CN116048282B - 一种数据处理方法、系统、装置、设备及存储介质 - Google Patents
一种数据处理方法、系统、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116048282B CN116048282B CN202310203867.6A CN202310203867A CN116048282B CN 116048282 B CN116048282 B CN 116048282B CN 202310203867 A CN202310203867 A CN 202310203867A CN 116048282 B CN116048282 B CN 116048282B
- Authority
- CN
- China
- Prior art keywords
- tested person
- voice
- electroencephalogram
- signal
- data processing
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims description 95
- 230000000638 stimulation Effects 0.000 claims description 41
- 230000000007 visual effect Effects 0.000 claims description 37
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 23
- 208000011977 language disease Diseases 0.000 claims description 14
- 230000000763 evoking effect Effects 0.000 claims description 11
- 208000021584 Expressive language disease Diseases 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 210000004556 brain Anatomy 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 201000007201 aphasia Diseases 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 208000027765 speech disease Diseases 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Human Computer Interaction (AREA)
- Neurology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Psychiatry (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Dermatology (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开提供了一种数据处理方法、系统、装置、设备及存储介质，涉及计算机技术领域。方法主要包括：获取待处理数据，待处理数据包括被测试者的第一语音信号和第一脑电信号，第一语音信号为被测试者针对第一问题集合得到的语音信号，第一脑电信号为被测试者针对第二问题集合得到的脑电信号；根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息；根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息；根据文本信息和意图信息，确定被测试者对应的数据处理结果。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种数据处理方法、系统、装置、设备及存储介质。
背景技术
失语症测验用于确定被测试者是否存在表达性或接受性语言障碍，对于表达性语言障碍测验，被测试者需要口头回答相应的测试问题；对于接受性语言障碍测验，被测试者需要指出与测试问题对应的答案选项。
在现有技术中，被测试者在测验过程中产生的口头回答和肢体指示等测验数据都是由测试人员对被测试者进行刺激得到的，在此过程中，测试人员的问题发音以及给与被测试者的回答时间都会影响测验数据，从而导致数据处理结果不准确，而且由于接受性语言障碍测验需要被测试者指出答案选项，因此测试人员无法采集运动功能严重受损的被测试者产生的肢体指示，另外，由测试人员对被测试者在测验过程中产生的口头回答和肢体指示等测验数据进行处理，这会增大测试人员的工作量。
发明内容
本公开提供了一种数据处理方法、系统、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面，提供了一种数据处理方法，该方法包括：获取待处理数据，所述待处理数据包括被测试者的第一语音信号和第一脑电信号，所述第一语音信号为被测试者针对第一问题集合得到的语音信号，所述第一脑电信号为被测试者针对第二问题集合得到的脑电信号；根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息；根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息；根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果。
在一可实施方式中，所述获取待处理数据，包括：根据第一问题集合，对所述被测试者进行语音刺激，得到所述被测试者针对所述语音刺激发出的第一语音信号；根据第二问题集合，对所述被测试者进行视觉刺激，得到所述被测试者针对所述视觉刺激产生的第一脑电信号，所述第一脑电信号为无闪烁稳态运动视觉诱发电位信号。
在一可实施方式中，所述根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息，包括：根据语音端点检测算法，检测所述第一语音信号中真实语音的起始点与终止点，得到第二语音信号；根据梅尔频率倒谱系数算法，对所述第二语音信号进行特征提取，得到特征序列；根据动态时间规整算法和所述特征序列，对所述第二语音信号进行识别，得到被测试者的文本信息。
在一可实施方式中，所述根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息，包括：根据所述第一脑电信号的频率特征和极端梯度提升模型，对所述第一脑电信号进行分类，得到被测试者的意图信息。
在一可实施方式中，所述根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果，包括：将所述文本信息与预设文本进行对比，得到第一对比结果，并统计所述第一对比结果为不相同的第一数量；将所述意图信息与预设意图进行对比，得到第二对比结果，并统计所述第二对比结果为不相同的第二数量；根据所述第一数量和所述第二数量，确定所述被测试者对应的数据处理结果。
在一可实施方式中，所述根据所述第一数量和所述第二数量，确定所述被测试者对应的数据处理结果，包括：根据所述第一数量与所述第二数量之和，确定所述被测试者对应的评估等级；根据所述第一数量与所述第二数量之比，确定所述被测试者对应的评估类型。
根据本公开的第二方面，提供了一种数据处理系统，该系统包括：语音信号采集设备、脑电信号采集设备、数据传输模块和数据处理模块；所述语音信号采集设备，用于根据第一问题集合，对被测试者进行语音刺激，得到所述被测试者针对所述语音刺激发出的第一语音信号；所述脑电信号采集设备，用于根据第二问题集合，对被测试者进行视觉刺激，得到所述被测试者针对所述视觉刺激产生的第一脑电信号，所述第一脑电信号为无闪烁稳态运动视觉诱发电位信号；数据传输模块，用于将所述第一语音信号和所述第一脑电信号传输至所述数据处理模块；数据处理模块，用于根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息，以及根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息，并根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果。
根据本公开的第三方面，提供了一种数据处理装置，其特征在于，所述装置包括：获取模块，用于获取待处理数据，所述待处理数据包括被测试者的第一语音信号和第一脑电信号，所述第一语音信号为被测试者针对第一问题集合得到的语音信号，所述第一脑电信号为被测试者针对第二问题集合得到的脑电信号；语音识别模块，用于根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息；脑电识别模块，用于根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息；确定模块，用于根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果。
根据本公开的第四方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第五方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的一种数据处理方法、系统、装置、设备及存储介质，首先获取待处理数据，待处理数据包括被测试者的第一语音信号和第一脑电信号，然后根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息，并根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息，最后根据文本信息和意图信息，确定被测试者对应的数据处理结果。由此，通过脑机接口技术，可以采集到运动功能严重受损的被测试者的第一脑电信号，而且根据语音识别算法和脑电识别模型，分别对被测试者的第一语音信号和第一脑电信号进行识别，并最终根据识别得到的文本信息和意图信息，自动确定被测试者对应的数据处理结果，可以减轻测试人员的工作量。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本公开第一实施例的一种数据处理方法的流程示意图；
图2示出了本公开第二实施例的一种数据处理方法的第一场景示意图；
图3示出了本公开第二实施例的一种数据处理方法的第二场景示意图；
图4示出了本公开第二实施例的一种数据处理方法的第三场景示意图；
图5示出了本公开第三实施例的一种数据处理方法的流程示意图；
图6示出了本公开第五实施例的一种数据处理方法的流程示意图；
图7示出了本公开第七实施例的一种数据处理系统的结构示意图；
图8示出了本公开第八实施例的一种数据处理装置的结构示意图；
图9示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
图1示出了本公开第一实施例的一种数据处理方法的流程示意图，如图1所示，该方法主要包括：
步骤S101，获取待处理数据，待处理数据包括被测试者的第一语音信号和第一脑电信号。
在本实施例中，首先需要获取待处理数据，待处理数据包括被测试者的第一语音信号和第一脑电信号，第一语音信号为被测试者针对第一问题集合得到的语音信号，第一脑电信号为被测试者针对第二问题集合得到的脑电信号。
在一可实施方式中，若需要对被测试者进行表达性或接受性语言障碍测验，则可以根据汤匙-铅笔测验（Spoon-pencil test）设置第一问题集合和第二问题集合，其中，汤匙-铅笔测验为失语症测验的一种，主要使用汤匙和削尖的、带橡皮擦的铅笔，第一问题集合可以用于对被测试者进行表达性语言障碍测验，第二问题集合可以用于对被测试者进行接受性语言障碍测验。表达性语言障碍测验主要用于对被测试者的表达能力进行测验，需要被测试者口头回答测试问题，从而获取第一语音信号，因此，第一问题集合中的问题可以包括“这部分叫什么”、“这是什么颜色的”、“铅笔是干什么用的”和“汤匙是用什么做成的”等；接受性语言障碍测验主要用于对被测试者的听觉认知能力进行测验，需要被测试者注视测试问题的答案，从而获取第一脑电信号，因此，第二问题集合中的问题可以包括“铅笔是哪一支”、“汤匙是哪一支”、“哪一支是黄色的”和“在餐厅你用哪一支”等。具体地，可以利用录音设备和录像设备采集被测试者的第一语音信号；利用基于无闪烁稳态运动视觉诱发电位（FF-SSMVEP，Flicker-Free Steady-State Motion Visual Evoked Potential）的脑机接口技术采集被测试者的第一脑电信号。
步骤S102，根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息。
在本实施例中，根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息，即将第一语音信号转换为文本信息。具体地，语音识别算法可以为动态时间规整（DTW，Dynamic Time Warping）算法、基于参数模型的隐马尔可夫模型（HMM，Hidden MarkovModel）算法、卷积神经网络（CNN，Convolutional Neural Network）算法和小波神经网络（WNN，Wavelet Neural Network）算法等。
步骤S103，根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息。
在本实施例中，根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息，即将第一脑电信号转换为被测试者的真实意图。具体地，脑电识别模型可以为极端梯度提升（XGBoost，eXtreme Gradient Boosting）模型和支持向量机（SVM，SupportVector Machine）模型等。
步骤S104，根据文本信息和意图信息，确定被测试者对应的数据处理结果。
在本实施例中，根据文本信息和意图信息，确定被测试者对应的数据处理结果。具体地，在设置第一问题集合时，同时还需要确定第一问题集合中每个测试问题对应的正确答案，并将正确答案作为预设文本；在设置第二问题集合时，同时还需要确定第一问题集合中每个测试问题对应的正确答案，将正确答案作为预设意图；在得到文本信息和意图信息之后，对于第一问题集合中的一个测试问题，将该测试问题对应的文本信息与预设文本进行对比，得到第一对比结果，若第一对比结果为不相同，则被测试者针对该测试问题的回答错误，统计被测试者针对第一问题集合的错误次数；对于第二问题集合中的一个测试问题，将该测试问题对应的意图信心与预设意图进行对比，得到第二对比结果，若第二对比结果为不相同，则被测试者针对该测试问题的回答错误，统计被测试者针对第二问题集合的错误次数，可以将被测试者针对第一问题集合的错误次数和被测试者针对第二问题集合的错误次数作为被测试者对应的数据处理结果。
在本公开第一实施例中，为对被测试者进行表达性或接受性语言障碍测验时产生的测验数据进行处理，可以通过脑机接口技术，采集到被测试者的第一脑电信号，从而保证能够对运动功能严重受损的被测试者的测验数据进行处理，同时根据语音识别算法和脑电识别模型，分别对被测试者的第一语音信号和第一脑电信号进行识别，并最终根据识别得到的文本信息和意图信息，自动确定被测试者对应的数据处理结果，可以减轻测试人员的工作量。
在本公开第二实施例中，步骤S101主要包括：
根据第一问题集合，对被测试者进行语音刺激，得到被测试者针对语音刺激发出的第一语音信号；根据第二问题集合，对被测试者进行视觉刺激，得到被测试者针对视觉刺激产生的第一脑电信号，第一脑电信号为无闪烁稳态运动视觉诱发电位信号。
在本实施例中，首先可以根据第一问题集合，对被测试者进行语音刺激，即以语音的形式向被测试者传递第一问题集合中的测试问题，从而得到被测试者针对测试问题发出的第一语音信号，然后根据第二问题集合，对被测试者进行视觉刺激，即将第二问题集合中测试问题的多个备选项以视觉刺激的形式向被测试者传递，从而得到被测试者针对测试问题产生的第一脑电信号，其中，第一脑电信号为无闪烁稳态运动视觉诱发电位信号。
在一可实施方式中，对于第一问题集合中的测试问题，可以由用户交互界面示出每个测试问题对应的测试界面，测试界面中可以包括该测试问题对应的问题序号、具体问题和目标物体的图片，若该测试问题涉及目标物体的具体部位，则可以使用箭头在目标物体的图片中指出。图2示出了本公开第二实施例的一种数据处理方法的第一场景示意图，如图2所示，第一问题集合中的第五个测试问题为“这部分叫什么？”，且涉及汤匙的手柄部分，则使用箭头指出汤匙图片中的手柄部分；根据该问题对被测试者进行语音刺激时，可以播放提前录制好的问题音频，在问题音频播放完毕之后，采集被测试者的语音输入，若在一段语音输入后的预设时间内没有检测到其它语音输入，则认为被测试者针对该测试问题回答完毕，将采集到的语音输入作为被测试者针对该问题的第一语音信号，同时，用户交互界面示出第一问题集合中的第六个测试问题对应的测试界面，并播放第六个测试问题对应的问题音频，采集被测试者针对第六个测试问题的第一语音信号。具体地，预设时间可以根据实际情况自行设定，例如，预设时间可以为5秒。
在一可实施方式中，对于第二问题集合中的测试问题，可以由用户交互界面示出每个测试问题对应的测试界面，测试界面中可以包括该测试问题对应的问题序号、具体问题和多个备选目标物体的图片，且多个备选目标物体的图片以不同的频率进行周期性运动，用于对被测试者进行视觉刺激，即采用基于FF-SSMVEP的脑机接口技术对被测试者进行视觉刺激。图3示出了本公开第二实施例的一种数据处理方法的第二场景示意图，如图3所示，第二问题集合中的第二个问题为“汤匙是哪一支？”，且同时放置铅笔和汤匙的图片，并使铅笔的图片以第一频率进行无闪烁的周期性运动，使汤匙的图片以第二频率进行无闪烁的周期性运动；根据该测试问题对被测试者进行视觉刺激时，可以播放提前录制好的问题音频，在问题音频播放完毕之后，被测试者根据该测试问题在多个备选目标物体的图片中选定对应的目标物体图片，并对该选定的目标物体图片进行注视，该选定的目标物体图片的周期性运动会对被测试者进行视觉刺激，使得被测试者产生第一脑电信号，可以根据脑电记录仪采集第一脑电信号，其中，第一频率和第二频率可以根据实际情况自行设定，优选地，第一频率可以为0.3Hz（赫兹），第二频率可以为0.2Hz（赫兹）。图4示出了本公开第二实施例的一种数据处理方法的第三场景示意图，如图4所示，汤匙的图片以0.2Hz（赫兹）的频率进行无闪烁的周期性运动，需要强调的是，图4中仅提取了汤匙的图片在进行无闪烁的周期性运动过程中几个特定时刻的状态，实际汤匙的图片在进行无闪烁的周期性运动时是连续变化的。
在本公开第二实施例中，根据第二问题集合和基于FF-SSMVEP的脑机接口技术对被测试者进行视觉刺激，无闪烁的周期性运动会给被测试者带来更加舒适的体验感，尤其对于精神健康状态较差的被测试者，无闪烁的周期性运动有助于集中注意力；另外，无论对被测试者进行语音刺激还是视觉刺激，都会对当前测试问题同时进行语音播放和测试界面展示，使得被测试者即使没有听清测试问题，也能够接收到测试问题，且不会受到测试人员个体原因的影响，从而保证采集到更加准确的第一语音信号和第一脑电信号。
图5示出了本公开第三实施例的一种数据处理方法的流程示意图，如图5所示，步骤S102主要包括：
步骤S201，根据语音端点检测算法，检测第一语音信号中真实语音的起始点与终止点，得到第二语音信号。
在本实施例中，为了将第一语音信号转换为文本信息，首先需要根据语音端点检测（VAD，Voice Activity Detection）算法，检测第一语音信号中真实语音的起始点与终止点，从而将起始点与终止点之间的真实语音作为第二语音信号。具体地，第一语音信号中可能包括真实语音和噪声语音，其中，真实语音即被测试者针对测试问题进行回答的语音，噪声语音为真实语音之外的语音，可能包括静音和其他噪声等。
在一可实施方式中，根据VAD算法，对第一语音信号进行检测时，首先需要对第一语音信号进行参数特征提取，参数特征可以包括能量、频域和谐波等，然后根据提取出的参数特征对第一语音信号中的信号帧进行分类，分类方法可以包括自适应门限法、统计模型法和机器学习法等。具体地，若在安静无噪音的测试环境中对被测试者进行测试，则可以根据第一语音信号的能量对第一语音信号中的信号帧进行分类，例如，若信号帧的能量大于第一预设阈值，则认为该信号帧为真实语音帧；若信号帧的能量小于第一预设阈值，则认为该信号帧为噪声语音帧。
步骤S202，根据梅尔频率倒谱系数算法，对第二语音信号进行特征提取，得到特征序列。
在本实施例中，获取到第二语音信号之后，根据梅尔频率倒谱系数（MFCC，Mel-Frequency Cepstral Coefficients）算法，对第二语音信号进行声学特征提取，声学特征以序列的形式展示，从而得到特征序列。具体地，MFCC算法可以在梅尔标度频率域提取出倒谱参数，其中，梅尔标度描述了人耳频率的非线性特征，因此，根据MFCC算法提取出的特征序列更符合人耳的听觉特征。
步骤S203，根据动态时间规整算法和特征序列，对第二语音信号进行识别，得到被测试者的文本信息。
在本实施例中，由于对被测试者进行表达性语言障碍测验时，一般不需要被测试者发出较长的语音，即第二语音信号中的语音内容大多为孤立的词或短句，因此根据DTW算法和特征序列即可对第二语音信号进行识别，得到被测试者的文本信息。
在本公开第三实施例中，根据VAD算法检测第一语音信号中真实语音的起始点与终止点，得到的第二语音信号中不包含噪声语音，可以降低噪声语音对后续语音识别造成的干扰，并提高后续语音识别的效率，另外，根据DTW算法和MFCC算法提取出的特征序列，对第二语音信号进行识别，可以提高语音识别的准确率。
在本公开第四实施例中，步骤S103主要包括：
根据第一脑电信号的频率特征和极端梯度提升模型，对第一脑电信号进行分类，得到被测试者的意图信息。
在本实施例中，对第一脑电信号进行识别时，首先需要提取第一脑电信号的频率特征，然后根据XGBoost模型，对第一脑电信号的频率特征进行分类，从而得到被测试者的意图信息。
在一可实施方式中，以图3为例，图3中的测试问题为“汤匙是哪一支？”，若图3中的铅笔的图片以0.3Hz（赫兹）的频率进行无闪烁的周期性运动，汤匙的图片以0.2Hz（赫兹）的频率进行无闪烁的周期性运动，则提取第一脑电信号的频率特征，并根据XGBoost模型对第一脑电信号的频率特征进行二分类，从而确定被测试者的意图信息。具体地，若第一脑电信号的频率为0.3Hz（赫兹），则被测试者注视的为铅笔的图片，证明被测试者针对图3中测试问题的回答错误；若第一脑电信号的频率为0.2Hz（赫兹），则被测试者注视的为汤匙的图片，证明被测试者针对图3中测试问题的回答正确。
图6示出了本公开第五实施例的一种数据处理方法的流程示意图，如图5所示，步骤S104主要包括：
步骤S301，将文本信息与预设文本进行对比，得到第一对比结果，并统计第一对比结果为不相同的第一数量。
步骤S302，将意图信息与预设意图进行对比，得到第二对比结果，并统计第二对比结果为不相同的第二数量。
步骤S303，根据第一数量和第二数量，确定被测试者对应的数据处理结果。
在本实施例中，首先将文本信息与预设文本进行对比，得到第一对比结果，其中，预设文本为第一问题集合中的测试问题对应的正确答案，若文本信息为第一问题集合中第一个测试问题的文本信息，则将该文本信息与第一问题集合中第一个测试问题的预设文本进行对比，得到第一问题集合中第一个测试问题对应的第一对比结果，当得到第一问题集合中所有的测试问题对应的第一对比结果后，统计第一对比结果为不相同的第一数量，即统计被测试者针对第一问题集合的错误次数；然后将意图信息与预设意图进行对比，得到第二对比结果，其中，预设意图为第二问题集合中的测试问题对应的正确答案，若意图信息为第二问题集合中第一个测试问题的意图信息，则将该意图信息与第二问题集合中第一个测试问题的预设意图进行对比，得到第二问题集合中第一个测试问题对应的第二对比结果，当得到第二问题集合中所有的测试问题对应的第二对比结果后，统计第二对比结果为不相同的第二数量，即统计被测试者针对第二问题集合的错误次数；最后可以根据第一数量和第二数量，确定被测试者对应的数据处理结果。具体地，可以直接将第一数量和第二数量确定为被测试者对应的数据处理结果。
在本公开第六实施例中，步骤S303主要包括：
根据第一数量与第二数量之和，确定被测试者对应的评估等级；根据第一数量与第二数量之比，确定被测试者对应的评估类型。
在本实施例中，根据第一数量和第二数量，确定被测试者对应的数据处理结果时，可以根据第一数量与第二数量之和，确定被测试者对应的评估等级。具体地，若第一数量与第二数量之和满足第一预设阈值，则确定被测试者对应的评估等级为无言语障碍和精神障碍；若第一数量与第二数量之和满足第二预设阈值，则确定被测试者对应的评估等级为有明显精神障碍；若第一数量与第二数量之和满足第三预设阈值，则确定被测试者对应的评估等级为有轻微言语障碍；若第一数量与第二数量之和满足第四预设阈值，则确定被测试者对应的评估等级为有明显言语障碍，其中，第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值可以根据实际情况自行设定，例如，第一预设阈值可以为0；第二预设阈值可以为1-2；第三预设阈值可以为3-4；第四预设阈值可以大于4的自然数。
在本实施例中，根据第一数量和第二数量，确定被测试者对应的数据处理结果时，还可以根据第一数量与第二数量之比，确定被测试者对应的评估类型。具体地，以第一问题集合用于对被测试者进行表达性语言障碍测验，第二问题集合用于对被测试者进行接受性语言障碍测验为例，若第一数量与第二数量之比大于第五预设阈值，即被测试者有严重的表达性语言障碍并伴有轻微的接受性语言障碍，则确定被测试者对应的评估分类为古典运动性失语症；若第一数量与第二数量之比小于第六预设阈值，即被测试者有严重的接受性语言障碍并伴有轻微的表达性语言障碍，则确定被测试者对应的评估分类为非语言中枢损伤；若第一数量与第二数量之比满足第七预设阈值，即被测试者有表达性语言障碍和接受性语言障碍，且两者障碍程度相当，则确定被测试者对应的评估分类为中心性缺损导致的语言障碍，其中，第五预设阈值、第六预设阈值、第七预设阈值可以根据实际情况自行设定。
在本公开第五实施例和第六实施例中，统计第一对比结果为不相同的第一数量，并统计第二对比结果为不相同的第二数量，并最终根据第一数量和第二数量，确定被测试者对应的数据处理结果，可以确定被测试者对应的评估等级和评估分类，使得数据处理结果更加直观、便于阅读。
图7示出了本公开第七实施例的一种数据处理系统的结构示意图，如图7所示，该系统主要包括：语音信号采集设备、脑电信号采集设备、数据传输模块和数据处理模块；
其中，语音信号采集设备，用于根据第一问题集合，对被测试者进行语音刺激，得到被测试者针对语音刺激发出的第一语音信号；脑电信号采集设备，用于根据第二问题集合，对被测试者进行视觉刺激，得到被测试者针对视觉刺激产生的第一脑电信号，第一脑电信号为无闪烁稳态运动视觉诱发电位信号；数据传输模块，用于将第一语音信号和第一脑电信号传输至数据处理模块；数据处理模块，用于根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息，以及根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息，并根据文本信息和意图信息，确定被测试者对应的数据处理结果。
在本实施例中，语音信号采集设备用于根据第一问题集合，播放第一问题集合中测试问题的问题音频，同时以用户交互界面展示第一问题集合中测试问题的测试界面，并采用录音设备和录像设备等采集被测试者针对第一问题集合中测试问题的语音回答，从而得到第一语音信号。
在本实施例中，脑电采集设备用于根据第二问题集合，播放第二问题集合中测试问题的问题音频，同时以用户交互界面展示第二问题集合中测试问题的测试界面，测试界面采用基于FF-SSMVEP的脑机接口技术对被测试者进行视觉刺激，并根据脑电记录仪系统采集被测试者的第一脑电信号。具体地，根据脑电记录仪系统采集被测试者的第一脑电信号时，可将采样率设置为1000Hz（赫兹），并采用50Hz（赫兹）的陷波用于去除工频干扰。
在本实施例中，数据传输模块用于将第一语音信号和第一脑电信号传输至数据处理模块，可以根据TCP/IP协议实现第一语音信号和第一脑电信号的采集设备端至数据处理模块所在设备端的实时传输。
在本实施例中，数据处理模块用于根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息，以及根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息，并根据文本信息和意图信息，确定被测试者对应的数据处理结果，同时将数据处理结果在显示器中显示。需要强调的是，显示器也可以用于展示用户交互界面，优选地，可以选取分辨率为1920×1080、刷新率为60 Hz（赫兹）的显示器；用户交互界面可以由MATLAB软件中的心理学工具箱（Psychtoolbox）编码完成。
图8示出了本公开第八实施例的一种数据处理装置的结构示意图，如图8所示，该装置主要包括：
获取模块10，用于获取待处理数据，待处理数据包括被测试者的第一语音信号和第一脑电信号，第一语音信号为被测试者针对第一问题集合得到的语音信号，第一脑电信号为被测试者针对第二问题集合得到的脑电信号；语音识别模块11，用于根据语音识别算法，对第一语音信号进行识别，得到被测试者的文本信息；脑电识别模块12，用于根据脑电识别模型，对第一脑电信号进行识别，得到被测试者的意图信息；确定模块13，用于根据文本信息和意图信息，确定被测试者对应的数据处理结果。
在一可实施方式中，获取模块10包括：语音信号获取子模块，用于根据第一问题集合，对被测试者进行语音刺激，得到被测试者针对语音刺激发出的第一语音信号；脑电信号获取子模块，用于根据第二问题集合，对被测试者进行视觉刺激，得到被测试者针对视觉刺激产生的第一脑电信号，第一脑电信号为无闪烁稳态运动视觉诱发电位信号。
在一可实施方式中，语音识别模块11包括：检测子模块，用于根据语音端点检测算法，检测第一语音信号中真实语音的起始点与终止点，得到第二语音信号；特征提取子模块，用于根据梅尔频率倒谱系数算法，对第二语音信号进行特征提取，得到特征序列；语音识别子模块，用于根据动态时间规整算法和特征序列，对第二语音信号进行识别，得到被测试者的文本信息。
在一可实施方式中，脑电识别模块12还用于根据第一脑电信号的频率特征和极端梯度提升模型，对第一脑电信号进行分类，得到被测试者的意图信息。
在一可实施方式中，确定模块13包括：第一对比子模块，用于将文本信息与预设文本进行对比，得到第一对比结果；第一统计子模块，用于统计第一对比结果为不相同的第一数量；第二对比子模块，用于将意图信息与预设意图进行对比，得到第二对比结果；第二统计子模块，用于统计第二对比结果为不相同的第二数量；确定子模块，用于根据第一数量和第二数量，确定被测试者对应的数据处理结果。
在一可实施方式中，确定子模块包括：第一确定单元，用于根据第一数量与第二数量之和，确定被测试者对应的评估等级；第二确定单元，用于根据第一数量与第二数量之比，确定被测试者对应的评估类型。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器（ROM）902中的计算机程序或者从存储单元908加载到随机访问存储器（RAM）903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出（I/O）接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如一种数据处理方法。例如，在一些实施例中，一种数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的一种数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行一种数据处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种数据处理方法，其特征在于，所述方法包括：
获取待处理数据，所述待处理数据包括被测试者的第一语音信号和第一脑电信号，所述第一语音信号为被测试者针对第一问题集合得到的语音信号，所述第一脑电信号为被测试者针对第二问题集合得到的脑电信号；
根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息；
根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息；
根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果；
所述获取待处理数据，包括：
根据所述第一问题集合，对所述被测试者进行语音刺激，得到所述被测试者针对所述语音刺激发出的第一语音信号；
根据所述第二问题集合，对所述被测试者进行视觉刺激，得到所述被测试者针对所述视觉刺激产生的第一脑电信号，所述第一脑电信号为无闪烁稳态运动视觉诱发电位信号；
其中，所述第一问题集合用于对被测试者进行表达性语言障碍测验，所述第二问题集合用于对被测试者进行接受性语言障碍测验；
所述根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果，包括：
将所述文本信息与预设文本进行对比，得到第一对比结果，并统计所述第一对比结果为不相同的第一数量；
将所述意图信息与预设意图进行对比，得到第二对比结果，并统计所述第二对比结果为不相同的第二数量；
根据所述第一数量与所述第二数量之和，确定所述被测试者对应的评估等级；
根据所述第一数量与所述第二数量之比，确定所述被测试者对应的评估类型。
2.根据权利要求1所述的方法，其特征在于，所述根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息，包括：
根据语音端点检测算法，检测所述第一语音信号中真实语音的起始点与终止点，得到第二语音信号；
根据梅尔频率倒谱系数算法，对所述第二语音信号进行特征提取，得到特征序列；
根据动态时间规整算法和所述特征序列，对所述第二语音信号进行识别，得到被测试者的文本信息。
3.根据权利要求1所述的方法，其特征在于，所述根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息，包括：
根据所述第一脑电信号的频率特征和极端梯度提升模型，对所述第一脑电信号进行分类，得到被测试者的意图信息。
4.一种数据处理系统，其特征在于，所述系统包括：语音信号采集设备、脑电信号采集设备、数据传输模块和数据处理模块；
所述语音信号采集设备，用于根据第一问题集合，对被测试者进行语音刺激，得到所述被测试者针对所述语音刺激发出的第一语音信号；
所述脑电信号采集设备，用于根据第二问题集合，对被测试者进行视觉刺激，得到所述被测试者针对所述视觉刺激产生的第一脑电信号，所述第一脑电信号为无闪烁稳态运动视觉诱发电位信号；
数据传输模块，用于将所述第一语音信号和所述第一脑电信号传输至所述数据处理模块；
数据处理模块，用于根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息，以及根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息，并根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果；
其中，所述第一问题集合用于对被测试者进行表达性语言障碍测验，所述第二问题集合用于对被测试者进行接受性语言障碍测验；
所述根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果，包括：
将所述文本信息与预设文本进行对比，得到第一对比结果，并统计所述第一对比结果为不相同的第一数量；
将所述意图信息与预设意图进行对比，得到第二对比结果，并统计所述第二对比结果为不相同的第二数量；
根据所述第一数量与所述第二数量之和，确定所述被测试者对应的评估等级；
根据所述第一数量与所述第二数量之比，确定所述被测试者对应的评估类型。
5.一种数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取待处理数据，所述待处理数据包括被测试者的第一语音信号和第一脑电信号，所述第一语音信号为被测试者针对第一问题集合得到的语音信号，所述第一脑电信号为被测试者针对第二问题集合得到的脑电信号；
语音识别模块，用于根据语音识别算法，对所述第一语音信号进行识别，得到被测试者的文本信息；
脑电识别模块，用于根据脑电识别模型，对所述第一脑电信号进行识别，得到被测试者的意图信息；
确定模块，用于根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果；
所述获取待处理数据，包括：
根据所述第一问题集合，对所述被测试者进行语音刺激，得到所述被测试者针对所述语音刺激发出的第一语音信号；
根据所述第二问题集合，对所述被测试者进行视觉刺激，得到所述被测试者针对所述视觉刺激产生的第一脑电信号，所述第一脑电信号为无闪烁稳态运动视觉诱发电位信号；
其中，所述第一问题集合用于对被测试者进行表达性语言障碍测验，所述第二问题集合用于对被测试者进行接受性语言障碍测验；
所述根据所述文本信息和所述意图信息，确定所述被测试者对应的数据处理结果，包括：
将所述文本信息与预设文本进行对比，得到第一对比结果，并统计所述第一对比结果为不相同的第一数量；
将所述意图信息与预设意图进行对比，得到第二对比结果，并统计所述第二对比结果为不相同的第二数量；
根据所述第一数量与所述第二数量之和，确定所述被测试者对应的评估等级；
根据所述第一数量与所述第二数量之比，确定所述被测试者对应的评估类型。
6.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
7.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203867.6A CN116048282B (zh) | 2023-03-06 | 2023-03-06 | 一种数据处理方法、系统、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203867.6A CN116048282B (zh) | 2023-03-06 | 2023-03-06 | 一种数据处理方法、系统、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116048282A CN116048282A (zh) | 2023-05-02 |
| CN116048282B true CN116048282B (zh) | 2023-08-04 |
Family
ID=86120249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310203867.6A Active CN116048282B (zh) | 2023-03-06 | 2023-03-06 | 一种数据处理方法、系统、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116048282B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116584957A (zh) * | 2023-06-14 | 2023-08-15 | 中国医学科学院生物医学工程研究所 | 混合脑机接口的数据处理方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106462796A (zh) * | 2014-05-30 | 2017-02-22 | 密歇根大学董事会 | 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 |
| CN109893093A (zh) * | 2019-02-20 | 2019-06-18 | 华南理工大学 | 一种隐式注视脑机接口的意识状态检测系统 |
| CN113539253A (zh) * | 2020-09-18 | 2021-10-22 | 厦门市和家健脑智能科技有限公司 | 一种基于认知评估的音频数据处理方法和装置 |
| WO2021246922A1 (ru) * | 2020-06-01 | 2021-12-09 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" | Способ детектирования эпилептиформных разрядов в длительной записи ээг |
| CN113925517A (zh) * | 2021-09-22 | 2022-01-14 | 北京脑陆科技有限公司 | 基于脑电信号的认知障碍识别方法、装置及介质 |
| CN114947886A (zh) * | 2022-05-09 | 2022-08-30 | 中国医学科学院生物医学工程研究所 | 一种基于异步脑机接口的符号数字转换测试方法及系统 |
| CN115527520A (zh) * | 2022-08-19 | 2022-12-27 | 中国电信股份有限公司 | 异常检测方法、装置、电子设备和计算机可读存储介质 |
| CN115969331A (zh) * | 2023-03-21 | 2023-04-18 | 中国医学科学院生物医学工程研究所 | 一种认知语言障碍的评估系统 |
-
2023
- 2023-03-06 CN CN202310203867.6A patent/CN116048282B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106462796A (zh) * | 2014-05-30 | 2017-02-22 | 密歇根大学董事会 | 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 |
| CN109893093A (zh) * | 2019-02-20 | 2019-06-18 | 华南理工大学 | 一种隐式注视脑机接口的意识状态检测系统 |
| WO2021246922A1 (ru) * | 2020-06-01 | 2021-12-09 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" | Способ детектирования эпилептиформных разрядов в длительной записи ээг |
| CN113539253A (zh) * | 2020-09-18 | 2021-10-22 | 厦门市和家健脑智能科技有限公司 | 一种基于认知评估的音频数据处理方法和装置 |
| CN113925517A (zh) * | 2021-09-22 | 2022-01-14 | 北京脑陆科技有限公司 | 基于脑电信号的认知障碍识别方法、装置及介质 |
| CN114947886A (zh) * | 2022-05-09 | 2022-08-30 | 中国医学科学院生物医学工程研究所 | 一种基于异步脑机接口的符号数字转换测试方法及系统 |
| CN115527520A (zh) * | 2022-08-19 | 2022-12-27 | 中国电信股份有限公司 | 异常检测方法、装置、电子设备和计算机可读存储介质 |
| CN115969331A (zh) * | 2023-03-21 | 2023-04-18 | 中国医学科学院生物医学工程研究所 | 一种认知语言障碍的评估系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于语音识别技术的失语症辅助诊断及康复治疗系统的研究;邓杏娟;《中国优秀硕士学位论文全文数据库》;第15-48页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116048282A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
| Satt et al. | Efficient emotion recognition from speech using deep learning on spectrograms. | |
| US10339935B2 (en) | Context-aware enrollment for text independent speaker recognition | |
| CN108962231B (zh) | 一种语音分类方法、装置、服务器及存储介质 | |
| JP2017016566A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| Esmaili et al. | Automatic classification of speech dysfluencies in continuous speech based on similarity measures and morphological image processing tools | |
| US20140195239A1 (en) | Systems and Methods for an Automated Pronunciation Assessment System for Similar Vowel Pairs | |
| CN116048282B (zh) | 一种数据处理方法、系统、装置、设备及存储介质 | |
| US11315040B2 (en) | System and method for detecting instances of lie using Machine Learning model | |
| CN110717410A (zh) | 语音情感和面部表情双模态识别系统 | |
| CN110782902A (zh) | 音频数据确定方法、装置、设备和介质 | |
| TWI721095B (zh) | 推定方法、推定程式、推定裝置及推定系統 | |
| Poorjam et al. | Quality control of voice recordings in remote Parkinson’s disease monitoring using the infinite hidden Markov model | |
| CN113837594A (zh) | 多场景下客服的质量评价方法、系统、设备及介质 | |
| CN113539253B (zh) | 一种基于认知评估的音频数据处理方法和装置 | |
| CN112885379A (zh) | 客服语音评估方法、系统、设备及存储介质 | |
| CN112466328A (zh) | 呼吸音检测方法、装置和电子设备 | |
| CN115240696B (zh) | 一种语音识别方法及可读存储介质 | |
| Wang | Detecting pronunciation errors in spoken English tests based on multifeature fusion algorithm | |
| CN107871113B (zh) | 一种情感混合识别检测的方法和装置 | |
| López-de-Ipiña et al. | Feature extraction approach based on fractal dimension for spontaneous speech modelling oriented to Alzheimer disease diagnosis | |
| CN115831153A (zh) | 发音质量测试方法 | |
| Chen et al. | Do speech features for detecting cognitive load depend on specific languages? | |
| CN114360535B (zh) | 语音对话的生成方法、装置、电子设备及存储介质 | |
| CN116631446B (zh) | 一种基于言语分析的行为方式分析方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240313 Address after: Room 4-3, 4th Floor, No. 25, Landianchang South Road, Haidian District, Beijing, 100000 Patentee after: Boruikang Technology (Beijing) Co.,Ltd. Country or region after: China Address before: 300192, 236 Bai Causeway Road, Tianjin, Nankai District Patentee before: CHINESE ACADEMY OF MEDICAL SCIENCES INSTITUTE OF BIOMEDICAL ENGINEERING Country or region before: China |
|
| TR01 | Transfer of patent right |