于调用所述识别码识别程序，获取所述识别码携带的所述文字信息。