目前脑卒中已经成为我国成人致死、致残的首位病因,其中21%-38%的脑卒中患者会患上失语症。现存至少十几万潮州方言失语症患者,然而至今全球仍然没有一个面向潮州方言失语症患者的失语症评定方法。国内外常用的失语症评定方法过程繁琐、时间过长,许多失语症患者,尤其处于卒中急性期的失语症患者,无法忍受这种形式的言语评估。其次,这些评定方法都没有对潮州方言的当地文化以及口音进行特色化适配,导致了潮州方言失语症患者语言能力在临床上的评定及治疗困难。再次,和失语症治疗相关的医疗资源紧缺,导致很多患者错过黄金康复期而无法痊愈。针对以上存在的问题,本文提出一种应用于潮州方言失语症患者的快速自动化评估方法。创新之处主要包括:第一,设计一个面向潮州方言失语症患者的快速评估方法,目的是在短时间内（15分钟）提供一份可靠性高并且多维描述患者语言能力的功能评估报告。基于科学的设计原则制定快速评估方法的详细内容,包括评估素材、操作流程和评分准则。此外,验证快速评估方法的心理测量可靠性,以期将该方法加以临床使用及推广应用。第二,快速评估方法的自动化实现,目的是以快速评估方法为基础,研究失语症评估任务自动化实现的方法。从传统机器学习算法和深度学习算法出发,将实验数据分为失语症患者数据集、健康受试者数据集以及患者和健康受试者结合数据集等三种数据集类型,探索并推导基于这三种数据集类型的语音评估模型,讨论所提出的语音评估模型和失语症评估任务之间的关系和转换,以此作为失语症评估数据收集、实验设计和分类框架选择的指南。此外,进一步实现语音自动评估,助力面向潮州方言失语症患者的辅助治疗技术发展和交流工具开发。快速评估方法已通过广东省汕头市汕头大学医学院第一附属医院、长平康复中心和汕头大学医学院第一附属医院龙湖医院的伦理审查批准并完成了测试。实验结果表明,快速评估方法具有良好的心理测量可靠性,测试结果接近临床诊断结果,并且大多数情况下能在15分钟内完成整个测试。本文对比了6种分类器在基于三种数据集类型的语音评估模型上的性能表现,实验发现随机森林算法和卷积神经网络在三种模型中具有较好的分类性能,尤其在基于健康受试者数据集的模型测试中准确率为93.27±1.25%/99.83±0.23%。基于随机森林算法进一步实现语音自动评估,结果表明,患者每个语音文件的真实标签输出激活与对应可懂度客观评分间具有强相关关系,获得的模型识别概率反映患者的语言能力,即患病的严重程度。因此,该语音自动评估方法可以应用到命名能力测试和复述能力测试。综上所述,本研究推出的评测方法能在15分钟内供一份可靠性高并且多维描述患者语言能力的失语症功能评估报告,并通过机器学习技术实现了语音自动评估,提高医生诊断效率,促进患者康复进程。