根據《孤獨癥教育康復行業發展狀況報告》，在全世界范圍內每 54 個兒童就有一個兒童患有自閉癥譜系障礙，目前中國的自閉癥譜系障礙患者已經超過了 1300萬，并且這個數量以每年近20萬的速度增長。

我們通過調研發現我國關于自閉癥譜系障礙方面的確診缺乏統一的診斷標準，各大醫院與醫療機構的主流診斷方案還是依托于量表等工具，誤診率高。但目前在確診方面缺乏科學精準的檢測儀器，導致被確診為自閉癥的患者平均年齡為4到5歲，遠遠滯后于18到24個月的最佳早期篩查診斷時機，使得患兒錯過最佳康復治療期。

我們團隊基于以上痛點，以兒童說話聲音作為原始數據，利用深度學習訓練出的高精度模型對比分析自閉癥譜系障礙兒童和正常兒童在聲學特征上的差異，使用音頻分析技術提取聲學特征參數進行分析，基于潤和大禹DAYU200從聲學角度指導醫生對待測兒童進行早期篩查，可將自閉癥患者實際篩查確診年齡提前至1到2歲，讓自閉癥譜系障礙兒童能極早地得到確診，從而能夠盡早進行干預治療，最大限度地減少天生發育障礙對患者及整個家庭的影響。

本項目通過神經網絡和音頻分析技術提取自閉癥譜系障礙兒童的聲學特征參數進行分析，篩選出最具有代表性的聲學特征和分類識別性能最優的模型，從聲學角度輔助醫生對自閉癥譜系障礙兒童進行早期診斷，并設計機器學習模型進行分類。構建模型，最終網絡的準確性達到 93.8%。醫生可在DAYU200端、網頁Web端、桌面exe程序端、手機端鴻蒙APP查看結果，預測出自閉癥譜系障礙準確率超過 70%，推薦可能患有自閉癥譜系障礙孩子接受干預訓練，避免錯過最佳干預期。

3.1 開發技術設計框架

3.2音頻數據采集

項目的音頻數據采集模塊主要由三部分組成，分別是揚聲器、三麥克風陣列數字信號處理器和Esp32-Korvo音頻開發板。并通過回聲消除算法、語音增強算法、降噪算法和音頻自動增益算法收集音頻數據，以此來保證受測者的音頻數據質量。并通過藍牙或WLAN傳輸音頻數據至云服務器進行下一步處理。在內部布局上，通過精確測量開發板、揚聲器、可充電電池的尺寸，合理規劃設計了內部零件的位置，精準建模預留內部空間。效果圖如下：

3.3音頻數據預處理

我們將數據采集模塊得到的音頻數據上傳至我們的華為云服務器上，利用利用我們自主開發的降噪算法對收集到的聲音進行二次降噪，除去高斯噪聲、白噪聲等等的一 些噪音，然后利用 OpenSmile 提取聲學特征，得到的處理過后的數據會進行 Librosa 庫繪制MFCC 圖像。

首先在音頻轉圖像之前，通過 Berouti 譜減法對采樣的自閉癥患者語音中自帶的加性噪聲（背景噪聲）得到噪聲的頻譜信息，并將其從頻率空間中減去。同時為了避免提取困難，采用預加重技術將預加重濾波器加在原始音頻上，強化高頻部分，再通過分幀加窗使分析對象的信號變化不會突然消失。接著將連續的模擬信號轉化為數字信號，通過快速傅里葉變化對分幀加窗后的各幀信號進行快速傅里葉變換得到各幀的頻譜。并對語音信號的頻譜取模平方得到語音信號的功率譜。接著利用三角帶通濾波器對頻譜進行平滑化，并消除諧波的作用，突顯原先語音的共振峰。因此一段語音的音調或音高，是不會呈現在梅爾倒譜系數內。換言之，以梅爾倒譜系數為特征的聲學特征濾波識別診斷系統，并不會受到輸入語音的音調不同而有所影響。此外，還可以降低運算量。

最后，經離散余弦變換（DCT）得到 MFCC 系數。

音頻轉圖像具體流程展示圖如下：

提取聲學特征并繪制出的 MFCC 圖像如下：

3.4圖像數據分析

在深度學習模型預測程序中預測待測者自閉癥譜系障礙的患病概率，采用CNN卷積神經網絡來進行圖像識別，包含4個卷積層和3個全連接層，每個卷積層后面有一個LeakyRelu (激活函數)增強非線性，每兩個卷積層分別緊跟一個最大值池化層縮小特征圖組成一個卷積組模塊，卷積層的輸出通道數按順序分別是64, 32, 128, 64，卷積層的輸出特征圖進入全連接層前平鋪成向量，然后進入三個線性變換層逐層降低向量的維度，每個線性變換緊跟一個Dropout層防止過擬合，線性變換的輸出長度分別是128, 64, 1，最后輸出的一維向量用于二分類，輸出自閉癥譜系障礙兒童的概率和正常兒童的概率。基于深度神經網絡的算法，通過計算機較強的學習能力來學習自閉癥患者與正常人的聲學特征，以此達到對自閉癥患者語音數據的有效識別。

• DevEco Studio for OpenHarmony3.0.0.900

• OpenHarmony版本：3.1_Release

• 開發板：DAYU200