語音識別在電子病歷系統的應用

李丹蓉

常州市衛生信息中心，江蘇 常州 213000

1 引言

調查顯示，我國目前50%的住院醫生平均每天用于寫病歷的時間超過4小時，其中相當一部分醫生寫病歷的時間超過7小時；還有部分專家配有專門記錄員記錄醫生主訴內容，而后轉錄入電腦中，對于社區醫院，醫生信息化水平較弱，這種問題更為突出。這種錄入病歷方式的弊端在于輸入效率較低，錯誤高；然而主流通過模板復制粘貼的方式，導致千篇一律的漏洞百出的病歷。這種錄入電子病歷的模式，使得個性化病歷錄入較少，病歷數據分析變得沒有價值。

隨著語音識別系統在細化模型的設計、參數提取和優化、系統的自適應方面取得較大發展，使得這項技術與其他領域相關技術進行結合，可以提高錄入的效率。而語音識別技術正是解決電子病歷的信息采集和輸入問題的最好解決方式，從而有效提高醫生錄入效率和病歷質量安全，實現個性化錄入。

2 語音識別原理

語音識別采用模式識別，基本框架分為：數據準備、特征提取、模型訓練、測試應用這4個步驟。

2.1 模型訓練原理 首先，對輸入的語音進行信號處理和特征提取，通過分析產生特征向量，建立聲學模型，然后對模型進行不斷訓練，再根據聲學特征值計算特征向量在聲學特征上的得分。根據語音建立語言文本庫模型，對計算出的聲音信號排列對于詞組序列，在根據已建立的語音字典庫對詞組進行解碼處理，最后得出語言識別的結果。

2.2 語言模型 語言模型是用于反映字詞出現的先驗概率和詞順序是否符合語言習慣和詞的語義信息的。例如“郝”和“好”，這兩個字發音相同，“好”相對于“郝”來說，出現的概率較高，但“郝”“好”相對于“好”來說一般出現在姓氏里較頻繁。

傳統語言模型N-gram的方法是一種基于概率的判別模型，它輸入的是語音序列，輸出的語音的概率。利用公式表示：

其中，S=( w1, w2,…,wn) ,表示那個輸入語音詞組，每個單詞wi，p(s)可以表示為第一個詞出現的概率p(w1)乘以第二個詞的概率p(w2│w1)，以此類推一直到第n個詞。

語言模型:反映字詞出現的先驗概率

挫——錯

出心——初心

反映詞順序是否符合語音習慣

外出參觀——參觀外出

反映詞的語義信息

烏云-雷電-雨傘=下雨

為解決參數空間過大，數據稀疏等問題，我們對它進行進一步N-階馬爾科夫假設，即一個詞的出現僅與它之前的若干個詞有關。上面表示先驗概率中的每一項都可以做下列這樣一個近似。

RNNLM語言模型是基于循環神經網絡，其特點是將上一次的輸出作為本次的輸入，可以利用上一次信息來預測下一個詞，所以我們對公式中間的每一項都采用同一種深度學習模型，就可以表達成如下結構：

2.3 聲學模型建模 通過給定了相應的文本序列之后，生成相應的語音，這是語音識別技術中最核心的也是最復雜的部分。

為了減少同音詞的數據共享問題，首先我們會將文本序列轉化成它的發音序列，我們的語音具有不定長的特性，我們說的快和說的慢的時候，語音幀的時長是不一樣的，對于這種不定長的語音建模，這個時候就需要引入HMM模型。

HMM模型每一個語音幀讓我們的每一個語音幀都對應到HMM模型中的每一個狀態，不論多長的語音都能夠表達為HMM模型的一個狀態序列。

最后將HMM模型中的序列和語音中的每一幀進行對應。再利用概率將這個對應關系表達即可。

3 語音識別系統的系統架構

需通過大量病歷、患者信息等文本的錄入，反復校驗臨床醫生使用的智能語音識別系統，從而達到通過語音查詢、調取患者病歷、影像等數據，方便醫生使用，形成高效的智能語音識別的應用系統。

3.1 系統功能 本系統采用B/S架構，語音應用服務器和語音數據庫服務器之間通過光纖交換機與機房主存儲數據庫進行交互，從而實現性能的高效穩定。

系統前端集成在HIS系統的醫生工作站中，實時的將醫生說話內容通過識別系統轉錄成文字信息，并直接錄入醫生工作站中的門診、住院病歷及檢查報告等文本輸入位置，并完成了文本插入后的修改、刪除和增加等功能模塊。

3.2 業務流程 本系統需在醫生工作站處安裝麥克風硬件采集設備；將當醫生進行語音錄入時，系統識別該段語音，首先發出語音識別請求，并進行語音端點檢測、降噪及特征提取等前端處理后，發送到后端，通過建立的聲學模型和語音模型進行解碼處理，最終識別出該語音，并輸入前端進行文本輸出。

3.3 構建語音資料包 先對海量樣本語音信號進行采樣、去除混疊濾波和其它噪音影響，然后進行語音識別基本單元的選取并提取信號特征參數，進行反復訓練，構建符合電子病歷的醫學語音資料庫，包括醫療語音模型的建立和語義理解規則的構建兩個步驟。這是整個系統的核心部分。其中，醫療語音模型是基于HMM模型對語音資料庫進行語音訓練，從而形成符合醫生經常錄入的信息語音模型；而語義理解規則是通過一定規則將海量通用文本數據與計算輸出的特征值相似度匹配，最終判斷出輸入語音的含義。

4 系統效果分析

智能語音識別功能模塊在醫生端使用后，錄入的速度，除了醫生工作站文本框選取時間外，大大縮短了醫生的錄入時間，準確率超過90%，改善了社區醫護人員使用電腦錄入效率及準確率不高的現狀，并在推廣使用過程中，不斷優化語音庫，進一步提高識別效率。