买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉首都医科大学附属首都儿童医学中心申请的专利语音障碍检测方法、装置、设备及可读存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120318639B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510774231.6，技术领域涉及：G06V10/80；该发明授权语音障碍检测方法、装置、设备及可读存储介质是由王琳;王建红;许琪;王蕾;周波;王曦;李晓萌设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本语音障碍检测方法、装置、设备及可读存储介质在说明书摘要公布了：本公开涉及一种语音障碍检测方法、装置、设备及可读存储介质。通过获取标准视听材料，响应于待测对象针对标准视听材料的发音操作，采集多模态发音数据，基于所述发音音频提取音频声学特征，基于所述面部及口腔活动的视频提取视频视觉特征，将所述音频声学特征、所述视频视觉特征以及所述人口学信息编码数据进行多模态特征融合，得到融合特征向量，基于所述融合特征向量以及预训练的预测模型，得到待测对象的语音障碍检测结果。相较于现有技术，本公开实施例通过多模态特征融合，可以提高语音障碍检测的准确性和全面性，提高诊断效率，减少对专业人员的依赖，降低医疗资源的负担，明确发音问题的具体类型，为后续的个性化干预治疗提供科学依据。

本发明授权语音障碍检测方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种语音障碍检测方法，其特征在于，所述方法包括： 获取标准视听材料； 响应于待测对象针对标准视听材料的发音操作，采集多模态发音数据，所述多模态发音数据包括发音音频、面部及口腔活动的视频、以及人口学信息编码数据； 基于所述发音音频提取音频声学特征，基于所述面部及口腔活动的视频提取视频视觉特征； 将所述音频声学特征、所述视频视觉特征以及所述人口学信息编码数据进行多模态特征融合，得到融合特征向量； 基于所述融合特征向量以及预训练的预测模型，得到待测对象的语音障碍检测结果； 所述基于所述发音音频提取音频声学特征，包括： 将所述发音音频进行时间拉伸、频率移动的数据增强处理，得到增强后的发音音频； 对增强后的发音音频进行声学特征提取，得到待测对象的音频声学特征，所述音频声学特征包括基频、焦点峰、音节时长； 所述视频视觉特征包括唇形特征、面部表情特征以及舌位特征； 所述基于所述面部及口腔活动的视频提取视频视觉特征，包括： 将所述面部及口腔活动的视频进行镜像翻转、角度旋转的数据增强处理，得到增强后的面部及口腔活动的视频； 利用卷积神经网络基于增强后的面部及口腔活动的视频进行唇部分析，得到待测对象的唇形特征； 使用面部表情识别算法基于增强后的面部及口腔活动的视频捕捉动态表情变化，得到待测对象的面部表情特征； 通过深度学习模型基于增强后的面部及口腔活动的视频分析舌头的运动与位置，得到待测对象的舌位特征； 所述时间拉伸的范围为-5%~+5%，所述频率移动的范围为-3%~+3%；所述角度旋转的范围为-10°~+10°； 所述将所述音频声学特征、所述视频视觉特征以及所述人口学信息编码数据进行多模态特征融合，得到融合特征向量，包括： 将所述音频声学特征、所述视频视觉特征以及所述人口学信息编码数据通过跨模态模型进行多模态特征重编码，生成重编码向量； 使用自注意力机制对所述重编码向量中的不同模态特征的重要性进行加权，得到融合特征向量； 所述预训练的预测模型包括一级分类预测模型以及二级分类预测模型； 所述基于所述融合特征向量以及预训练的预测模型，得到待测对象的语音障碍检测结果，包括： 将所述融合特征向量输入至一级分类预测模型中，通过所述一级分类预测模型输出一级分类结果，所述一级分类结果包括正常或语音障碍中的一种； 当所述一级分类结果为语音障碍时，通过所述二级分类预测模型基于所述融合特征向量输出二级分类结果，所述二级分类结果用于表征语音障碍类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人首都医科大学附属首都儿童医学中心，其通讯地址为：100020 北京市朝阳区雅宝路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。