作者Dr.2，MediCool醫(yī)庫(kù)軟件公司董事長(zhǎng)
隨著計(jì)算機(jī)技術(shù)的發(fā)展，人機(jī)交互的方式也在不斷變革，智能語(yǔ)音的發(fā)展更是為我們的生活及工作方式帶來(lái)了新的變革，其每一步創(chuàng)新都帶給我們更好的用戶體驗(yàn)和更高的交互效率。語(yǔ)音識(shí)別即通過(guò)麥克風(fēng)捕捉用戶發(fā)出的聲音，將聲波信號(hào)轉(zhuǎn)換成機(jī)器可以處理的“發(fā)音特征”，再?gòu)陌l(fā)音和語(yǔ)言的“模型空間”中快速搜索最匹配的句子，即識(shí)別結(jié)果。
基于語(yǔ)音識(shí)別的原理：語(yǔ)音識(shí)別過(guò)程就是一個(gè)模型匹配的過(guò)程，模型訓(xùn)練的好壞直接關(guān)系到系統(tǒng)識(shí)別的結(jié)果，圖為語(yǔ)音識(shí)別模型匹配的過(guò)程：
為了得到一個(gè)好的模型，往往需要有大量的原始語(yǔ)音數(shù)據(jù)來(lái)訓(xùn)練這個(gè)語(yǔ)音模型，特別是對(duì)于非特定人的語(yǔ)音識(shí)別系統(tǒng)來(lái)說(shuō)，這一點(diǎn)顯得更為重要。因此，在開始進(jìn)行語(yǔ)音識(shí)別研究之前，首先要建立一個(gè)語(yǔ)音數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)包括不同性別、年齡、口音的說(shuō)話人的聲音，并且必須具有代表性，能均衡地反映實(shí)際使用情況。模型訓(xùn)練就是指按照一定的準(zhǔn)則，從大量已知模式中獲取表征該模式本質(zhì)特征的模型參數(shù)。
目前在醫(yī)學(xué)領(lǐng)域并沒有專門的語(yǔ)音識(shí)別詞庫(kù)和模型，由于醫(yī)學(xué)術(shù)語(yǔ)、藥物名稱、疾病名稱等用詞的專業(yè)性很強(qiáng)，因此識(shí)別率會(huì)大幅下降。Dr.2同學(xué)帶了一個(gè)小組的人，耗費(fèi)了7個(gè)月的時(shí)間，分別于IOS平臺(tái)和Android平臺(tái)，采用科大訊飛和云之聲兩個(gè)主流第三方SDK，對(duì)藥品詞庫(kù)的36176個(gè)藥品名稱和疾病詞庫(kù)的23501個(gè)疾病名進(jìn)行了測(cè)試，訓(xùn)練出錯(cuò)率較高的詞匯，初步搭建了醫(yī)學(xué)語(yǔ)音識(shí)別領(lǐng)域的第三方素材庫(kù)，并決定免費(fèi)開放給任何有志于開發(fā)移動(dòng)醫(yī)療APP 的創(chuàng)業(yè)團(tuán)隊(duì)和個(gè)人。共同構(gòu)建醫(yī)學(xué)語(yǔ)音識(shí)別體系，避免重復(fù)投資，減少整個(gè)社會(huì)的資源浪費(fèi)。
下面以Android為例，具體介紹我們構(gòu)建體系的流程、標(biāo)準(zhǔn)和測(cè)試方法。以下方法可以幫助各位移動(dòng)醫(yī)療開發(fā)人員快速上手：
測(cè)試平臺(tái)：2臺(tái)android4.0系統(tǒng)手機(jī)（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(cè)試方法：對(duì)所有藥品和疾病名稱進(jìn)行反復(fù)測(cè)試，使用糾正訓(xùn)練法，來(lái)克服語(yǔ)音識(shí)別體系中HMM的訓(xùn)練效果。小組A測(cè)試藥品，小組B測(cè)試疾病，普通話識(shí)別。
測(cè)試步驟：
1、醫(yī)學(xué)詞匯約有數(shù)十萬(wàn)條，前期總結(jié)查找篩選最常用詞匯并分組。
2、使用珍立拍系統(tǒng)中的語(yǔ)音識(shí)別對(duì)所有詞庫(kù)進(jìn)行第一遍測(cè)試。
3、在第一遍測(cè)試的基礎(chǔ)上，對(duì)篩選出來(lái)錯(cuò)誤的詞匯進(jìn)行二次測(cè)試，再次篩選。
4、總結(jié)出識(shí)別易錯(cuò)詞匯，兩組交叉測(cè)試后，隨后交給程序人員，按科大訊飛SDK模型訓(xùn)練，輸入相應(yīng)代碼，完善建庫(kù)。
測(cè)試統(tǒng)計(jì)結(jié)果：
可能存在的影響因素：
1、讀錯(cuò)：由于醫(yī)學(xué)詞匯中有很多較為生僻的漢字，讀錯(cuò)很難避免，很多醫(yī)生即使會(huì)寫這個(gè)詞，但是發(fā)音也可能會(huì)錯(cuò)。
規(guī)避方法：遇到拿捏不準(zhǔn)的漢字時(shí)，查找準(zhǔn)確讀音，盡量避免錯(cuò)誤。
2、環(huán)境因素：測(cè)試時(shí)，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(cè)試，但不能完全于安靜的環(huán)境中測(cè)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(shí)別結(jié)果：若是、尋麻疹。
4、漢字尾音：例如:肝癌，識(shí)別結(jié)果：剛來(lái)。
5、實(shí)際發(fā)音影響：例如：阻生齒，識(shí)別結(jié)果：主生殖。
下面以疾病詞匯舉例：
測(cè)試小結(jié)：
由統(tǒng)計(jì)結(jié)果可以看出疾病名的識(shí)別率高于藥品名，筆者分析，造成此結(jié)果的原因是：疾病名的廣普率要高于藥品名，所以各個(gè)語(yǔ)音識(shí)別公司比較重視，而且疾病生僻漢字較少，而藥品種類要遠(yuǎn)多于疾病種類，其中生僻漢字也較多。二次測(cè)試的正確率較一次測(cè)試大約提升了一個(gè)百分點(diǎn)左右，還是可以適當(dāng)減少錯(cuò)誤數(shù)據(jù)庫(kù)中的詞匯量。
音節(jié)短的詞出錯(cuò)率較高，如：?jiǎn)我艄?jié)詞，痣（識(shí)別結(jié)果：志），雙音節(jié)詞，義眼（識(shí)別結(jié)果：一眼），長(zhǎng)音節(jié)詞出錯(cuò)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(duì)醫(yī)學(xué)專業(yè)詞匯識(shí)別率低的問(wèn)題，目前可使用以下三種解決辦法：
一、 擴(kuò)充自定義詞庫(kù)
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(jīng)溝通后他們正在擴(kuò)大詞匯表數(shù)量中。但如果數(shù)據(jù)過(guò)大，將會(huì)導(dǎo)致數(shù)據(jù)包過(guò)重的問(wèn)題，而移動(dòng)端由于存儲(chǔ)和運(yùn)算能力受限，所以無(wú)法滿足數(shù)量龐大的整個(gè)醫(yī)學(xué)詞庫(kù)，因此我們只能先做常用庫(kù)。
二、 搭建第三方素材庫(kù)
語(yǔ)音識(shí)別雖然在實(shí)用性上已得到很大提高，但是由于目前語(yǔ)音識(shí)別的單一性（只能單純的識(shí)別中文或者英文），以及使用環(huán)境、語(yǔ)音差異化等因素的影響，容易造成識(shí)別錯(cuò)誤。就這些因素而言，我們?yōu)榇俗隽舜罅康幕A(chǔ)工作，用于搭建第三方數(shù)據(jù)庫(kù)，在盡可能排除其它干擾因素的情況下，檢測(cè)出識(shí)別錯(cuò)誤的詞匯，也為下一步構(gòu)建專業(yè)領(lǐng)域的識(shí)別模型搭建出了樣本數(shù)據(jù)庫(kù)（針對(duì)大量樣本數(shù)據(jù)庫(kù)，精簡(jiǎn)出識(shí)別錯(cuò)誤的小樣本數(shù)據(jù)庫(kù)，減少模型訓(xùn)練詞庫(kù)）。
三、 構(gòu)建專業(yè)領(lǐng)域的識(shí)別模型
對(duì)于有大量專業(yè)詞匯的識(shí)別系統(tǒng)來(lái)說(shuō)，使用模型訓(xùn)練可以有效提升識(shí)別率，目前模型訓(xùn)練比較常用的有四種方法：最大似然估計(jì)、糾正訓(xùn)練法、最小分類錯(cuò)誤、最大互信息方法。模型訓(xùn)練需要專業(yè)的技術(shù)，并與語(yǔ)音識(shí)別公司進(jìn)行合作，由企業(yè)提供詞庫(kù)信息和語(yǔ)音集，專業(yè)人員采用模型訓(xùn)練對(duì)需要識(shí)別的詞庫(kù)進(jìn)行訓(xùn)練，最終給出個(gè)性化定制的識(shí)別模型，以提升識(shí)別率。
語(yǔ)音識(shí)別技術(shù)在移動(dòng)醫(yī)療領(lǐng)域中的應(yīng)用會(huì)越來(lái)越普遍，但還有大量的基礎(chǔ)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(nèi)的精英之士能夠?qū)Υ硕嘟涣?，多合作，拋開一些利益的糾葛，共同為行業(yè)的發(fā)展貢獻(xiàn)出自己的力量。
（轉(zhuǎn)載請(qǐng)注明作者：Dr.2，愿意與Dr.2交流的請(qǐng)加微信號(hào)：1340603421）
返回搜狐，查看更多
責(zé)任編輯：
