阿尔兹海默病是一种神经退行性疾病,会导致患者的认知能力出现衰退并且最终使人失去基本的生活能力。在目前的研究中,如何使医生为患者更好地提供医疗方案以延缓认知衰退是迫切需要解决的问题。目前的研究往往是基于MRI、PET等图像数据,花费高且耗时长。因此,利用患者的自发语音来对认知衰退进行预测,为患者提供更好的治疗方案有着重大意义。本文以AD患者的自发语音为研究对象,在特征方面研究了声学特征和语言学特征以及两种特征的融合,接着在提取的特征上分别构建了机器学习模型和深度学习模型,经过训练后,均可以实现对患者认知衰退的有效预测。本文的主要研究内容和工作有:1)本文首先针对医疗语音数据集小的特点,对音频进行了数据增强工作。本文探究了不同类型的声学特征对结果的影响,分别是传统声学特征和声学频谱。在传统声学特征上构建了机器学习模型,在声学频谱上构建了深度学习模型。在构建了机器学习模型时,对比了不同的模型的效果,实验证明SVM相较于其它模型在小数据集上有着更好的效果。在构建卷积神经网络时,对比了不同的注意力机制对网络效果的影响。本文最终在传统声学特征和声学频谱上均取得了0.63的Mean-F1,超过基线实验的效果。2)本文使用预训练模型提取语言学特征,分别是用BERT提取的句向量和Wav2Vec2.0提取的特征,使用在声学实验中表现良好的模型,实验最终取得了0.67的Mean-F1,与基线实验持平。本文进行了声学特征和语言学特征的融合实验,最终效果超过单独任一特征的实验,取得了0.69的Mean-F1。3)本文结合上述模型和方法,设计并实现了基于AD患者的自发语音的认知衰退预测系统。该系统基于微信小程序,有着便捷使用的特点。用户只需要搜索小程序进行语音答题,将音频数据上传至服务器就可以利用本文训练的模型进行认知衰退预测,系统最终会将预测结果展示给用户。