В старых версиях браузеров сайт может отображаться некорректно. Для оптимальной работы с сайтом рекомендуем воспользоваться современным браузером.
✖
基于人工智能的诊断和辅助语音技术
项目目标
建立模型，以便尽早诊断认知和语言障碍，准确预测其发展，并进行有效的个性化矫正。
该项目建议将现有的大量临床、神经影像和行为数据与现代人工智能技术相结合，训练用于诊断和矫正决策的模型。
项目成果的实用性：
从阅读时的眼球运动预测语言能力
项目团队利用机器学习方法，在收集到的大量独特数据的基础上，对阅读时的眼球运动进行分类。
该项目可分为两个部分：
项目的阅读障碍部分根据眼动识别儿童患阅读障碍的风险，并强调导致儿童阅读困难的眼动参数
根据英语阅读时的眼动参数预测英语水平
通过语流诊断神经认知和精神障碍
根据各种语音特征（前奏、语音特征、词汇、句法、文本内聚力），利用机器学习，研究人员可以预测说话者是否有障碍症状、即将发生的精神病的预测因子或神经退行性疾病的症状。
根据脑磁共振成像预测中风患者语言障碍的严重程度
脑磁共振成像数据可用于预测中风康复者的语言状况。
NRU HSE 语言和大脑中心拥有 400 名中风后患者的标记数据。
这些数据可用于机器学习，并确定最具预测性的模型（关于语言障碍的严重程度和性质）。
应用于神经源性语言障碍的矫正
该项目建议创建语言功能 "模拟器"，以取代语言治疗课程，用于矫正成人神经源性语言障碍（主要是中风后失语症）。
