医疗智能语音识别系统的研发与应用

（文章来源：中国数字医学）

结合语音识别技术构建医疗智能语音识别系统，达到减轻医护人员日常工作负担，减少重复性劳动，提高诊疗质量的目的。基于语音识别的关键技术和海量的医疗数据，开发电子病历与检查报告智能语音录入、移动护理智能语音录入、非接触式智能语音数据交互系统。通过开发的系统，实现病历信息快速录入和输出，减轻了医生的工作强度，将医护人员的时间集中在治疗过程本身，提高工作效率与质量。根据临床科室、医技科室的实际工作特点，提供操作便捷、实用高效的语音识别应用工具，辅助临床工作，提高医疗效率，创新医疗模式。

伴随全球医疗信息化技术的突飞猛进，如何提高患者病历信息录入的效率、降低难度，提高准确度成为当前研究的热点。同时利用语音技术实现医疗领域人机交互，让机器听懂人的语言并给出正确的反馈，也是目前非接触式智能交互的研究热点之一。当前，国内外的相关机构已认识到医疗和语音识别相关技术深度结合的重要性，伴随着相关资本的涌入等多因素驱动下，全世界各地的医疗智能语音产业正发生翻天覆地的变化。

国外医疗智能语音的发展现状世界上第一个语音体系化规模化研究起源于20世纪50年代的贝尔实验室，该实验室研发的Audry系统，实现可识别十个英文字母，是初步具备语音识别功能的系统。20世纪90年代前期，许多有技术实力的公司都开始对语音识别系统的实用化应用，投入大量的人力物力，到了90年代中后期，整个语音识别体系的准确率得到大幅优化，例如ViaVoice平台、Dragon平台、Naturally Speaking平台、Nuance Voice Platform语音平台等。最近几年，巨头们开始加速布局语音识别行业，苹果、Google、Facebook、微软等相继收购SayNow、Phonetic Arts、Skype、Cortana等技术公司，做强语音识别功能与应用。

我国医疗智能语音的发展现状我国语音识别研究也是开始于上世纪50年代，随着科学技术实力的进步，语音识别技术发展很快，已逐步走向实用的阶段。目前，我国语音识别相关的技术基本上与国外的技术处在同一档次，尤其在汉语识别方面已达到国际先进水平。清华大学研发的非特定人汉语数码串连续语音识别系统的识别精度，已达到95%，中科院自动化所于2002年推出的PattekASR产品，结束了汉语语音识别技术一直由国外垄断的现状，具有划时代的意义。除此之外，科大讯飞、云知声、百度语音、出门问问、思必驰等公司也成为了国内智能语音的支柱企业。

西南医院医疗语音的应用，是基于海量的医学文本数据，结合已建立的医疗大数据软、硬件平台，利用云计算、大数据和机器学习等技术进行大规模的训练，定制符合医疗应用场景的医学语音识别模型。医院智能语音系统采取分布式架构，可以将一个大的任务分解成多个小任务并行处理，提高了语音识别的整体性能，精简了语音服务流程，给用户更好的体验及服务，形成可应用在诊疗过程中的智能语音识别系统及工具。

构建具有医院特色的医学语音资料库语音数据库的一部分语音资源是收集、整理现有的医疗语音数据，包括基础语音数据、医学语音数据、相关医学数据库中的音频资源及其他医疗机构的语音数据；另一部分是收集、整理我院现有的海量医疗文本，主要包括临床电子病历、检查报告、各种记录等，将文本信息标注成汉语拼音，并进行存储。

融合语音识别处理技术运用下列技术先对采集的语音信号进行预处理，这些技术包括语音信号数字化及数字编码、语音检测技术、语音信号特征参数的提取。其中，语音信号数字化及数字编码是将自然语言模拟信号转变成数字信号，同时对语音信号数据编码压缩，减少数据大小，减小反应时间，提高服务效率。

语音检测技术主要实现从连续采样得到的数字信号中检测出语音信号段和噪声段，判断用户语音的开始和结束，从而得到有效的语音信息。语音信号特征参数的提取，目的是通过特征提取，将语音转化为随时间变化的语音特征矢量序列，语音识别引擎对该语音特征矢量分析，从而解决口音识别问题。

建立具有自主学习能力的语义库语义库构建包括如下三个步骤：医疗语音模型的建立、语义理解规则的构建、个性化数据优化。其中，医疗语音模型是基于隐马尔可夫模型对语音资料库进行语音训练，定制化处理我院的医疗信息，形成覆盖各应用场景的信息语音模型。语义理解规则是结合海量通用文本数据，大量医疗文本数据及历史医疗数据训练语言模型，并做深度自适应优化，形成的我院的语义规则。个性化数据优化，是针对我院的数据，通过深度神经网络学习技术，对文本资料在现有专业的语音库中进行深度学习，以提升个性化数据的准确率。