醫(yī)療智能語音識別系統(tǒng)的研發(fā)與應(yīng)用

（文章來源：中國數(shù)字醫(yī)學(xué)）

結(jié)合語音識別技術(shù)構(gòu)建醫(yī)療智能語音識別系統(tǒng)，達(dá)到減輕醫(yī)護(hù)人員日常工作負(fù)擔(dān)，減少重復(fù)性勞動，提高診療質(zhì)量的目的?；谡Z音識別的關(guān)鍵技術(shù)和海量的醫(yī)療數(shù)據(jù)，開發(fā)電子病歷與檢查報告智能語音錄入、移動護(hù)理智能語音錄入、非接觸式智能語音數(shù)據(jù)交互系統(tǒng)。通過開發(fā)的系統(tǒng)，實現(xiàn)病歷信息快速錄入和輸出，減輕了醫(yī)生的工作強(qiáng)度，將醫(yī)護(hù)人員的時間集中在治療過程本身，提高工作效率與質(zhì)量。根據(jù)臨床科室、醫(yī)技科室的實際工作特點，提供操作便捷、實用高效的語音識別應(yīng)用工具，輔助臨床工作，提高醫(yī)療效率，創(chuàng)新醫(yī)療模式。

伴隨全球醫(yī)療信息化技術(shù)的突飛猛進(jìn)，如何提高患者病歷信息錄入的效率、降低難度，提高準(zhǔn)確度成為當(dāng)前研究的熱點。同時利用語音技術(shù)實現(xiàn)醫(yī)療領(lǐng)域人機(jī)交互，讓機(jī)器聽懂人的語言并給出正確的反饋，也是目前非接觸式智能交互的研究熱點之一。當(dāng)前，國內(nèi)外的相關(guān)機(jī)構(gòu)已認(rèn)識到醫(yī)療和語音識別相關(guān)技術(shù)深度結(jié)合的重要性，伴隨著相關(guān)資本的涌入等多因素驅(qū)動下，全世界各地的醫(yī)療智能語音產(chǎn)業(yè)正發(fā)生翻天覆地的變化。

國外醫(yī)療智能語音的發(fā)展現(xiàn)狀世界上第一個語音體系化規(guī)?；芯科鹪从?0世紀(jì)50年代的貝爾實驗室，該實驗室研發(fā)的Audry系統(tǒng)，實現(xiàn)可識別十個英文字母，是初步具備語音識別功能的系統(tǒng)。20世紀(jì)90年代前期，許多有技術(shù)實力的公司都開始對語音識別系統(tǒng)的實用化應(yīng)用，投入大量的人力物力，到了90年代中后期，整個語音識別體系的準(zhǔn)確率得到大幅優(yōu)化，例如ViaVoice平臺、Dragon平臺、Naturally Speaking平臺、Nuance Voice Platform語音平臺等。最近幾年，巨頭們開始加速布局語音識別行業(yè)，蘋果、Google、Facebook、微軟等相繼收購SayNow、Phonetic Arts、Skype、Cortana等技術(shù)公司，做強(qiáng)語音識別功能與應(yīng)用。

我國醫(yī)療智能語音的發(fā)展現(xiàn)狀我國語音識別研究也是開始于上世紀(jì)50年代，隨著科學(xué)技術(shù)實力的進(jìn)步，語音識別技術(shù)發(fā)展很快，已逐步走向?qū)嵱玫碾A段。目前，我國語音識別相關(guān)的技術(shù)基本上與國外的技術(shù)處在同一檔次，尤其在漢語識別方面已達(dá)到國際先進(jìn)水平。清華大學(xué)研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識別系統(tǒng)的識別精度，已達(dá)到95%，中科院自動化所于2002年推出的PattekASR產(chǎn)品，結(jié)束了漢語語音識別技術(shù)一直由國外壟斷的現(xiàn)狀，具有劃時代的意義。除此之外，科大訊飛、云知聲、百度語音、出門問問、思必馳等公司也成為了國內(nèi)智能語音的支柱企業(yè)。

西南醫(yī)院醫(yī)療語音的應(yīng)用，是基于海量的醫(yī)學(xué)文本數(shù)據(jù)，結(jié)合已建立的醫(yī)療大數(shù)據(jù)軟、硬件平臺，利用云計算、大數(shù)據(jù)和機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行大規(guī)模的訓(xùn)練，定制符合醫(yī)療應(yīng)用場景的醫(yī)學(xué)語音識別模型。醫(yī)院智能語音系統(tǒng)采取分布式架構(gòu)，可以將一個大的任務(wù)分解成多個小任務(wù)并行處理，提高了語音識別的整體性能，精簡了語音服務(wù)流程，給用戶更好的體驗及服務(wù)，形成可應(yīng)用在診療過程中的智能語音識別系統(tǒng)及工具。

構(gòu)建具有醫(yī)院特色的醫(yī)學(xué)語音資料庫語音數(shù)據(jù)庫的一部分語音資源是收集、整理現(xiàn)有的醫(yī)療語音數(shù)據(jù)，包括基礎(chǔ)語音數(shù)據(jù)、醫(yī)學(xué)語音數(shù)據(jù)、相關(guān)醫(yī)學(xué)數(shù)據(jù)庫中的音頻資源及其他醫(yī)療機(jī)構(gòu)的語音數(shù)據(jù)；另一部分是收集、整理我院現(xiàn)有的海量醫(yī)療文本，主要包括臨床電子病歷、檢查報告、各種記錄等，將文本信息標(biāo)注成漢語拼音，并進(jìn)行存儲。

融合語音識別處理技術(shù)運用下列技術(shù)先對采集的語音信號進(jìn)行預(yù)處理，這些技術(shù)包括語音信號數(shù)字化及數(shù)字編碼、語音檢測技術(shù)、語音信號特征參數(shù)的提取。其中，語音信號數(shù)字化及數(shù)字編碼是將自然語言模擬信號轉(zhuǎn)變成數(shù)字信號，同時對語音信號數(shù)據(jù)編碼壓縮，減少數(shù)據(jù)大小，減小反應(yīng)時間，提高服務(wù)效率。

語音檢測技術(shù)主要實現(xiàn)從連續(xù)采樣得到的數(shù)字信號中檢測出語音信號段和噪聲段，判斷用戶語音的開始和結(jié)束，從而得到有效的語音信息。語音信號特征參數(shù)的提取，目的是通過特征提取，將語音轉(zhuǎn)化為隨時間變化的語音特征矢量序列，語音識別引擎對該語音特征矢量分析，從而解決口音識別問題。

建立具有自主學(xué)習(xí)能力的語義庫語義庫構(gòu)建包括如下三個步驟：醫(yī)療語音模型的建立、語義理解規(guī)則的構(gòu)建、個性化數(shù)據(jù)優(yōu)化。其中，醫(yī)療語音模型是基于隱馬爾可夫模型對語音資料庫進(jìn)行語音訓(xùn)練，定制化處理我院的醫(yī)療信息，形成覆蓋各應(yīng)用場景的信息語音模型。語義理解規(guī)則是結(jié)合海量通用文本數(shù)據(jù)，大量醫(yī)療文本數(shù)據(jù)及歷史醫(yī)療數(shù)據(jù)訓(xùn)練語言模型，并做深度自適應(yīng)優(yōu)化，形成的我院的語義規(guī)則。個性化數(shù)據(jù)優(yōu)化，是針對我院的數(shù)據(jù)，通過深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技術(shù)，對文本資料在現(xiàn)有專業(yè)的語音庫中進(jìn)行深度學(xué)習(xí)，以提升個性化數(shù)據(jù)的準(zhǔn)確率。