作者Dr.2，MediCool醫(yī)庫軟件公司董事長
隨著計算機技術的發(fā)展，人機交互的方式也在不斷變革，智能語音的發(fā)展更是為我們的生活及工作方式帶來了新的變革，其每一步創(chuàng)新都帶給我們更好的用戶體驗和更高的交互效率。語音識別即通過麥克風捕捉用戶發(fā)出的聲音，將聲波信號轉換成機器可以處理的“發(fā)音特征”，再從發(fā)音和語言的“模型空間”中快速搜索最匹配的句子，即識別結果。
基于語音識別的原理：語音識別過程就是一個模型匹配的過程，模型訓練的好壞直接關系到系統(tǒng)識別的結果，圖為語音識別模型匹配的過程：
為了得到一個好的模型，往往需要有大量的原始語音數(shù)據(jù)來訓練這個語音模型，特別是對于非特定人的語音識別系統(tǒng)來說，這一點顯得更為重要。因此，在開始進行語音識別研究之前，首先要建立一個語音數(shù)據(jù)庫，數(shù)據(jù)庫包括不同性別、年齡、口音的說話人的聲音，并且必須具有代表性，能均衡地反映實際使用情況。模型訓練就是指按照一定的準則，從大量已知模式中獲取表征該模式本質特征的模型參數(shù)。
目前在醫(yī)學領域并沒有專門的語音識別詞庫和模型，由于醫(yī)學術語、藥物名稱、疾病名稱等用詞的專業(yè)性很強，因此識別率會大幅下降。Dr.2同學帶了一個小組的人，耗費了7個月的時間，分別于IOS平臺和Android平臺，采用科大訊飛和云之聲兩個主流第三方SDK，對藥品詞庫的36176個藥品名稱和疾病詞庫的23501個疾病名進行了測試，訓練出錯率較高的詞匯，初步搭建了醫(yī)學語音識別領域的第三方素材庫，并決定免費開放給任何有志于開發(fā)移動醫(yī)療APP 的創(chuàng)業(yè)團隊和個人。共同構建醫(yī)學語音識別體系，避免重復投資，減少整個社會的資源浪費。
下面以Android為例，具體介紹我們構建體系的流程、標準和測試方法。以下方法可以幫助各位移動醫(yī)療開發(fā)人員快速上手：
測試平臺：2臺android4.0系統(tǒng)手機（小米2、中興U930HD）、珍立拍系統(tǒng)、科大訊飛SDK
小 組： A組和Ｂ組
測試方法：對所有藥品和疾病名稱進行反復測試，使用糾正訓練法，來克服語音識別體系中HMM的訓練效果。小組A測試藥品，小組B測試疾病，普通話識別。
測試步驟：
1、醫(yī)學詞匯約有數(shù)十萬條，前期總結查找篩選最常用詞匯并分組。
2、使用珍立拍系統(tǒng)中的語音識別對所有詞庫進行第一遍測試。
3、在第一遍測試的基礎上，對篩選出來錯誤的詞匯進行二次測試，再次篩選。
4、總結出識別易錯詞匯，兩組交叉測試后，隨后交給程序人員，按科大訊飛SDK模型訓練，輸入相應代碼，完善建庫。
測試統(tǒng)計結果：
可能存在的影響因素：
1、讀錯：由于醫(yī)學詞匯中有很多較為生僻的漢字，讀錯很難避免，很多醫(yī)生即使會寫這個詞，但是發(fā)音也可能會錯。
規(guī)避方法：遇到拿捏不準的漢字時，查找準確讀音，盡量避免錯誤。
2、環(huán)境因素：測試時，所處的環(huán)境存在噪音。
規(guī)避方法：選擇在低噪音環(huán)境中測試，但不能完全于安靜的環(huán)境中測試，因其與日常使用環(huán)境不符。
3、漢字的同音字：例如：弱視、蕁麻疹，識別結果：若是、尋麻疹。
4、漢字尾音：例如:肝癌，識別結果：剛來。
5、實際發(fā)音影響：例如：阻生齒，識別結果：主生殖。
下面以疾病詞匯舉例：
測試小結：
由統(tǒng)計結果可以看出疾病名的識別率高于藥品名，筆者分析，造成此結果的原因是：疾病名的廣普率要高于藥品名，所以各個語音識別公司比較重視，而且疾病生僻漢字較少，而藥品種類要遠多于疾病種類，其中生僻漢字也較多。二次測試的正確率較一次測試大約提升了一個百分點左右，還是可以適當減少錯誤數(shù)據(jù)庫中的詞匯量。
音節(jié)短的詞出錯率較高，如：單音節(jié)詞，痣（識別結果：志），雙音節(jié)詞，義眼（識別結果：一眼），長音節(jié)詞出錯率低，原因可能是音節(jié)越短的詞，其同音節(jié)的普通詞較其更常見，而且如果其尾音特殊的話，影響較大。
討論：
針對醫(yī)學專業(yè)詞匯識別率低的問題，目前可使用以下三種解決辦法：
一、 擴充自定義詞庫
雖然有用戶詞表，但是目前科大訊飛用戶詞表僅限數(shù)量2000，經溝通后他們正在擴大詞匯表數(shù)量中。但如果數(shù)據(jù)過大，將會導致數(shù)據(jù)包過重的問題，而移動端由于存儲和運算能力受限，所以無法滿足數(shù)量龐大的整個醫(yī)學詞庫，因此我們只能先做常用庫。
二、 搭建第三方素材庫
語音識別雖然在實用性上已得到很大提高，但是由于目前語音識別的單一性（只能單純的識別中文或者英文），以及使用環(huán)境、語音差異化等因素的影響，容易造成識別錯誤。就這些因素而言，我們?yōu)榇俗隽舜罅康幕A工作，用于搭建第三方數(shù)據(jù)庫，在盡可能排除其它干擾因素的情況下，檢測出識別錯誤的詞匯，也為下一步構建專業(yè)領域的識別模型搭建出了樣本數(shù)據(jù)庫（針對大量樣本數(shù)據(jù)庫，精簡出識別錯誤的小樣本數(shù)據(jù)庫，減少模型訓練詞庫）。
三、 構建專業(yè)領域的識別模型
對于有大量專業(yè)詞匯的識別系統(tǒng)來說，使用模型訓練可以有效提升識別率，目前模型訓練比較常用的有四種方法：最大似然估計、糾正訓練法、最小分類錯誤、最大互信息方法。模型訓練需要專業(yè)的技術，并與語音識別公司進行合作，由企業(yè)提供詞庫信息和語音集，專業(yè)人員采用模型訓練對需要識別的詞庫進行訓練，最終給出個性化定制的識別模型，以提升識別率。
語音識別技術在移動醫(yī)療領域中的應用會越來越普遍，但還有大量的基礎工作需要我們大家齊心協(xié)力去完成，Dr.2衷心希望業(yè)內的精英之士能夠對此多交流，多合作，拋開一些利益的糾葛，共同為行業(yè)的發(fā)展貢獻出自己的力量。
（轉載請注明作者：Dr.2，愿意與Dr.2交流的請加微信號：1340603421）
返回搜狐，查看更多
責任編輯：
