전승준
/ 울산광역시 중구 종가로 ***, ***동 ****호(태화동, 우정혁신도시 호반베르디움)
출원인 / 주소
주식회사 인포쉐어 / 울산광역시 중구 종가로 ***, ***호(유곡동, 리더스오피스텔)
대리인 / 주소
지정훈
심사청구여부
있음 (2020-09-03)
심사진행상태
등록결정(일반)
법적상태
등록
초록▼
본 발명은 파킨슨병을 진단하는 애플리케이션이 설치되는 스마트단말에 관한 것으로, 스마트단말로 입력되는 음성의 주파수 변환을 통해 평균, 편차, 주파수 변화량(F0 변화량), 음성대비 소음비율(HNR), 음성강도(Intensity), 목소리의 떨림(Jitter), 음성의 일렁임(Shimmer)과 같은 음성 특징을 추출하고, 추출된 음성의 특징을 이용하여 스마트단말에 설치된 애플리케이션을 통해 파킨슨병 진단 데이터를 기반으로 음성인식 측정기법을 화자독립, 발음형태, 어휘수로 더욱 세분화 및 켑스트럼(Cepstrum)을 통하여 녹음시 유
본 발명은 파킨슨병을 진단하는 애플리케이션이 설치되는 스마트단말에 관한 것으로, 스마트단말로 입력되는 음성의 주파수 변환을 통해 평균, 편차, 주파수 변화량(F0 변화량), 음성대비 소음비율(HNR), 음성강도(Intensity), 목소리의 떨림(Jitter), 음성의 일렁임(Shimmer)과 같은 음성 특징을 추출하고, 추출된 음성의 특징을 이용하여 스마트단말에 설치된 애플리케이션을 통해 파킨슨병 진단 데이터를 기반으로 음성인식 측정기법을 화자독립, 발음형태, 어휘수로 더욱 세분화 및 켑스트럼(Cepstrum)을 통하여 녹음시 유입되는 잡음을 제거한 상태에서 파킨슨병을 진단할 수 있도록 한 것을 특징으로 하며, 스마트단말에 설치된 어플리케이션을 통해 축적된 유저들의 파킨슨병 진단결과의 데이터를 기반으로 파킨슨병 환자의 발화 문장의 음성분석 및 특징을 추출하고, 추출된 특징에서 전형적 특징유형 8가지를 칼만필터를 이용하여 추출하여 파킨슨병을 진단함으로서 정확한 파킨슨병의 진단이 이루어지는 효과가 있다.
대표청구항▼
스마트단말로 입력되는 음성의 주파수 변환을 통해 평균, 편차, 주파수 변화량(F0 변화량), 음성대비 소음비율(HNR), 음성강도(Intensity), 목소리의 떨림(Jitter), 음성의 일렁임(Shimmer)과 같은 음성 특징을 추출하고, 추출된 음성의 특징을 이용하여 파킨슨병 진단 데이터를 기반으로 음성인식 측정기법을 화자독립, 발음형태, 어휘수로 더욱 세분화 및 켑스트럼(Cepstrum)을 통하여 녹음시 유입되는 잡음을 제거한 상태에서 파킨슨병을 스마트단말에 설치된 애플리케이션을 통해 진단할 수 있도록 하며, 상기 스마트단말
스마트단말로 입력되는 음성의 주파수 변환을 통해 평균, 편차, 주파수 변화량(F0 변화량), 음성대비 소음비율(HNR), 음성강도(Intensity), 목소리의 떨림(Jitter), 음성의 일렁임(Shimmer)과 같은 음성 특징을 추출하고, 추출된 음성의 특징을 이용하여 파킨슨병 진단 데이터를 기반으로 음성인식 측정기법을 화자독립, 발음형태, 어휘수로 더욱 세분화 및 켑스트럼(Cepstrum)을 통하여 녹음시 유입되는 잡음을 제거한 상태에서 파킨슨병을 스마트단말에 설치된 애플리케이션을 통해 진단할 수 있도록 하며, 상기 스마트단말에 설치된 애플리케이션은, 모델생성부(10), 칼만필터(Kalman Filter)(20), 결정이론부(30), 결합유형생성부(40), 예측생성부(50)를 포함하고, 모델생성부(10)는 파킨슨병의 진단을 하고자 하는 사용자가 스마트단말에 설치된 애플리케이션을 통해 음성을 인식시키고, 스마트단말에 설치된 애플리케이션에서 음성을 인식하여 칼만필터(20)에 응답하는 음성과 칼만필터(20)에 응답하지 못하는 음성으로 구분하며, 칼만필터(20)는 사용자의 파킨슨병을 진단할 수 있도록 모델생성부(10)에서 분류되어 칼만필터(20)에 응답하는 음성에 따른 음성데이터의 측정값()을 입력받아 계산을 통해 추정값()을 출력하고,결정이론부(30)는 칼만필터(20)에 출력되는 추정값()에 잔여치(Residual)를 바탕으로 확률적인 결정이론(Decision Theory)을 적용하여 분석한 음성데이터를 검출하고, 결합유형생성부(40)는 같은 유형의 음성데이터에 대한 분석이 이루어지도록 분석한 음성데이터를 기준으로 음성데이터를 유형별로 분류하며, 예측생성부(50)는 칼만필터(20)에서 분석한 음성데이터를 기준으로 파킨슨병 환자의 경우 음성을 낼 때 그 강도를 제어하는 근육의 약화로 떨림이 발생하고 값이 발단(threshold)값 이상으로 증가, 파킨슨병 환자의 저음 발생시 음성의 베이(bais)현상, 음성에서 스파이크(spike)의 발생, 음성의 강도의 감쇄, 음성 떨림의 증가, 음성의 노이즈가 증가하면서 패턴의 형성, 음성의 음도가 떨어지는 경우 및 음성의 출력이 비선형적으로 변이되는 경우에 대하여 파킨슨병을 예측하는 것을 특징으로 하는 파킨슨병을 진단하는 애플리케이션이 설치되는 스마트단말.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.