（文章來源：中國數字醫學）

結合語音識別技術構建醫療智能語音識別系統，達到減輕醫護人員日常工作負擔，減少重復性勞動，提高診療質量的目的。基于語音識別的關鍵技術和海量的醫療數據，開發電子病歷與檢查報告智能語音錄入、移動護理智能語音錄入、非接觸式智能語音數據交互系統。通過開發的系統，實現病歷信息快速錄入和輸出，減輕了醫生的工作強度，將醫護人員的時間集中在治療過程本身，提高工作效率與質量。根據臨床科室、醫技科室的實際工作特點，提供操作便捷、實用高效的語音識別應用工具，輔助臨床工作，提高醫療效率，創新醫療模式。

伴隨全球醫療信息化技術的突飛猛進，如何提高患者病歷信息錄入的效率、降低難度，提高準確度成為當前研究的熱點。同時利用語音技術實現醫療領域人機交互，讓機器聽懂人的語言并給出正確的反饋，也是目前非接觸式智能交互的研究熱點之一。當前，國內外的相關機構已認識到醫療和語音識別相關技術深度結合的重要性，伴隨著相關資本的涌入等多因素驅動下，全世界各地的醫療智能語音產業正發生翻天覆地的變化。

國外醫療智能語音的發展現狀世界上第一個語音體系化規模化研究起源于20世紀50年代的貝爾實驗室，該實驗室研發的Audry系統，實現可識別十個英文字母，是初步具備語音識別功能的系統。20世紀90年代前期，許多有技術實力的公司都開始對語音識別系統的實用化應用，投入大量的人力物力，到了90年代中后期，整個語音識別體系的準確率得到大幅優化，例如ViaVoice平臺、Dragon平臺、Naturally Speaking平臺、Nuance Voice Platform語音平臺等。最近幾年，巨頭們開始加速布局語音識別行業，蘋果、Google、Facebook、微軟等相繼收購SayNow、Phonetic Arts、Skype、Cortana等技術公司，做強語音識別功能與應用。

我國醫療智能語音的發展現狀我國語音識別研究也是開始于上世紀50年代，隨著科學技術實力的進步，語音識別技術發展很快，已逐步走向實用的階段。目前，我國語音識別相關的技術基本上與國外的技術處在同一檔次，尤其在漢語識別方面已達到國際先進水平。清華大學研發的非特定人漢語數碼串連續語音識別系統的識別精度，已達到95%，中科院自動化所于2002年推出的PattekASR產品，結束了漢語語音識別技術一直由國外壟斷的現狀，具有劃時代的意義。除此之外，科大訊飛、云知聲、百度語音、出門問問、思必馳等公司也成為了國內智能語音的支柱企業。

西南醫院醫療語音的應用，是基于海量的醫學文本數據，結合已建立的醫療大數據軟、硬件平臺，利用云計算、大數據和機器學習等技術進行大規模的訓練，定制符合醫療應用場景的醫學語音識別模型。醫院智能語音系統采取分布式架構，可以將一個大的任務分解成多個小任務并行處理，提高了語音識別的整體性能，精簡了語音服務流程，給用戶更好的體驗及服務，形成可應用在診療過程中的智能語音識別系統及工具。

構建具有醫院特色的醫學語音資料庫語音數據庫的一部分語音資源是收集、整理現有的醫療語音數據，包括基礎語音數據、醫學語音數據、相關醫學數據庫中的音頻資源及其他醫療機構的語音數據；另一部分是收集、整理我院現有的海量醫療文本，主要包括臨床電子病歷、檢查報告、各種記錄等，將文本信息標注成漢語拼音，并進行存儲。

融合語音識別處理技術運用下列技術先對采集的語音信號進行預處理，這些技術包括語音信號數字化及數字編碼、語音檢測技術、語音信號特征參數的提取。其中，語音信號數字化及數字編碼是將自然語言模擬信號轉變成數字信號，同時對語音信號數據編碼壓縮，減少數據大小，減小反應時間，提高服務效率。

語音檢測技術主要實現從連續采樣得到的數字信號中檢測出語音信號段和噪聲段，判斷用戶語音的開始和結束，從而得到有效的語音信息。語音信號特征參數的提取，目的是通過特征提取，將語音轉化為隨時間變化的語音特征矢量序列，語音識別引擎對該語音特征矢量分析，從而解決口音識別問題。

建立具有自主學習能力的語義庫語義庫構建包括如下三個步驟：醫療語音模型的建立、語義理解規則的構建、個性化數據優化。其中，醫療語音模型是基于隱馬爾可夫模型對語音資料庫進行語音訓練，定制化處理我院的醫療信息，形成覆蓋各應用場景的信息語音模型。語義理解規則是結合海量通用文本數據，大量醫療文本數據及歷史醫療數據訓練語言模型，并做深度自適應優化，形成的我院的語義規則。個性化數據優化，是針對我院的數據，通過深度神經網絡學習技術，對文本資料在現有專業的語音庫中進行深度學習，以提升個性化數據的準確率。