一种基于个人需求的体检项目推荐系统的制作方法

1.本发明涉及人机交互系统技术领域，具体而言，涉及一种基于个人需求的体检项目推荐系统。


背景技术：

2.随着公众健康意识的提升，参加体检的人数在逐渐增多，对于医院来说医生和护士人手是有限的，且由于不同人体检需求不同，所需体检的项目的也不同，若通过排队或者挂号去获取所需的体检项目，对于需要体检人员来说增加了体检时间，对于医护工作者来说，增大了工作强度。
3.现有体检导检系统是通过推送体检流程，从而指导体检人员按流程进行执行，实现规范流程，减少体检人员体检时间，但是由于每个人的需求不同，其还是需要通过医护工作者的指导，从而确定体检项目，并未减轻医护工作的工作量。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种基于个人需求的体检项目推荐系统解决了现有缺乏一种自动获取体检人员所需体检项目的系统的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：一种基于个人需求的体检项目推荐系统，包括：语音采集去噪单元、语音识别单元、关键词提取单元、关键词匹配单元和体检项目推送单元；所述语音采集去噪单元用于采集体检人员的语音信号，并对语音信号进行小波变换去噪，得到去噪语音信号；所述语音识别单元用于对去噪语音信号进行识别，得到文字信息；所述关键词提取单元用于对文字信息提取体检关键词；所述关键词匹配单元用于将体检关键词与各个体检项目描述进行匹配，选出匹配成功的体检项目；所述体检项目推送单元用于推送匹配成功的体检项目和对应的体检流程。
6.进一步地，所述语音采集去噪单元包括：小波分解子单元、小波系数选择子单元和重构子单元；所述小波分解子单元用于对语音信号进行小波分解，得到小波系数；所述小波系数选择子单元用于根据阈值对小波系数进行更新，得到更新的小波系数；所述重构子单元用于对更新的小波系数进行重构处理，得到去噪语音信号。
7.进一步地，所述更新的小波系数的表达式为：其中，为更新后的第层小波系数，为更新前的第层小波系数，为更新系数。
8.上述进一步地方案的有益效果为：现有更新的小波系数的函数均为分段函数，在各分段函数的衔接点处函数不连续，造成更新的小波系数精度不高，因此，本发明利用函数值在-1到1之间的连续平滑函数构建一个新的更新小波系数的表达式，达到在整个定义域范围平滑，能够精确去除小波系数，从而提高去噪精度。
9.进一步地，所述更新系数的表达式为：其中，为第层小波系数的阈值，为更新前的第层小波系数。
10.上述进一步地方案的有益效果为：更新系数随着第层小波系数和阈值自适应变化，保障小波系数的函数在阈值附近具备良好的过度。
11.进一步地，所述第层小波系数的阈值的表达式为：其中，为比例系数，为第层小波系数中的第个小波系数值，为小波系数值的数量，为语音信号的长度，为小波分解尺度，为对数函数。
12.上述进一步地方案的有益效果为：本发明利用第层小波系数中小波系数值的平均值来估计阈值，并设置比例系数来调整阈值。
13.进一步地，所述语音识别单元包括：卷积模块、残差模块、第一lstm模块、第二lstm模块、注意力模块、cnn网络和ctc分类器；所述卷积模块的输入端与第一lstm模块的输入端连接，并作为语音识别单元的输入端；所述卷积模块的输出端与残差模块的输入端连接；所述第二lstm模块的输入端与第一lstm模块的输出端连接；所述注意力模块的输入端分别与残差模块的输出端和第二lstm模块的输出端连接，其输出端与cnn网络的输入端连接；所述ctc分类器的输入端与cnn网络的输出端连接，其输出端作为语音识别单元的输出端。
14.上述进一步地方案的有益效果为：本发明利用两路分别提取去噪语音信号的特征，丰富特征量，利用lstm模块具备时间记忆性，能更好的考虑历史特征，残差模块将深层次和浅层次特征进行融合，在注意力模块中将lstm模块的输出和残差模块的输出进行加权融合，根据每个特征的显著程度进行处理，自适应的对各个特征施加权重，将加权融合后的特征输入cnn网络进行深度提取特征，再通过ctc分类器输出文字信息，本发明中在cnn网络前通过两路处理，丰富特征，并对特征加权处理，自适应提高各个特征的关注度，更好的表达语音的特征，提高语音识别精度。
15.进一步地，所述残差模块包括：第一卷积子模块、第二卷积子模块、第三卷积子模块、加法器和乘法器；所述第一卷积子模块的输入端分别与第三卷积子模块的输入端和乘法器的第一输入端连接，其输出端与第二卷积子模块的输入端连接；所述加法器的第一输入端与第二
卷积子模块的输出端连接，其第二输入端与第三卷积子模块的输出端连接，其输出端与乘法器的第二输入端连接；所述乘法器的输出端作为残差模块的输出端。
16.上述进一步地方案的有益效果为：本发明中将两个卷积子模块处理后的特征与一个卷积子模块处理后的特征通过加法器进行相加，提高信息量，再通过乘法器与输入特征相乘，一方面能解决梯度消失的问题，另一方面能融合浅层特征。
17.进一步地，所述注意力模块的表达式为：其中，为注意力模块的输出，为concat拼接操作，为的权重，为残差模块的输出，为的权重，为第二lstm模块的输出。
18.进一步地，所述的权重的表达式为：其中，为以自然常数为底的指数函数，为激活函数，为全局池化处理，为残差模块的输出；所述的权重的表达式为：其中，为第二lstm模块的输出。
19.上述进一步地方案的有益效果为：本发明中分别对和赋予不同权重，并进行拼接，实现特征的融合，和根据和本身的情况进行计算，实现自适应的提高显著特征的关注度。
20.进一步地，所述语音识别单元的损失函数为：其中，为损失函数，为第次训练时的状态函数，在去噪语音信号样本的真实类别等于类别时取1，否者取0，为以自然常数为底的指数函数，为第次训练时语音识别单元的预测概率，为当前训练次数的小标，为邻近训练次数的小标，为邻近训练总次数，为类别的数量。
21.上述进一步地方案的有益效果为：本发明中在等于1时，越靠近0，预测与标签相差越大，因此，本发明利用指数函数来增强这种差距，从而使得损失函数计算的损失值大，语音识别单元中权重和偏置下降幅度大，缩短了训练时间。
22.本发明实施例的技术方案至少具有如下优点和有益效果：本发明中通过语音采集去噪单元采集体检人员的语音信号，并对语音信号进行去噪处理，提高识别精度，再通过语音识别单元识别去噪语音信号，得到体检人员的需求，提取需求关键词，将体检人员的需求关键词与各个体检项目描述进行匹配，将匹配成功的体检项目和对应的体检流程推送给体
检人员，减少了医护工作的工作量，进一步地减少体检人员的排队时间。
附图说明
23.图1为一种基于个人需求的体检项目推荐系统的系统框图；图2为语音识别单元的结构框图；图3为残差模块的结构框图。
具体实施方式
24.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。
25.如图1所示，一种基于个人需求的体检项目推荐系统，包括：语音采集去噪单元、语音识别单元、关键词提取单元、关键词匹配单元和体检项目推送单元；所述语音采集去噪单元用于采集体检人员的语音信号，并对语音信号进行小波变换去噪，得到去噪语音信号；所述语音识别单元用于对去噪语音信号进行识别，得到文字信息；所述关键词提取单元用于对文字信息提取体检关键词；所述关键词匹配单元用于将体检关键词与各个体检项目描述进行匹配，选出匹配成功的体检项目；所述体检项目推送单元用于推送匹配成功的体检项目和对应的体检流程。
26.在本实施例中，关键词提取单元可先将与体检描述中的关键词存储在存储器中，从而将存储器中的关键词与文字信息进行匹配，匹配成功的关键词为所需的关键词，再将关键词与体检项目中的文字描述进行匹配，在关键词匹配成功时，对应的体检项目即为所需要的体检项目。
27.所述语音采集去噪单元包括：小波分解子单元、小波系数选择子单元和重构子单元；所述小波分解子单元用于对语音信号进行小波分解，得到小波系数；所述小波系数选择子单元用于根据阈值对小波系数进行更新，得到更新的小波系数；所述重构子单元用于对更新的小波系数进行重构处理，得到去噪语音信号。
28.所述更新的小波系数的表达式为：其中，为更新后的第层小波系数，为更新前的第层小波系数，为更新系数。
29.现有更新的小波系数的函数均为分段函数，在各分段函数的衔接点处函数不连续，造成更新的小波系数精度不高，因此，本发明利用函数值在-1到1之间的连续平滑函数构建一个新的更新小波系数的表达式，达到在整个定义域范围平滑，能够精确去
除小波系数，从而提高去噪精度。
30.所述更新系数的表达式为：其中，为第层小波系数的阈值，为更新前的第层小波系数。
31.本发明中更新系数随着第层小波系数和阈值自适应变化，保障小波系数的函数在阈值附近具备良好的过度。
32.所述第层小波系数的阈值的表达式为：其中，为比例系数，为第层小波系数中的第个小波系数值，为小波系数值的数量，为语音信号的长度，为小波分解尺度，为对数函数。
33.本发明利用第层小波系数中小波系数值的平均值来估计阈值，并设置比例系数来调整阈值。
34.如图2所示，所述语音识别单元包括：卷积模块、残差模块、第一lstm模块、第二lstm模块、注意力模块、cnn网络和ctc分类器；所述卷积模块的输入端与第一lstm模块的输入端连接，并作为语音识别单元的输入端；所述卷积模块的输出端与残差模块的输入端连接；所述第二lstm模块的输入端与第一lstm模块的输出端连接；所述注意力模块的输入端分别与残差模块的输出端和第二lstm模块的输出端连接，其输出端与cnn网络的输入端连接；所述ctc分类器的输入端与cnn网络的输出端连接，其输出端作为语音识别单元的输出端。
35.本发明利用两路分别提取去噪语音信号的特征，丰富特征量，利用lstm模块具备时间记忆性，能更好的考虑历史特征，残差模块将深层次和浅层次特征进行融合，在注意力模块中将lstm模块的输出和残差模块的输出进行加权融合，根据每个特征的显著程度进行处理，自适应的对各个特征施加权重，将加权融合后的特征输入cnn网络进行深度提取特征，再通过ctc分类器输出文字信息，本发明中在cnn网络前通过两路处理，丰富特征，并对特征加权处理，自适应提高各个特征的关注度，更好的表达语音的特征，提高语音识别精度。
36.如图3所示，所述残差模块包括：第一卷积子模块、第二卷积子模块、第三卷积子模块、加法器和乘法器；所述第一卷积子模块的输入端分别与第三卷积子模块的输入端和乘法器的第一输入端连接，其输出端与第二卷积子模块的输入端连接；所述加法器的第一输入端与第二卷积子模块的输出端连接，其第二输入端与第三卷积子模块的输出端连接，其输出端与乘法器的第二输入端连接；所述乘法器的输出端作为残差模块的输出端。
37.本发明中将两个卷积子模块处理后的特征与一个卷积子模块处理后的特征通过加法器进行相加，提高信息量，再通过乘法器与输入特征相乘，一方面能解决梯度消失的问
题，另一方面能融合浅层特征。
38.在本发明中，卷积子模块和卷积模块均包括：卷积层、relu层和bn层。
39.所述注意力模块的表达式为：其中，为注意力模块的输出，为concat拼接操作，为的权重，为残差模块的输出，为的权重，为第二lstm模块的输出。
40.所述的权重的表达式为：其中，为以自然常数为底的指数函数，为激活函数，为全局池化处理，为残差模块的输出；所述的权重的表达式为：其中，为第二lstm模块的输出。
41.本发明中分别对和赋予不同权重，并进行拼接，实现特征的融合，和根据和本身的情况进行计算，实现自适应的提高显著特征的关注度。
42.所述语音识别单元的损失函数为：其中，为损失函数，为第次训练时的状态函数，在去噪语音信号样本的真实类别等于类别时取1，否者取0，为以自然常数为底的指数函数，为第次训练时语音识别单元的预测概率，为当前训练次数的小标，为邻近训练次数的小标，为邻近训练总次数，为类别的数量。
43.本发明中在等于1时，越靠近0，预测与标签相差越大，因此，本发明利用指数函数来增强这种差距，从而使得损失函数计算的损失值大，语音识别单元中权重和偏置下降幅度大，缩短了训练时间。
44.在本发明中，用于标记当前训练次数，用于标记临近训练次数，选取邻近训练次的情况，综合评定训练情况。
45.本发明实施例的技术方案至少具有如下优点和有益效果：本发明中通过语音采集去噪单元采集体检人员的语音信号，并对语音信号进行去噪处理，提高识别精度，再通过语音识别单元识别去噪语音信号，得到体检人员的需求，提取需求关键词，将体检人员的需求关键词与各个体检项目描述进行匹配，将匹配成功的体检项目和对应的体检流程推送给体检人员，减少了医护工作的工作量，进一步地减少体检人员的排队时间。
46.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人
员来说，本发明可以有各种更改和变化。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。

技术特征：
1.一种基于个人需求的体检项目推荐系统，其特征在于，包括：语音采集去噪单元、语音识别单元、关键词提取单元、关键词匹配单元和体检项目推送单元；所述语音采集去噪单元用于采集体检人员的语音信号，并对语音信号进行小波变换去噪，得到去噪语音信号；所述语音识别单元用于对去噪语音信号进行识别，得到文字信息；所述关键词提取单元用于对文字信息提取体检关键词；所述关键词匹配单元用于将体检关键词与各个体检项目描述进行匹配，选出匹配成功的体检项目；所述体检项目推送单元用于推送匹配成功的体检项目和对应的体检流程。2.根据权利要求1所述的基于个人需求的体检项目推荐系统，其特征在于，所述语音采集去噪单元包括：小波分解子单元、小波系数选择子单元和重构子单元；所述小波分解子单元用于对语音信号进行小波分解，得到小波系数；所述小波系数选择子单元用于根据阈值对小波系数进行更新，得到更新的小波系数；所述重构子单元用于对更新的小波系数进行重构处理，得到去噪语音信号。3.根据权利要求2所述的基于个人需求的体检项目推荐系统，其特征在于，所述更新的小波系数的表达式为：其中，为更新后的第层小波系数，为更新前的第层小波系数，为更新系数。4.根据权利要求3所述的基于个人需求的体检项目推荐系统，其特征在于，所述更新系数的表达式为：其中，为第层小波系数的阈值，为更新前的第层小波系数。5.根据权利要求4所述的基于个人需求的体检项目推荐系统，其特征在于，所述第层小波系数的阈值的表达式为：其中，为比例系数，为第层小波系数中的第个小波系数值，为小波系数值的数量，为语音信号的长度，为小波分解尺度，为对数函数。6.根据权利要求1所述的基于个人需求的体检项目推荐系统，其特征在于，所述语音识别单元包括：卷积模块、残差模块、第一lstm模块、第二lstm模块、注意力模块、cnn网络和ctc分类器；所述卷积模块的输入端与第一lstm模块的输入端连接，并作为语音识别单元的输入端；所述卷积模块的输出端与残差模块的输入端连接；所述第二lstm模块的输入端与第一lstm模块的输出端连接；所述注意力模块的输入端分别与残差模块的输出端和第二lstm模块的输出端连接，其输出端与cnn网络的输入端连接；所述ctc分类器的输入端与cnn网络的
输出端连接，其输出端作为语音识别单元的输出端。7.根据权利要求6所述的基于个人需求的体检项目推荐系统，其特征在于，所述残差模块包括：第一卷积子模块、第二卷积子模块、第三卷积子模块、加法器和乘法器；所述第一卷积子模块的输入端分别与第三卷积子模块的输入端和乘法器的第一输入端连接，其输出端与第二卷积子模块的输入端连接；所述加法器的第一输入端与第二卷积子模块的输出端连接，其第二输入端与第三卷积子模块的输出端连接，其输出端与乘法器的第二输入端连接；所述乘法器的输出端作为残差模块的输出端。8.根据权利要求6所述的基于个人需求的体检项目推荐系统，其特征在于，所述注意力模块的表达式为：其中，为注意力模块的输出，为concat拼接操作，为的权重，为残差模块的输出，为的权重，为第二lstm模块的输出。9.根据权利要求8所述的基于个人需求的体检项目推荐系统，其特征在于，所述的权重的表达式为：其中，为以自然常数为底的指数函数，为激活函数，为全局池化处理，为残差模块的输出；所述的权重的表达式为：其中，为第二lstm模块的输出。10.根据权利要求1所述的基于个人需求的体检项目推荐系统，其特征在于，所述语音识别单元的损失函数为：其中，为损失函数，为第次训练时的状态函数，在去噪语音信号样本的真实类别等于类别时取1，否者取0，为以自然常数为底的指数函数，为第次训练时语音识别单元的预测概率，为当前训练次数的小标，为邻近训练次数的小标，为邻近训练总次数，为类别的数量。

技术总结
本发明提供了一种基于个人需求的体检项目推荐系统，属于人机交互系统技术领域，本发明中通过语音采集去噪单元采集体检人员的语音信号，并对语音信号进行去噪处理，提高识别精度，再通过语音识别单元识别去噪语音信号，得到体检人员的需求，提取需求关键词，将体检人员的需求关键词与各个体检项目描述进行匹配，将匹配成功的体检项目和对应的体检流程推送给体检人员，减少了医护工作的工作量，进一步地减少体检人员的排队时间。步地减少体检人员的排队时间。步地减少体检人员的排队时间。


技术研发人员：徐洪霞 朱群仙
受保护的技术使用者：简阳市人民医院
技术研发日：2023.08.17
技术公布日：2023/9/16