近日，重庆工商大学守望星光科创团队（项目负责人：王朗臣，团队成员：边策、周杨康美、熊茂竹、 巫名扬、刘佳雪、夏师涵、熊焱林、向亮颖、周静，指导老师：詹川、吴佑波、范兴容、张静）研发的一种自闭症谱系障碍儿童声纹特征滤波识别系统引发业界的广泛关注。

根据《孤独症教育康复行业发展状况报告》，在全世界范围内每54个儿童就有一个儿童患有自闭症谱系障碍，目前中国的自闭症谱系障碍患者已经超过了1300万，并且这个数量以每年近20万的速度增长。

团队通过调研发现我国关于自闭症谱系障碍方面的确诊缺乏统一的诊断标准，各大医院与医疗机构的主流诊断方案还是依托于量表等工具，误诊率高。但目前在确诊方面缺乏科学精准的检测仪器，导致被确诊为自闭症的患者平均年龄为4到5岁，远远滞后于18到24个月的最佳早期筛查诊断时机，使得患儿错过最佳康复治疗期。

守望星光团队基于以上痛点，以儿童说话声音作为原始数据，利用深度学习训练出的高精度模型对比分析自闭症谱系障碍儿童和正常儿童在声学特征上的差异，使用音频分析技术提取声学特征参数进行分析，从声学角度指导医生对待测儿童进行早期筛查，设计出一套自闭症谱系障碍声纹特征AI病理滤波识别器的产品。我们团队在AI技术的辅助下，创新性的开发出了自闭症早期筛查算法，用户仅需通过麦克风录制便可实现对自闭症谱系障碍病的早期筛查，医生可在5分钟内完成诊断过程，诊断速度提升近百倍，并可将诊断时间从4到5岁提前至1到2岁，实现自闭症谱系障碍早期筛查的“可量化”和“精细化”，让自闭症谱系障碍儿童能极早地得到确诊，从而能够尽早进行干预治疗，最大限度地减少天生发育障碍对患者及整个家庭的影响。

越来越多的研究表明：在识别效果中，声音占55%，眼动识别占38%，而肢体行为检测占7%，本项目对自闭症谱系障碍儿童声音的声学特征参数进行分析，筛选出最具有代表性的声学特征和分类识别性能最优的模型，从声学角度辅助医生对自闭症谱系障碍儿童进行早期筛查，并设计机器学习模型进行自闭症谱系障碍儿童进行分类并预测出患病概率，最终模型的准确性达到93.8%。

该团队力图将新的科技成果实用化，以方便生活，解决社会问题，造福社会，不断推出可靠、实用的产品，并在应用过程中不断将之完善，用我们的技术、经验和高质量的服务为客户提供满意的产品，不断满足客户的需求，持续提升产品品质，创造良好的商业和社会价值，造福更多患有自闭症谱系障碍的儿童。

免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。