1.通过图片描述、故事叙述、一对一采访三种方式,采用脑电、核磁、声学、眼动、视频等多模态技术手段,收集退行病确诊患者以及同年龄健康志愿者的语言数据;
2.将收集到的语料数据根据患者的疾病类型、临床表现、严重程度、正在接受的治疗四项条件进行归类分组;
3.与健康对照组比较,对不同的疾病特征组别进行语音学、音系学、语义学、句法学、语用学五大层面定量分析,形成量化指标;
4.在另一批确诊病人中验证所得量化指标并做出调整,提高准确度;
5.结合手机软件开发技术,设计基于语言采集的家庭式疾病预测软件,并与医疗机构合作,提供在线数据分析,针对高风险人群提出进一步诊断治疗建议方案;
6.通过该平台,继续收集更多用户的语言及疾病信息,从而实现个人长期健康跟踪,优化预测指标,并收集用于科研目的的疾病语言学一手数据。