公开(公告)号：CN114141366B

公开(公告)日：2024-03-26

申请号：CN202111665085.1

申请日：2021-12-31

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  葛宇 ,  王天磊 ,  赖晓平

IPC: G16H50/20 ,  G16H50/30 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G10L25/24 ,  G10L25/30 ,  G10L25/66

Abstract: 本发明公开了一种基于语音多任务学习的脑卒中康复评估辅助分析方法。提出主任务为对脑卒中语音功能损伤评估，以预测分数的回归任务，和辅助任务为对脑卒中语音功能损伤严重程度分类的分类任务的多任务学习模型。其中底层模型为基于梅尔频谱图(Mel spectrogram)的深度残差网络(Resnet50)的特征提取模型与长短期记忆网络(LSTM)的时序序列预测模型，而顶层模型为主任务与辅助任务各自对应的全连接神经网络。采用的损失函数为均方误差损失函数和交叉熵损失函数的加权叠加。本发明采用的多任务学习机制能够降低模型过拟合概率，并有效减少预测误差，通过预测分数能够清楚地了解患者当前的康复状况。

公开(公告)号：CN114141366A

公开(公告)日：2022-03-04

申请号：CN202111665085.1

申请日：2021-12-31

Applicant: 杭州电子科技大学

Inventor： 曹九稳 ,  葛宇 ,  王天磊 ,  赖晓平

IPC: G16H50/20 ,  G16H50/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G10L25/24 ,  G10L25/30 ,  G10L25/66

Abstract: 本发明公开了一种基于语音多任务学习的脑卒中康复评估辅助分析方法。提出主任务为对脑卒中语音功能损伤评估，以预测分数的回归任务，和辅助任务为对脑卒中语音功能损伤严重程度分类的分类任务的多任务学习模型。其中底层模型为基于梅尔频谱图(Mel spectrogram)的深度残差网络(Resnet50)的特征提取模型与长短期记忆网络(LSTM)的时序序列预测模型，而顶层模型为主任务与辅助任务各自对应的全连接神经网络。采用的损失函数为均方误差损失函数和交叉熵损失函数的加权叠加。本发明采用的多任务学习机制能够降低模型过拟合概率，并有效减少预测误差，通过预测分数能够清楚地了解患者当前的康复状况。