详细信息：

发展性口吃（DS）是一种开始于儿童时期的语言流畅性障碍。全球统计发病率约为1%，中国有近1300万患者。发病年龄为2-5岁，约5%的儿童会受到影响，并伴有显著的焦虑和抑郁症状。口吃儿童可能在3岁时就开始表现出行为、情感和社会发展方面的障碍，年龄较大者表现更加明显，是一个严重的社会问题。 目前国内该领域的治疗方法以跟读法言语治疗为主，存在专业言语医生资源匮乏且水平参差不齐、干预效率低下、干预效果不佳，以及儿童主动性与积极性弱等诸多问题。 本课题拟在前期研究的基础上，结合机器学习与深度学习等人工智能技术，对发展性口吃的实时评估进行建模，同时融合主动交互产品设计，研发儿童发展性口吃主动干预系统。提高儿童干预积极性与主动性，降低医师干预复杂度，提升临床医师干预效率和干预效果，有助于对儿童发展性口吃进行早期、专业、有效干预，阻止向成人顽固口吃转化，减少口吃儿童的说话回避，降低家长对孩子语言社交的焦虑，从而改善患儿及家庭的生活质量，加速推动儿童口吃领域的评估与治疗向标准化、数字化与智能化方向发展。 治疗方面：①各国的言语治疗发展水平参差不齐，且文化背景差异较大，目前针对中文普通话的口吃治疗方法研究还较少，几乎没有关于该群体口吃治疗的有效证据；②临床上言语治疗师为口吃儿童制定干预方案时，面临诸多困难，其一，治疗师和家长对儿童是否能自发恢复不确定；其二，患儿更适合直接还是间接治疗方法也难以判断；③家长认知不足，支持力度不够；④治疗周期长，且治疗费用较高，因而无法长时间坚持。 本课题通过深度学习等人工智能技术，对发展性口吃的实时评估进行建模，同时融合主动交互产品设计，研发儿童发展性口吃主动干预系统，提高儿童干预积极性与主动性，降低基层医生评估和治疗师干预复杂度，提升干预效率和干预效果，实现对儿童发展性口吃的早期、及时且有效干预，防治终生说话困难，以及精神健康问题，从而改善患儿的生活质量。