项目成员：武秀文

指导教师：王美琴

作品简介：该系统通过分析用户上传的语音文件，提取音频特征，并利用卷积神经网络（CNN）模型评估阿尔兹海默症风险。前端使用Vue3和小程序前端开发技术栈，为管理员和用户提供交互界面，后端采用SSM框架进行数据处理和存储。系统通过CNN模型提取语音特征，识别早期阿尔兹海默症，结果存储在MySQL数据库中，确保数据持久性和快速访问。

图1体系结构图

图2系统E-R图

图3作品展示图

图4作品展示图

项目创新点：

（1）技术创新：本系统研究的主要内容是开发一个基于语音分析的阿尔兹海默症（AD）辅助诊断系统。该系统主要使用的有卷积神经网络（CNN）、Vue框架、小程序前端开发技术栈和SSM框架。卷积神经网络用于训练预测阿尔兹海默症等级预测模型。对已有的文本数据集进行特征提取，识别患者在语言表达上的异常，结合提取的语言特征，辅助评估阿尔兹海默症的进展和严重程度；利用Vue3作为前端开发框架，可以实现用户界面的设计和交互，提供流畅的用户体验感；利用前端开发技术栈设计用户的微信小程序，从而实现对用户上传的语音文件数据传输到后台系统进行处理与分析操作；SSM框架能够实现对系统的分层架构，从而提升整个语音辅助诊断系统的可维护性和扩展性；通过这些技术实现前后端分离的诊断系统。用户角色分为管理员与用户，系统分为管理端与用户端，通过语音采集、语音文件上传、模型训练等模块，实现对阿尔兹海默症的检测与评估。

（2）应用创新：相比较阿尔兹海默症现有的检测手段，对患者的语音分析是一种简单、无创、廉价的方法。研究表明，阿尔兹海默症最早的症状之一是语言障碍，包括失语、单词理解能力下降、物体命名困难、语义障碍、词汇和语言流畅性下降、语言频率较低，以及在话语中频繁的犹豫。因此本项目设计并开发一套基于SSM框架的阿尔兹海默症语音辅助诊断系统，通过该系统能够利用语音信号分析和机器学习算法，对阿尔兹海默症患者进行早期的风险评估和诊断预测。

项目视频二维码：