本發(fā)明涉及臨床生物工程領(lǐng)域，具體為基于語音特征的心衰預(yù)測與預(yù)后監(jiān)測模型及其構(gòu)建方法。

背景技術(shù)：

1、心力衰竭(heart?failure，hf)是指心臟泵血能力下降的一種進(jìn)展?fàn)顟B(tài)，全球2600萬人受其影響。嗓音可以在hf早期階段引起喉頭水腫時提供相關(guān)信息，與傳統(tǒng)的hf診斷方法如x線、超聲心動圖或血管造影相比，具有經(jīng)濟和非侵入性的數(shù)據(jù)來源的優(yōu)勢。

2、此前已有多種算法將語音特征用于抑郁癥、肺炎/哮喘、冠狀動脈疾病和自閉癥譜系障礙的篩查。對于心力衰竭的篩查，也有研究設(shè)計了不同的語音任務(wù)來檢測心力衰竭，例如元音、單詞、句子或短段落，后兩個任務(wù)采用英語、芬蘭語和葡萄牙語等多種語言完成。然而，由于漢語有其獨特的發(fā)音特點，基于漢語的研究仍存在空白。

3、不同的個體有其獨特的語音特征。與固有的個體差異相比，心力衰竭引起的特征變化相對較小，為了提取病理信息，建立語音特征配對數(shù)據(jù)庫是合理的，其中數(shù)據(jù)來自每個患者的多個狀態(tài)。murton等人對10例住院的急性心衰患者進(jìn)行的早期研究顯示，臨床上對患者入院和出院時記錄的幾種言語發(fā)聲和呼吸參數(shù)可以觀察到可檢測的變化和趨勢。amir等也發(fā)現(xiàn)了患者入院和出院時的語音變化，使用了hear?o語音捕捉軟件來提取語音并測量。在以上兩項研究中都發(fā)現(xiàn)了患者內(nèi)部干擾的證據(jù)存在差異，此前有隨訪研究在患者數(shù)量和生物標(biāo)志物方面進(jìn)行了擴大，logistic回歸分析語音特征與出院概率顯示正相關(guān)。我們的工作在這一路徑上更進(jìn)一步，利用目前建立的首個中文配對語音數(shù)據(jù)庫，在無關(guān)分類設(shè)置的標(biāo)準(zhǔn)的患者基礎(chǔ)上提出了一個成對分類方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于基于語音特征的心衰預(yù)測與預(yù)后監(jiān)測模型及其構(gòu)建方法，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、基于語音特征的心衰預(yù)測與預(yù)后監(jiān)測模型及其構(gòu)建方法，方法包括：

4、獲取納排標(biāo)準(zhǔn)，根據(jù)納排標(biāo)準(zhǔn)構(gòu)建院內(nèi)心衰患者隊列；

5、基于心衰患者隊列，進(jìn)行標(biāo)準(zhǔn)化語音采集和預(yù)處理，構(gòu)建基于中文的心力衰竭患者失代償期與穩(wěn)定期配對語音數(shù)據(jù)庫；

6、基于心力衰竭患者失代償期與穩(wěn)定期配對語音數(shù)據(jù)庫進(jìn)行語音特征提取，得到特征提取后的語音特征集；

7、基于特征提取后的語音特征集，采用獨立和配對t檢驗進(jìn)行分析，分別處理心衰預(yù)測和預(yù)后評估任務(wù)，得到分析后的獨立分類和成對分類語音特征集；

8、基于獨立分類和成對分類語音特征集，采用多種機器學(xué)習(xí)模型進(jìn)行學(xué)習(xí)，選擇性能最優(yōu)者，得到基于語音特征的心衰預(yù)測與預(yù)后監(jiān)測模型。

9、優(yōu)選的，獲取納排標(biāo)準(zhǔn)，根據(jù)納排標(biāo)準(zhǔn)構(gòu)建院內(nèi)心衰患者隊列，包括：

10、所述納排標(biāo)準(zhǔn)包括：納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)；

11、所述納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)由心衰患者歷史監(jiān)測數(shù)據(jù)獲得；

12、所述心衰患者隊列中，心衰患者失代償期與穩(wěn)定期時，監(jiān)測指標(biāo)包括語音清單、n末端b型鈉尿肽前體(nt-pro?bnp)或b型鈉尿肽(bnp)、心電圖、超聲心動圖和6分鐘步行試驗，臨床專業(yè)人員為每位患者提供入院和出院時的nyha分級。

13、優(yōu)選的，基于心衰患者隊列，進(jìn)行標(biāo)準(zhǔn)化語音采集和預(yù)處理，構(gòu)建基于中文的心力衰竭患者失代償期與穩(wěn)定期配對語音數(shù)據(jù)庫，包括：

14、所述標(biāo)準(zhǔn)化語音采集，包括：采集設(shè)備、環(huán)境控制、采集位置、協(xié)議簽訂和數(shù)據(jù)管理5個板塊；

15、采集設(shè)備：選擇同一型號錄音設(shè)備，默認(rèn)采樣率為22050hz；

16、環(huán)境控制：選擇安靜的環(huán)境，并減少背景噪音的干擾(<50分貝)；

17、采集位置：確保語音采集設(shè)備與講話者之間的距離<20cm，并保持一致；

18、協(xié)議簽訂：數(shù)據(jù)采集協(xié)議包括采集術(shù)語、語音樣本的數(shù)量和時長要求；

19、數(shù)據(jù)管理：對采集到的語音數(shù)據(jù)進(jìn)行標(biāo)注，包括日期、受試者的身份、性別、年齡信息，以及心衰相關(guān)的標(biāo)簽，使用專門的數(shù)據(jù)庫來管理數(shù)據(jù)；

20、所述語音數(shù)據(jù)庫中，每一段語音被人工標(biāo)注其對應(yīng)的任務(wù)，無關(guān)或質(zhì)量較差的語音被丟棄，同時舍棄失代償期和穩(wěn)定期采集時都不完整的語音；并對研究期間任何時間有慢性阻塞性肺疾病、哮喘、急性呼吸道感染等基礎(chǔ)疾病的患者的語音進(jìn)行舍棄。

21、優(yōu)選的，基于心力衰竭患者失代償期與穩(wěn)定期配對語音數(shù)據(jù)庫進(jìn)行語音特征提取，得到特征提取后的語音特征集，包括：

22、所述進(jìn)行語音特征提取，采用開源音頻特征提取工具opensmile，基于egemaps和compare?2016語音特征集提取語音特征。

23、優(yōu)選的，采用獨立和配對t檢驗進(jìn)行分析，分別處理心衰預(yù)測和預(yù)后評估任務(wù)，得到分析后的獨立分類和成對分類語音特征集，包括：

24、利用獨立t檢驗分析心衰患者失代償期與穩(wěn)定期語音特征的差異；

25、利用配對t檢驗分析同一心衰患者失代償期與穩(wěn)定期語音特征的變化。

26、優(yōu)選的，嘗試多種機器學(xué)習(xí)模型進(jìn)行學(xué)習(xí)，從中選擇性能最優(yōu)者，從而得到基于語音特征的心衰預(yù)測與預(yù)后監(jiān)測模型，包括：

27、獨立t檢驗分析得出的特征集，用于獨立分類的機器學(xué)習(xí)模型，得出語音特征可預(yù)測心衰失代償期的最優(yōu)模型；

28、配對t檢驗分析得出的特征集，用于成對分類的機器學(xué)習(xí)模型，可得到監(jiān)測心衰患者失代償期預(yù)后的最優(yōu)模型。

29、優(yōu)選的，患者被要求嘗試三個主要類別共7個任務(wù)：三個主要類別共7個任務(wù)：音節(jié)、短句和長句；其中音節(jié)包括三個單音節(jié)，短句類別包含有聲和無聲樣本的三個任務(wù)，對于長句，設(shè)定為從1到60計數(shù)，其中包含有聲和無聲兩種音學(xué)特征。

30、優(yōu)選的，對采集形成的配對語音數(shù)據(jù)庫預(yù)處理，通過獨立和配對t檢驗分析得到獨立分類和成對分類語音特征集，兩種方案的共同點是根據(jù)患者id劃分訓(xùn)練集和測試集，使得測試集中的數(shù)據(jù)點來自于分類器之前的未知患者；

31、考慮選取一個患者的特征向量ai＝[ai1,ai2,...,ain](濕)，bi＝[bi1,bi2,...,bin](干)；其中，i為患者id，n為特征id；

32、對于配對方案，首先隨機生成一個0/1標(biāo)簽，若標(biāo)簽為1，則形成一個組合向量，其中"濕"向量減去"干"向量，反之亦然：

33、

34、獨立方案類似于典型的分類任務(wù)，其中訓(xùn)練集和測試集是"濕"和"干"向量的混合物，每個向量都是一個獨立的數(shù)據(jù)點。

35、優(yōu)選的，一種電子設(shè)備，其特征在于，包括：

36、至少一個處理器；

37、以及，與所述至少一個處理器通信連接的存儲器；

38、其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行上述的監(jiān)測方法。

39、優(yōu)選的，一種計算機可讀存儲介質(zhì)，存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的監(jiān)測方法。

40、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：

41、本發(fā)明通過對特征提取后對語音特征集進(jìn)行獨立和配對t檢驗分析，進(jìn)一步篩選出心衰預(yù)測和預(yù)后評估相關(guān)的語音特征集，并采用多種機器學(xué)習(xí)模型訓(xùn)練并驗證，得到可通過語音特征變化進(jìn)行心衰預(yù)測與預(yù)后監(jiān)測的最優(yōu)模型，實現(xiàn)了心衰患者遠(yuǎn)程、全程居家監(jiān)測管理。