CN113633287A

CN113633287A - 一种基于语音分析的抑郁症识别方法、系统和设备

Info

Publication number: CN113633287A
Application number: CN202110775311.5A
Authority: CN
Inventors: 范青; 戴伟辉; 吕娜; 叶惠玲; 李踔然; 李欣
Original assignee: Shanghai Mental Health Center Shanghai Psychological Counselling Training Center
Current assignee: Shanghai Mental Health Center Shanghai Psychological Counselling Training Center
Priority date: 2021-07-08
Filing date: 2021-07-08
Publication date: 2021-11-12

Abstract

本发明提供一种基于语音分析的抑郁症识别方法、系统和设备，通过将语音智能分析技术应用于抑郁症患者，实现在日常生活中采集患者的语音信息，进而获得对抑郁症状变化的实时监控，为抑郁症的识别、复发监测等提供技术支持，以帮助抑郁症患者和医生获得更好的疾病管理，及时调整患者的康复计划，同时大大减少抑郁症患者的疾病评估成本，并且能让患者在日常生活、家庭护理环境中获得准确的症状监测，并作出疾病复发预警，以尽可能减少抑郁症复发带来的负面后果，有利于抑郁症患者的康复。

Description

一种基于语音分析的抑郁症识别方法、系统和设备

技术领域

本发明涉及情感计算的语音识别技术领域，具体涉及一种基于语音分析的抑郁症识别方法、系统和设备。

背景技术

抑郁障碍是一类以心境低落、兴趣丧失以及精力缺乏为核心特征的心境障碍，同时伴有反应迟钝、注意力不集中、活动减少、失眠等临床症状。据世界卫生组织报道，2015年全球抑郁症患病人数已高达3.5亿，影响范围持续扩大。根据中国精神卫生调查(ChinaMental Health Survey,CMHS)最新发表的研究结果，在我国，抑郁障碍的终身患病率达到6.8％，是最常见的心境障碍。抑郁障碍患者表现出高患病率、高致残率、高复发率和高自杀率，是当今社会中突出的精神健康问题。

和其他精神疾病一样，目前抑郁障碍的评估需要耗费大量的人力物力资源，且主要依赖于个人或其护理人员的间歇性报告。这些报告通常是主观的，评估结果可能会受到患者的回顾性回忆偏差(如低估或高估症状)、认知限制(如对事件和环境的记忆、因果推断)和社会污名等因素的干扰，因此迫切需要对包括抑郁障碍在内的精神疾病患者进行客观诊断、长期监测并提供循证干预，特别是针对那些由于地理、经济等因素而无法获得传统精神卫生服务的群体。系统而客观的评估将促进远程和个性化医疗的发展，从而提升精神障碍医疗实践中的临床服务。由于语音信号具有非侵入、易获取、客观性等特点，且言语行为背后反应了复杂的大脑和肌肉活动，在心理状态评估方面具有巨大的潜力。近年来，结合机器学习、人工智能等技术，将语音特征用于抑郁症的识别和预测已经成为情感计算领域的热点方向。

语音特征在某种程度上可以反映出抑郁状态。对抑郁言语的副语言分析表明，与抑郁相关的生理症状会影响声道特性，而认知能力的变化会影响与语速相关的测量。以往的临床观察及研究结果也说明抑郁症患者确实有一些独特的语音特征，并且可以应用于抑郁症的识别中。但是目前抑郁症语音识别技术大多仍处于研究阶段，且以国外研究居多，在国内缺乏将抑郁症语音识别技术应用于临床的实践。另外，还缺乏将抑郁症患者的语音特征用于抑郁症患者的复发预警，作为疾病发展的监测指标的技术。将语音智能分析技术应用于抑郁症的识别及复发预警上，将填补这一领域的技术空白，为抑郁症患者的治疗及康复带来福音。

发明内容

本发明的目的是提供一种基于语音分析的抑郁症识别方法、系统和设备，从而实现抑郁症的识别和复发预警。

为了达到上述目的，本发明一方面提供一种基于语音分析的抑郁症识别方法，包括以下步骤：

将受试者分为健康组和确诊组，分别获取受试者的语音信号及抑郁程度评分，所述抑郁程度评分根据汉密尔顿抑郁量表设定；

对语音信号进行预处理，使后续语音分析的信号更均匀、平滑；

从经过预处理的语音信号中提取表征抑郁状态的语音特征，构建语音特征集，所述语音特征包括韵律特征和频谱特征；

将语音特征集分为训练集和验证集，采用训练集训练基于决策树的机器学习模型，建立分类决策树以基于所述语音特征识别抑郁症患者和健康受试者；

使用验证集对所述模型进行检验和优化，以建立最优决策树模型。

进一步的，在语音特征提取过程中，包括以下步骤：

采用移动平均滤波器对语音信号进行平滑处理；

构建语音特征集，基于语音特征集提取语音信号中的特征；

计算反映所述语音特征动态变化的一阶导数，进一步获得基于语音整体变化的长时特征；

将长时特征并入语音特征集，形成完整的语音特征集。

进一步的，所述长时特征包括：最大值、最小值、全距、算术平均数、标准差、峰度和偏度。

进一步的，本方法采用语音分析软件openSMILE和python算法批量进行预处理和声学特征提取。

进一步的，本方法根据汉密尔顿抑郁量表设定受试者的标签，汉密尔顿抑郁量表总分超过24分为严重抑郁，超过17分为轻到中度抑郁，小于7分则没有抑郁症状。

另一方面，本发明还提供了一种基于语音分析的抑郁症识别系统，包括：

语音获取模块，用以获取受试者的语音信号并输入受试者相应的抑郁程度评分；

预处理模块，用以对语音信号进行预处理，使后续语音分析的信号更均匀、平滑；

特征提取模块，用以对语音信号进行预处理，使后续语音分析的信号更均匀、平滑；

分类学习模块，用以将语音特征集分为训练集和验证集，采用训练集训练基于决策树的机器学习模型，建立分类决策树以基于所述语音特征识别抑郁症患者和健康受试者；

验证模块，用以使用验证集对所述模型进行检验和优化，以建立最优决策树模型。

进一步的，所述语音特征集包括：均方根信号帧能量、12个梅尔频率倒谱系数、短时过零率、谐波信噪比和基频。

另一方面，本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述方法的步骤。

另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行所述方法的步骤。

相对于现有技术，本发明具有以下进步和技术效果：

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种基于语音分析的抑郁症识别方法的流程图。

图2是本发明一种基于语音分析的抑郁症识别方法系统的框架图。

图3是本发明一个实施例的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

图1是本发明的一种基于语音分析的抑郁症识别方法的流程图。如图1所示，本发明的一种基于语音分析的抑郁症识别方法包括以下步骤：

S100，获取受试者的语音信号及抑郁程度评分。

S200，对语音信号进行预处理。

S300，从经过预处理的语音信号中提取表征抑郁状态的语音特征。

S400，训练基于决策树的机器学习模型。

S500，使用验证集对所述模型进行检验和优化。

在步骤S100中，在日常生活中采集患者的语音信号，以实时监控患者的抑郁症变化。

在一个实施例中，语音采集设备设定为定期采集患者的语音信号，作为患者康复计划中的疗效反馈。采集时间可根据康复计划进行后期调整，以配合患者的治疗效果。语音采集设备可以为音频采集设备，也可为具有音频采集功能的电子设备，如手机，平板电脑。

在步骤S200中，对语音信号进行语音预处理，保证后续语音分析的信号更均匀、平滑，为语音特征提取提供优质的参数，以提高语音分析质量。

在步骤S300中，从经过预处理的语音信号中提取表征抑郁状态的语音特征，构建语音特征集，所述语音特征包括韵律特征和频谱特征。

具体的，本方法首先对语音信号进行预处理，然后进行声学特征提取。在一个实施例中，本方法采用语音分析软件openSMILE和python算法批量进行预处理和声学特征提取。

具体的，在语音特征提取过程中，还包括以下步骤：

采用移动平均滤波器对语音信号进行平滑处理。在一个实施例中，语音特征参数是通过窗口长度为3移动平均滤波器进行平滑得到的。

构建语音特征集，基于语音特征集提取语音信号中的特征。在一个实施例中，语音特征集包括16个在情感识别领域常用的声学低级描述符，可以理解的是，声学低级描述符，被定义为从某个时间点音频信号的短时帧水平上计算出的语音特征参数。

16个声学低级描述符包括：方根信号帧能量(Root-mean-square signal frameenergy)、12个梅尔频率倒谱系数(Mfcc1-12)、短时过零率(zero cross rate,zcr)、谐波信噪比、基频。其中，基频通过使用倒谱法计算得到。

计算反映所述语音特征动态变化的一阶导数，进一步获得基于语音整体变化的长时特征。

在一个实施例中，长时特征包括：最大值、最小值、全距、算术平均数、标准差、峰度和偏度等统计指标。

最后，将长时特征并入语音特征集，共提取384个语音特征，形成完整的语音特征集。

在步骤S400中，本方法将语音特征集分为训练集和验证集，采用训练集训练基于决策树的机器学习模型，建立分类决策树以基于所述语音特征识别抑郁症患者和健康受试者。

在步骤S500中，本方法使用验证集对所述模型进行检验和优化，以建立最优决策树模型。

图2是本发明一种基于语音分析的抑郁症识别方法系统的框架图。如图2所示本发明一种基于语音分析的抑郁症识别方法系统包括：

语音获取模块1，用以获取受试者的语音信号并输入受试者相应的抑郁程度评分。

预处理模块2，用以对语音信号进行预处理，使后续语音分析的信号更均匀、平滑。

特征提取模块3，用以对语音信号进行预处理，使后续语音分析的信号更均匀、平滑。

分类学习模块4，用以将语音特征集分为训练集和验证集，采用训练集训练基于决策树的机器学习模型，建立分类决策树以基于所述语音特征识别抑郁症患者和健康受试者.

验证模块5，用以使用验证集对所述模型进行检验和优化，以建立最优决策树模型。

具体的，语音特征集包括16个在情感识别领域常用的声学低级描述符，16个声学低级描述符包括：方根信号帧能量(Root-mean-square signal frame energy)、12个梅尔频率倒谱系数(Mfcc1-12)、短时过零率(zero cross rate,zcr)、谐波信噪比、基频。其中，基频通过使用倒谱法计算得到。

具体的，长时特征包括：最大值、最小值、全距、算术平均数、标准差、峰度和偏度等统计指标。

图3是本发明一个实施例的一种计算机设备的结构示意图。如图3所示，本发明一个实施例的一种电子设备包括一个或多个输入设备1000、一个或多个输出设备1000、一个或多个处理器3000和存储器4000。

在本发明一个实施例中，处理器1000、输入设备2000、输出设备3000和存储器4000可以通过总线或其它方式连接。输入设备2000、输出设备3000可以是标准的有线或无线通信接口。

处理器1000可以是中央处理模块(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器4000可以是高速RAM存储器，也可为非不稳定的存储器，例如磁盘存储器。存储器4000用于存储一组计算机程序，输入设备2000、输出设备3000和处理器1000可以调用存储器4000中存储的程序代码。

存储器4000存储的计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如上述实施例中所述专利价值评估方法的步骤。

本发明的一个实施例还提供一种计算机可读存储介质。该计算机可读存储介质可以是高速RAM存储器，也可为非不稳定的存储器，例如磁盘存储器。该计算机可读存储介质可通过外部计算设备或网络进行连接，以读取该计算机可读存储介质所存储的一组计算机程序。该计算机可读存储介质存储的计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如上述实施例中上述方法的步骤。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于语音分析的抑郁症识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于语音分析的抑郁症识别方法，其特征在于，在语音特征提取过程中，包括以下步骤：

采用移动平均滤波器对语音信号进行平滑处理；

构建语音特征集，基于语音特征集提取语音信号中的特征；

将长时特征并入语音特征集，形成完整的语音特征集。

3.如权利要求2所述的一种基于语音分析的抑郁症识别方法，其特征在于，所述语音特征集包括：均方根信号帧能量、12个梅尔频率倒谱系数、短时过零率、谐波信噪比和基频。

4.如权利要求2所述的一种基于语音分析的抑郁症识别方法，其特征在于，所述长时特征包括：最大值、最小值、全距、算术平均数、标准差、峰度和偏度。

5.如权利要求2所述的一种基于语音分析的抑郁症识别方法，其特征在于，采用语音分析软件openSMILE和python算法批量进行预处理和声学特征提取。

6.如权利要求1所述的一种基于语音分析的抑郁症识别方法，其特征在于，根据汉密尔顿抑郁量表设定受试者的标签，汉密尔顿抑郁量表总分超过24分为严重抑郁，超过17分为轻到中度抑郁，小于7分则没有抑郁症状。

7.一种基于语音分析的抑郁症识别系统，其特征在于，包括：

8.如权利要求7所述的一种基于语音分析的抑郁症识别系统，其特征在于，所述语音特征集包括：均方根信号帧能量、12个梅尔频率倒谱系数、短时过零率、谐波信噪比和基频。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至6中任一项所述方法的步骤。