CN110584601B - 一种老人认知功能监测和评估*** - Google Patents
一种老人认知功能监测和评估*** Download PDFInfo
- Publication number
- CN110584601B CN110584601B CN201910795005.0A CN201910795005A CN110584601B CN 110584601 B CN110584601 B CN 110584601B CN 201910795005 A CN201910795005 A CN 201910795005A CN 110584601 B CN110584601 B CN 110584601B
- Authority
- CN
- China
- Prior art keywords
- cognitive
- data
- monitoring
- attribute
- elderly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 129
- 230000003920 cognitive function Effects 0.000 title claims abstract description 128
- 238000011156 evaluation Methods 0.000 title claims description 41
- 230000003068 static effect Effects 0.000 claims abstract description 22
- 230000001149 cognitive effect Effects 0.000 claims description 238
- 208000010877 cognitive disease Diseases 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 49
- 230000006735 deficit Effects 0.000 claims description 37
- 208000028698 Cognitive impairment Diseases 0.000 claims description 34
- 238000012552 review Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 28
- 230000008449 language Effects 0.000 claims description 24
- 230000003930 cognitive ability Effects 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000008447 perception Effects 0.000 claims description 13
- 238000010295 mobile communication Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 206010027175 memory impairment Diseases 0.000 claims description 5
- 230000004043 responsiveness Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 79
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 20
- 230000006378 damage Effects 0.000 description 19
- 208000035475 disorder Diseases 0.000 description 15
- 208000027061 mild cognitive impairment Diseases 0.000 description 15
- 238000001514 detection method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 210000004556 brain Anatomy 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 230000000474 nursing effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 9
- 230000006998 cognitive state Effects 0.000 description 8
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 8
- 239000010931 gold Substances 0.000 description 8
- 229910052737 gold Inorganic materials 0.000 description 8
- 230000036544 posture Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 230000036449 good health Effects 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 208000027765 speech disease Diseases 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 241000721047 Danaus plexippus Species 0.000 description 5
- 206010019114 Hand fracture Diseases 0.000 description 5
- 208000026139 Memory disease Diseases 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 5
- 208000024827 Alzheimer disease Diseases 0.000 description 4
- 206010012289 Dementia Diseases 0.000 description 4
- 206010013887 Dysarthria Diseases 0.000 description 4
- 206010039966 Senile dementia Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 208000003906 hydrocephalus Diseases 0.000 description 4
- 230000013016 learning Effects 0.000 description 4
- 230000003340 mental effect Effects 0.000 description 4
- 201000004569 Blindness Diseases 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000020764 Sensation disease Diseases 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008081 blood perfusion Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 102000013918 Apolipoproteins E Human genes 0.000 description 1
- 108010025628 Apolipoproteins E Proteins 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010012239 Delusion Diseases 0.000 description 1
- 206010013886 Dysaesthesia Diseases 0.000 description 1
- 206010013952 Dysphonia Diseases 0.000 description 1
- 206010018338 Glioma Diseases 0.000 description 1
- 208000004547 Hallucinations Diseases 0.000 description 1
- 208000016621 Hearing disease Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 102000054727 Serum Amyloid A Human genes 0.000 description 1
- 108700028909 Serum Amyloid A Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 201000007201 aphasia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003935 attention Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000004633 cognitive health Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 231100000868 delusion Toxicity 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000035824 paresthesia Diseases 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000932 sedative agent Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 102000013498 tau Proteins Human genes 0.000 description 1
- 108010026424 tau Proteins Proteins 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/08—Elderly
Landscapes
- Health & Medical Sciences (AREA)
- Neurology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Developmental Disabilities (AREA)
- Biophysics (AREA)
- Child & Adolescent Psychology (AREA)
- Engineering & Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Telephonic Communication Services (AREA)
- Alarm Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种老人认知功能监测和评估***,包括:采集老年人的至少一组属性,用于和所述历史属性集输出至少一组需要采集的动态特征集和/或静态特征集;采集老年人的动态特征集和/或静态特征集;基于所述动态特征集和/或静态特征集输出至少一组能够用于评价老年人认知功能的数据组;其中,所述历史属性集与认知功能相互关联,以使得所述需要采集的动态特征集和/或静态特征集能够与所述认知功能关联。本发明能够基于在大数据统计了病历的环境下有指向性地或者目的性地进行认知功能监测和评估。
Description
技术领域
本发明涉及老年人看护技术领域,涉及一种老人认知功能监测和评估***,尤其能够涉及一种针对健康老人的未知认知障碍类型的监测和评估***。
背景技术
认知功能的损害是痴呆早期的重要症状之一,研究表明:认知异常人群转化为痴呆的相对风险是认知正常者的6.4倍。研究指出:轻度认知损害 (Mild cognitiveimpairment,MCI)是痴呆的早期表现。因此,正确识别老年人群认知功能的损害情况,可尽早发现轻度或可疑痴呆患者。研究指出:认知功能异常是导致老年人群生活质量下降、依赖他人照料,甚至生存率降低的重要因素。对认知功能的测量和评估有利于早期发现老年痴呆和提高老年人群生活质量有积极意义。
研究中,脑脊液生化变现(如淀粉样蛋白Aβ42、tau蛋白水平等)、功能影像学特征(如功能磁共振、核医学检查)、ApoE e4等位基因检测等对 MCI的诊断和预测价值显著,但是这些检查操作价格昂贵。因此,需要找到一种适用于大多数老年人群体的MCI监测和评估方法。
因此,医学研究者研发了多种且现在已经普及了的认知功能测量/评估工具。例如,简明精神状态量表(MMSE),由Fotstein编制,是国内外最普及,最常用和最具有影响力的认知缺损筛查工具之一。它包括了时间与地点定向、语言(复述、命名、理解指令)、心算、即刻与短时听觉词语记忆、结构模仿等项目。
随着计算机技术的发展,将计算机技术应用于老年人的认知评估领域受到了青睐。例如,公开号为CN101983613B的中国专利公开的一种计算机辅助筛查老年轻度认知损害(MCI)的装置。其包括:MCI测试服务器和检查客户机,MCI测试服务器包括:个人信息记忆单元、用于为MCI测试检查客户机提供客观判定MCI的测试量表的量表记忆单元、量表发送单元、回答接收单元、MCI度统计记忆单元、MCI鉴别比较单元和结果发送单元。检查客户机包括基本信息录入单元、基本信息发送单元、量表接收单元、量表表示单元、回答取得单元、回答发送单元、结果接收单元和结果显示单元。测试量表的测试题包括定向力、记忆力、注意和警觉性、计算力、语言命名、延迟回忆、词语流畅性、图形再认、言语理解、抽象能力和视结构技能。该发明实际上将MCI测试***化,需要通过客户登录后使用。
例如,公开号为CN106446566A的中国专利公开的一种基于随机森林的老年人认知功能分类方法。该方法首先采用MMSE量表得分和受教育程度,将老年人认知功能划分为三种类别。然后利用认知功能得分相对比值计算方法额Pearson线性相关系数计算方法,提取影响老年人认知功能类别划分的关键认知域。构建随机森林回归模型,计算非量表属性的属性重要性得分,提取影响老年人认知功能类别划分的外联属性。最后基于提取的关键认知域和外联属性,采用SMOTE上采样方法均衡样本集,利用随机森林方法构建老年人认知功能分类模型。该发明的方法相比较于量表分类法而言,采用的属性较少且易于采集,具有便捷性;相比较于其他机器学习算法,实现了认知功能的细分,利于实现对老年人认知功能有针对性干预方法的研究。
例如,公开号为CN103793593B的中国专利公开的一种获取大脑状态客观定量指标的方法。该方法包括:利用物联网无线移动模式采集脑电波,通过多种数学算法计算,提取反应老状态变化的多个定量指标。利用无线移动法采集头部眶上动脉的血流灌注,通过多种数学算法提取反馈水面质量的头部眶上动脉的血流灌注指数。创建脑抑制背景下的疾病治疗模式,闭环反馈控制注射泵推注镇静药物,自动控制眶上动脉。
例如,公开号为CN108062878A的中国专利公开的一种老年人认知能力测试装置及其测试方法。其包括外壳、设置于外壳内的控制器组件、屏幕组件及设置于外壳内的电池组件,控制器组件包括抢元宝模块、咬手指模块、摘苹果模块和闪格子模块和可编程控制器。抢元宝模块包括左侧元宝存储器、左侧元宝单元、左侧元宝接收器、右侧元宝存储器、右侧元宝单元、右侧元宝接收器和抢元宝作答器。摘苹果模块包括苹果存储器、苹果单元和摘苹果作答器。闪格子模块包括格子显示器和格子位置存储器。其具有结构设计合理、操作及使用方便、智能化程度高,能够快速方便地获取老年人的认知能力情况,及时了解老年人认知能力的情况,可靠性相对较高、适用性较广。
例如,公开号为CN106599542A的中国专利公开的一种老年人综合能力评估方法和评估***。评估方法包括基于老年人的综合能力数据信息获得各项能力评估的等级值和基于各项能力评估的等级值及其权重系数获得老年人综合能力等级;评估***包括用于采集、处理和储存老年人的综合能力数据的数据模块和分析获得老年人的综合能力等级的评估模块。
例如,公开号为CN106599558A的中国专利公开的一种基于虚拟现实的认知评估方法和***。该***包括:信息录入模块、智能转换模块、处理器模块、面部感应模块、脑电感应模块、VR装置模块。该方法在传统量表的基础上,克服了传统量表在适用、操作、用户体验等方面的问题,且该方法综合量表评估、微表情信息、脑电信息对用户认知情况进行判断,提供的评估结果更全面、详细、客观,且可信度更高、是一种量表选择自动化、操作简单、用户体验效果好,评估效果佳的认知评估方法。该方法具有广泛的适用性,对操作人员的要求较低,适合在缺乏专业一户人员的基层医疗机构推广应用。
例如,公开号为CN106176009A的中国专利公开的一种多模态认知检测与康复***装置。该装置包括主机、带触摸功能的显示装置触摸屏、播音装置、按键装置、旋钮装置、摇杆装置、视屏录入装置、视觉追踪装置、脑电采集装置和IC卡读卡器。该装置在使用时,采集测试和训练过程中的脑电、眼动、反应时间、细微动作等数据,通过采集基于云计算的医疗数据挖掘方法,综合运用人工神经网络、模糊逻辑、遗传算法、粗糙集理论和支持向量机等手段构建认知检测模型和康复评定模型,对测试者的认知能力进行检测和评估,检测和评估的结果可由上述打印模块进行打印。
例如,国际公布好为WO2017/134622的PCT专利公开的一种人员监视和个人帮助***,特别是用于老年人和具有特殊和认识需求的人。该***包括由检测环境状况的描述参数的多个传感器以及至少感测环境中人的位置和可选的该人生理参数的多个传感器和/或设备构成。根据该发明,该***包括:用于以拓扑级监视人的位置的传感器和设备,其生成事件上并且在环境的数字拓扑模型的场景中的该人的位置的跟踪信号;用于监视姿势和/或其时间上的变化并且提供对应于预定姿态的状态信号和/或表示所监视的人的姿势的事件变化的信号的传感器,传感器的信号由逻辑控制单元根据软件评估位置以及姿势和姿势的时间变化处理,并且根据预定运动类别和/或姿势活动分类所述信号,并且执行在诸如位置和/或姿势的变化率和/或这些变化的持续时间和/或它们是够存在和/或姿势与环境中的一致性与相对于执行该运动或姿势活动的预定模式的相同参数之间的比较。
基于对现有技术的调研和分析,目前的用于评价老年人的认知方法具有一定的盲目性:一方面,认知能力与老年人的本身属性具有诸多的关联,例如学历程度、年龄、疾病史、性别、地理位置、城乡位置、是否独居等等,然而现有的技术中均未将这些因素考虑在内,而是采用大众评价的方式,如输入一组数据或者填入一组数据进行认知评价,这样的评价结果不结合老年人自身的情况,从而具有盲目性导致评价结果是粗略的,评价结果不利于筛查老年人是否有轻度认知障碍,从而该评价结果易错失发现老年痴呆的机会;另一方面,老年人的认知能力主要包括了接受能力、记忆与学习能力、思维能力和表达能力,因此,老年人可能只是在某一种能力或者某几种能力上存在认知障碍,但是,目前的技术中是对这些能力全部进行评估,而不是针对任一种能力进行深入评估。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术的不足,本发明提供一种老人认知功能监测和评估方法,涉及一种用于能够基于老年人的基础数据预测待评老年人可能会发生的认知功能损害类型并且能够监控所述认知功能损害类型对应的认知功能的能力发展趋势的方法,以使得老年人及其监护人能够提前采取干预方案,信息组合设备在接收到信息采集设备采集的待评老年人的能够用于匹配认知功能损害类型的基础数据的情况下基于所述基础数据组合生成所述待评老年人的属性组,所述基础数据至少包括固有数据中的一个;云端服务器基于所述属性信息从知识库中评估出与所述属性信息彼此契合的至少一种认知功能损害类型以及能够用于监测所述待评老年人的和所述认知功能损害类型对应的认知功能的数据组;数据采集终端按照所述数据组采集所述待评老年人的认知原始数据,数据计算设备基于所述认知原始数据生成与所述认知功能对应的认知特征数据,所述云端服务器响应于所述认知特征数据触发其对应的认知阈值与所述数据计算设备建立通信连接,以使得所述云端服务器能够将所述认知特征数据与认知历史数据进行比较生成认知相对数据;其中,在所述认知相对数据触发第一相对阈值但未触发第二相对阈值的情况下,所述云端服务器以能够从所述知识库中匹配出与所述认知相对数据相对应的初级护理方案的方式至少将所述初级护理方案呈现于所述显示设备;和/或,在所述认知相对数据触发第二相对阈值的情况下,所述云端服务器以能够从所述知识库中匹配出与所述认知相对数据相对应的高级护理方案的方式至少将所述高级护理方案呈现于所述显示设备和/或向医疗机构发出救助信号;和/或,在所述认知相对数据触发未第一相对阈值的情况下,所述云端服务器能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备;其中,在所述认知特征数据未触发其对应的认知阈值的情况下,所述数据计算设备能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备。
根据一种优选的实施方式,所述数据采集终端按照每一认知原始数据组对应至少一个认知功能监护类型的方式采集所述认知原始数据;其中,所述每一认知原始数据组包括至少一个认知原始数据;在所述每一认知原始数据组中的认知原始数据的个数达到其对应的个数的情况下,所述数据采集终端将该认知原始数据组发送至所述数据计算设备,以使得所述数据计算设备能够基于认知原始数据组生成其对应的认知功能监护类型的认知特征数据,从而所述数据计算中心能够定时地或不定时地将所述特征数据发送至所述云端服务器,便于能够及时地对所述老年人进行不同类型的监护方案;所述认知功能监护类型至少包括语言监护类型、反应力监护类型、记忆力监护类型中的至少一种。
根据一种优选的实施方式,所述云端服务器按照如下方式将所述数据组发送至所述显示设备;所述云端服务器基于所述认知功能从所述知识库中配置认知功能的至少一种目标业务和完成所述目标业务所需采集的数据元素,并将所述数据元素按照生成与所述目标业务对应的所述数据组,所述云端服务器与所述显示设备以第五代移动通信协议进行通信连接,以使得所述云端服务器能够将所述目标业务以文字、图片、声音、视频中的至少一种方式呈现于显示设备和将所述数据组呈现于所述显示设备,从而所述老年人至少能够基于云端服务器与所述显示终端之间的信息交互在线地进行认知能力监测,在认知能力监测的过程中,所述数据采集终端能够按照所述数据组对所述老年人进行认知能力原始数据采集。
根据一种优选的实施方式,所述显示设备至少包括用于所述老年人查阅的老年查阅设备和用于所述监护人查阅的监护查阅设备,其中,所述老年查阅设备和所述监护查阅设备分别与所述云端服务器通过第五代移动通信技术通信连接,以使得所述老年查阅设备和/或所述监护查阅设备分别能够以非量化的方式将所述相对数据呈现,从而所述老年人和/或监护人分别能够以图形化的方式读取所述老年人的第一认知监测报告;和/或所述监护查阅设备与所述云端服务器通过第五代移动通信技术通信连接,以使得所述监护查阅设备能够以量化的方式将所述相对数据和/或认知特征数据呈现,从而所述监护人分别以图形化的方式读取所述老年人的第二认知监测报告;其中,所述老年查阅设备和/或所述监护查阅终端包括触摸屏,以使得所述老年查阅设备和/或所述监护查阅终端分别能够响应于老年人和/或监护人的触碰将所述第一认知监测报告以不同的非量化方式呈现;其中,所述老年查阅设备能够在所述老年人订阅的情况下与所述监护查阅设备能够以不通过所述云端服务器进行信息交互的方式不定时地通信连接,以使得所述监护查阅设备能够在所述监护人经过专业判断认为所述第一认知监测报告和/或第二认知监测报告具有异常的情况下向所述老年查阅终端推送监护建议,所述监护建议是视频、声音、文字、图片中的至少一种。
根据一种优选的实施方式,将所述属性组中的第一特殊属性映射至所述历史属性集,以使得所述数据组中的数据元素能够基于所述第一特殊属性与所述历史属性集的映射关系以第一概率的方式与所述认知功能损害类型关联;其中,所述数据元素至少包括所述待评老年人的动态特征数据和/或静态特征数据;至少在所述第一概率不符合评估阈值的情况下,将所述属性组中的第二特殊属性映射至所述历史属性集,以使得所述数据组中的数据元素能够基于所述第二特殊属性与所述历史属性集的映射关系以修正所述第一概率生成第二概率的方式与所述认知功能损害类型关联。
根据一种优选的实施方式,在所述第一概率大于所述第二概率的情况下,所述第一特殊属性和所述第二特殊属性与所述历史属性集的映射顺序能够互换,用于重新匹配新的数据组和新的认知功能损害类型,并且重新以概率的方式关联所述新的数据组和所述新的认知功能损害类型。
根据一种优选的实施方式,所述第一特殊属性和/或所述第二特殊属性能够按照如下方式获取:所述历史属性集与认知功能损害类型是按照第三概率的方式关联的,以使得第一特殊属性和/或所述第二特殊属性能够基于所述第三概率以不同的权重系数从所述属性组中的属性元素中选出;其中,所述第一特殊属性的第一权重系数大于所述第二特殊属性的第二权重系数。
根据一种优选的实施方式,将所述属性组中的每一属性元素与历史属性集进行匹配,以能够呈现每一属性元素对应的认知功能损害类型及其对应的具有该认知功能损害类型的可能性,用于确定所述每一属性元素对应的权重系数;所述历史属性集至少包括老年人的年龄、学历程度、性别、居住环境、地理位置和是否独居,所述认知损害类型包括感知损害类型、记忆损害类型、思维损害类型和言语损害类型。
根据一种优选的实施方式,本发明还提供了一种老人认知功能监测和评估***,涉及一种用于能够基于老年人的基础数据预测待评老年人可能会发生的认知功能损害类型并且能够监控所述认知功能损害类型对应的认知功能的能力发展趋势的方法,以使得老年人及其监护人能够提前采取干预方案,至少包括:信息组合设备在接收到信息采集设备采集的待评老年人的能够用于匹配认知功能损害类型的基础数据的情况下基于所述基础数据组合生成所述待评老年人的属性组,所述基础数据包括固有数据中的至少一种;云端服务器基于所述属性信息从知识库中评估出与所述属性信息彼此契合的至少一种认知功能损害类型以及能够用于监测所述待评老年人的和所述认知功能损害类型对应的认知功能的数据组;数据采集终端按照所述数据组采集所述待评老年人的认知原始数据,数据计算设备基于所述认知原始数据生成与所述认知功能对应的认知特征数据,所述云端服务器响应于所述认知特征数据触发其对应的认知阈值与所述数据计算设备建立通信连接,以使得所述云端服务器能够将所述认知特征数据与认知历史数据进行比较生成认知相对数据;其中,在所述认知相对数据触发第一相对阈值但未触发第二相对阈值的情况下,所述云端服务器以能够从所述知识库中匹配出与所述认知相对数据相对应的初级护理方案的方式至少将所述初级护理方案呈现于所述显示设备;和/或,在所述认知相对数据触发第二相对阈值的情况下,所述云端服务器以能够从所述知识库中匹配出与所述认知相对数据相对应的高级护理方案的方式至少将所述高级护理方案呈现于所述显示设备和/或向医疗机构发出救助信号;和/或,在所述认知相对数据触发未第一相对阈值的情况下,所述云端服务器能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备;其中,在所述认知特征数据未触发其对应的认知阈值的情况下,所述数据计算设备能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备。
根据一种优选的实施方式,在所述***中,所述数据采集终端按照每一认知原始数据组对应至少一个认知功能监护类型的方式采集所述认知原始数据;其中,所述每一认知原始数据组包括至少一个认知原始数据;在所述每一认知原始数据组中的认知原始数据的个数达到其对应的个数的情况下,所述数据采集终端将该认知原始数据组发送至所述数据计算设备,以使得所述数据计算设备能够基于认知原始数据组生成其对应的认知功能监护类型的认知特征数据,从而所述数据计算中心能够定时地或不定时地将所述特征数据发送至所述云端服务器,便于能够及时地对所述老年人进行不同类型的监护方案;所述认知功能监护类型至少包括语言监护类型、反应力监护类型、记忆力监护类型中的至少一种。
基于现有技术的不足,本发明提供一种老人认知功能监测和评估的方法至少具有如下的优势:
1)通过大数据统计形成能够用于生成针对某一待测老年人认知功能的检测表的知识库,该知识库还能够便于对病历的追溯以及对病历的大数据研究;
2)相比较于盲目性的全测,本发明能够基于老年人的特殊属性在大数据统计了病历的环境下有指向性地或者目的性地进行认知功能监测和评估,及时地基于老年人的该特殊属性在知识库中筛选出能够用于发现该老年人是否有与该特殊属性具有强关联的认知功能障碍的待采数据方案,由于该待采数据方案是针对某一认知功能障碍或者某些认知功能障碍的。因此,待采数据方案在能够减小监测和评估的成本的情况下,还具有指向性或者目的形。
附图说明
图1是本发明提供的一种老人认知功能监测和评估方法的流程示意图;和
图2是本发明提供的一种老人认知功能监测和评估***的模块示意图。
附图标记列表
100:知识库 500:信息采集设备
200:云端服务器 600:数据采集终端
300:显示设备 700:数据计算设备
400:信息组合设备
具体实施方式
下面结合附图1-2进行详细说明。
实施例1
认知,是指人认识活动的过程,即个体对感觉信号接收、检测、转换、简约、合成、编码、储存、提取、重建、概念形成、判断和问题解决的信息加工处理过程。
认知功能一般包括了接受功能、认知功能包括接受功能、记忆和学习功能、思维功能和表达功能。
认知损害:亦可以称作认知障碍。常见的认知障碍类型包括感知障碍、记忆障碍、思维障碍和言语障碍。感知障碍包括感知过敏、感觉迟钝、内感不适、感觉变质、感觉剥夺、病理学错觉、幻觉和感知综合障碍。记忆障碍包括记忆过强、记忆缺损和记忆错误。思维障碍包括抽象概括障碍、联想过程障碍、思维逻辑障碍和妄想。言语障碍包括失语症、功能性构音障碍、运动性构音障碍、器质性构音障碍、听力障碍所致的言语障碍、发声障碍。
本实施例提供一种老人认知功能监测和评估方法。其能够基于老年人的基础数据预测待评老年人可能会发生的认知功能损害类型并且能够监控认知功能损害类型对应的认知功能的能力发展趋势的方法,以使得老年人及其监护人能够提前采取干预方案。
该方法至少包括:
S1:信息采集设备500采集待评老年人的基础数据。基础数据至少包括固有数据中的一个。这些基础数据能够与认知功能有关联的固有数据。作为举例,固有数据可以包括但不限于年龄、学历、居住地、性别、居住环境、是否独居、是否有过往病史等。
在接收到信息采集设备500采集的待评老年人的能够用于匹配认知功能损害类型的基础数据的情况下,信息组合设备400基于基础数据组合生成待评老年人的属性组。例如,信息组合设备400采用逻辑和运算方式将这些基础数据形成待评老年人的属性组。因此,信息组合设备400可以是能够执行逻辑和运算的服务器。
云端服务器200基于属性信息从知识库100中评估出与属性信息彼此契合的至少一种认知功能损害类型。并且,云端服务器200能够用于监测待评老年人的和认知功能损害类型对应的认知功能的数据组,具体地,云端服务器200按照如下方式执行该步骤:
S2:将老年人的历史属性集与认知功能损害类型进行关联。例如,从医院、福利院等机构中调研具有老年人认知供能损害的老年人。记录这些老年人具有的认知功能失常的类型以及这些老年人的基本信息。然后将这部分基本信息生成历史属性集,并且将历史属性集和认知功能损害类型进行匹配,存储于知识库100中。基本信息包括年龄、学历程度、病史、性别、居住环境、地理位置和是否独居。本发明首先会对若干具有老年人认知障碍的样本收集,然后可以基于概率统计学方式将收集到的样本进行分类,将历史属性集和认知功能损害类型进行概率匹配。例如,知识库100中历史属性集与认知功能损害类型可以按照如下方式但不仅限于如下方式由云端服务器200 生成:
①各年龄段对应的认知功能损害类型统计出来,年龄段可以是60~65 岁、65岁~70岁、70岁~75岁、以及75岁及以上。和/或
②某一认知功能损害类型随学历程度的上升其发生的概率变化趋势。如发生言语障碍的概率在小学及以下学历、初中学历、高中学历、本科学历、研究生学历中的变化趋势。和/或
③发生某一特定疾病的人群发生某一认知功能损害类型的概率。如有胶质瘤的病人中有记忆障碍的比例。和/或
④独居老年人与非独居老年人发生某一认知功能损害类型的比例。如,独居老年人有思维障碍的比例以及非独居老年人有思维障碍的比例。和/或
⑤75岁~80岁的具有本科学历的女性居住于城镇的独居老年人发生不同认知功能损害类型的比例。
针对某一特定的待评老年人,采集一组该待评的老年人的固有数据。该固有数据包括但不限于年龄(X1)、学历程度(X2)、病史(X3i)、性别(X4)、居住环境(X5)、地理位置(X6)和是否独居(X7)。例如,固有数据在属性组合设备中按照逻辑和运算以集合(X1、X2、X3i、X4、X5、X6、X7)的形式输入云端服务器200中。
S3:基于采集的属性组和历史属性集的匹配关系,输出一组需要采集的动态特征数据和/或静态特征数据。其中,动态特征数据是在老年人运动状态下监测和采集到的数据,例如动态血压、动态脑电波、动态心率、行走的步频、说话的语速、说话的音量、面容表情等等。其中,静态特征数据是在老年人不运动的状态下监测和采集到的数据,例如静态血压、静态脑电波、静态心率、静态呼吸频率等等。属性组和历史属性集的匹配可以由云端服务器200中的评估单元输出至显示设备300。
S4:数据采集终端600按照数据组采集待评老年人的认知原始数据。数据采集终端600可以是可穿戴设备,如智能手环、颈椎仪、肌电传感器等。认知原始数据可以是采集需要的动态特征数据和/或静态特征数据。动态特征数据和/或静态特征数据均有相应的监测单元采集。监测单元用于采集需要采集的动态特征数据/静态特征数据,其本质为数据采集装置,其可以由数据采集终端600执行。例如,动态心率和静态心率均可以由智能手环采集。说话的语速、说话的音量可以由语音采集装置采集。
S5基于采集到的动态特征数据和/或静态特征数据输出至少一组数据组。该数据组主要用于评价老年人认知功能。例如,该数据组可以是由MMSE 表示出来的。该数据组中包括与动态特征数据对应的动态数据元素以及与静态特征数据对应的静态数据元素。即:数据元素至少包括待评老年人的动态特征数据和/或静态特征数据。
本发明提供的认知功能和评估方法可以按照如下方式进行:采集待评老年人的属性组。该属性组用于和历史信息集匹配出至少一组需要采集的数据组。采集待评老年人的能够用于评价待评老年人认知功能的数据组。历史信息集是按照老年人群的历史属性集与认知功能损害类型相互关联的方式生成的,以使得匹配出的需要采集的数据组能够基于属性组与认知功能损害类型关联。现代医学已经证实:认知能力与老年人的本身属性具有诸多的关联,例如学历程度、年龄、疾病史、性别、地理位置、城乡位置、是否独居等等。然而目前的认知评测方法而是采用普适的方式对待测老年人进行测评,即通过采集一组数据进行认知评价。这种方式一方面忽略了老年人属性对这组数据的敏感性,另一方面该评价结果不结合老年人自身属性。现有技术的这种方式,具有一定的盲目性,且需要测评的数据较多,以致于评价结果是粗略的,从而使得评价结果不利于筛查老年人是否有轻度认知障碍。因此,该评价结果易错失发现老年痴呆的机会。基于现有技术的不足,本发明至少具有如下的优势:1、通过大数据统计形成能够用于生成针对某一待测老年人认知功能的检测表的知识库,该知识库还能够便于对病历的追溯以及对病历的大数据研究;2、相比较于盲目性的全测,本发明能够基于老年人的特殊属性在大数据统计了病历的环境下有指向性地或者目的性地进行认知功能监测和评估,及时地基于老年人的该特殊属性在知识库中筛选出能够用于发现该老年人是否有与该特殊属性具有强关联的认知功能障碍的待采数据方案,由于该待采数据方案是针对某一认知功能障碍或者某些认知功能障碍的。因此,待采数据方案在能够减小监测和评估的成本的情况下,还具有指向性或者目的形。例如,针对某一健康状态良好的65~70岁的男性的研究生学历的退休独居人员。其属性组可以分解出的属性元素包括:健康状态良好、 65~70岁、男性、研究生学历、退休和独居。在这个属性组中,会基于关键词检索的方式从知识库100中筛选出其特殊属性是65~70岁。在大数据统计的环境下,65~70岁对应的最大概率的认知功能障碍是感知障碍。基于本发明的方式,会基于推送出关于特殊属性是65~70对应的感知障碍的待采数据方案。因此,该男性可以按照待采数据方案进行数据采集,以获取用于评价其是否有感知障碍的数据组。
在本发明中,老年人的认知分类分级照护虽然是护理领域的良好愿望。可是,发明人认真检索了当前文献库,没有发现脱离“量表”,单纯地利用技术措施来实现对老年人的认知状态、认知能力变化进行客观分类的可行方式。做出本发明的动机就起源于如何“脱离量表”来客观分级并相应采取措施来应对老年人的认知能力管控,这无疑是面对一项公认的医学、家庭及社会难题。本发明中,认知阈值主要对应的是家庭护理措施。第一相对阈值主要对应的是初级护理方案。而第二相对阈值主要是高级护理方案或者医疗求助。
数据计算设备700基于认知原始数据生成与认知功能对应的认知特征数据。数据计算设备700是现有的具有计算功能的服务器。数据计算设备 700与数据采集终端600之间通过现有的放大器、除噪器等设备通信连接,用于将认知原始数据进行放大、除噪等处理。
S6:在认知特征数据超过其认知阈值的情况下,云端服务器200与数据计算设备700建立通信连接,用于将认知特征数据传输至云端服务器200 进行相对运算。云端服务器200能够将认知特征数据与认知历史数据进行比较生成认知相对数据,并将认知相对数据与其对应的相对阈值进行比较以获取初级护理方案或高级护理方案。认知相对数据的获取可以按照如下方式进行:
(1)例如,将认知特征数据F11i的与之对应的认知历史数据F12i进行相对计算:
P1i=1-|(F11i-F12i)|/F12i*100%
P1i为用于表征第i个认知状态相对趋势的认知相对值。P1i越大,表明表征老年人第i个的认知状态的变化趋势越小。
(2)例如,将认知特征数据F11i与认知历史数据中的与之对应的认知状态的概率密度函数进行相对计算:
P1i=F(F11i)=∫f(xi)dxi
其中,f(xi)是表征第i个认知状态的特征数据的概率密度函数,其是对采集周期之前的认知特征数据F12i基于卷积神经网络得出的。P1i越大,表明表征老年人第i个的认知状态的变化趋势越小。
云端服务器200按照如下方式将初级护理方案、或高级护理方案推送至显示设备300:
(1)在认知相对数据触发第一相对阈值但未触发第二相对阈值的情况下,云端服务器200以能够从知识库100中匹配出与认知相对数据相对应的初级护理方案的方式至少将初级护理方案呈现于显示设备300。和/或,
(2)在认知相对数据触发第二相对阈值的情况下,云端服务器200以能够从知识库100中匹配出与认知相对数据相对应的高级护理方案的方式至少将高级护理方案呈现于显示设备300和/或向医疗机构发出救助信号;
(3)和/或,在认知相对数据触发未第一相对阈值的情况下,云端服务器200能够按照提示监护人维持原生活方案的方式将认知特征数据输出至显示设备300;
S7:数据计算设备700按照如下方式判断认知特征数据是否需要发送至云端服务器200:
(1)在认知特征数据未触发其对应的认知阈值的情况下,数据计算设备700不会将认知特征数据发送至云端服务器200,而是在显示设备300 上输出提示监护人维持原生活方案的信息。例如该提示信息可以是但不限于是:请保持现有的生活状态、请继续保持、最近生活习惯等信息等等,或者是由老年人自定义的提示语。显示设备300可以是具有显示装置的电子产品、如Ipad、智能手环、智能手机、电视机、电脑等。数据计算设备700 可以和电视设备300集成在一个智能手机、电脑中。
(2)在认知特征数据超过其认知阈值的情况下,云端服务器200与数据计算设备700建立通信连接,用于将认知特征数据传输至云端服务器200 进行相对运算。
优选地,认知阈值、第一相对阈值和第二相对阈值均是具体的数值,其可以有监护人定义,也可以是生产厂家经过大数据分析后定义的,也可以记录了一段老年人的认知数据后经过云端服务器200深度学习后更新的。
在本发明中,按照采集的认知原始数据能够输出不同的认知监护方案:家庭护理方案、初级护理监护和高级护理监护。随着年龄的增长,老年人的认知能力逐渐减弱,呈现出健忘、语言表达变弱等趋势。因此老年人需要进行全方位的认知照护,以能够使得老年人处于相对认知健康的状态,但是时时刻刻地对其进行高强度的认知监护会耗尽亲友的耐心,以致于最终失去提供简单认知监护的耐心,进而导致老年人的身心受损以及生活质量恶化。本发明不仅仅利用云端的知识库来认知照护方案,更可以利用现有认知照护情况来更新认知历史数据,使得“对老年人的认知能力进行客观分级”终于成为可能。通过至少三级划分,即一级认知监护、二级认知监护(和三级认知监护),分别对应家庭、初级护理与高级护理(或医疗求助)措施,符合绝大多数老年人主要由家庭实现照护的现实状况。划分三级之后,监护人员的工作负担得以明显降低,也显著减轻照护人员以及被照护人员的心理负担,因为实践证明更高强度的照护会给照护人员带来压力,这种压力又必然从心理明示和暗示两个角度对被照护人员产生不良影响,最终导致照护关系破裂,使得老年人家庭往往陷入泥潭,无法自拔。而在本发明中,对应的初级和高级照护措施是根据认知特征数据超出认知阈值的情况下,结合情绪相对值的触发条件来确定的,从而不会错误地大量触发监护需求,减少了对待照护对象的监护强度。这种照护方案在实践中不仅显著降低照护人员的劳动强度,而且在减少干预的情况下,反而使得被照护的老年人具备更多自主能动性,更有助于其认知能力往健康状态发展。
优选地,数据采集终端600按照每一认知原始数据组对应至少一个认知功能监护类型的方式采集认知原始数据。
优选地,每一认知数据组包括至少一个认知原始数据。每一认知数据组包括至少一个认知原始数据。在每一认知原始数据组中认知原始数据的个数达到其对应的个数的情况下达到其对应的个数的情况下,数据采集终端600 将该认知原始数据组发送至数据计算设备700,以使得数据计算设备700 能够基于认知原始数据组生成其对应的监护类型的认知特征数据,从而数据计算设备700能够定时地或不定时地对老年人进行初级认知监护和/或初级认知监护。例如,在认知原始数据的个数N小于其对应的预设个数Nm的情况下,其对应的数据采集终端600不会将其对应的认知原始数据和/或认知原始数据发送至数据计算设备700。仅当N≥Nm和/或P≥Pm的情况下,将其对应的认知原始数据发送至数据计算设备700。由于采集的认知原始数据,每一个认知原始数据的采集时间是不同的或者不固定的,因此,数据计算设备700能够定时地或不定时地对老年人进行初级认知监护。此外,如果需要临时对老年人进行监护,此时数据计算设备700能够不定时地进行临时监护。按照这种方式,本发明至少具有如下优势:这一方面既能够减少数据计算设备700的能量消耗,还能够使得数据计算设备700不用持续运转减小运算成本,使得数据计算设备700可以小型化、轻质化,便于携带;还能够有效解决数据漏采带来的特征数据不正确的技术问题。优选地,认知功能监护类型至少包括语言监护类型、反应力监护类型、记忆力监护类型中的至少一种。云端服务器200与显示设备300以第五代移动通信协议进行通信连接。从而,云端服务器200能够将目标业务以文字、图片、声音、视频中的至少一种方式呈现于显示设备300和将数据组呈现于显示设备300,从而老年人至少能够基于云端服务器200与显示终端300之间的信息交互在线地进行认知能力监测,在认知能力监测的过程中,数据采集终端600能够按照数据组对老年人进行认知能力原始数据采集。
优选地,云端服务器200按照如下方式将数据组发送至显示设备300:
云端服务器200基于认知功能从知识库100中配置认知功能的至少一种目标业务和完成目标业务所需采集的数据元素,并将数据元素按照生成与目标业务对应的数据组。本发明中,认知功能监测内容(即目标业务)是基于老年人的历史状况或者属性组匹配的,能够个性化地对老年人进行认知功能监护。云端服务器200与显示设备300以5G通信协议进行通信连接,以使得云端服务器200能够将目标业务以文字、图片、声音、视频中的至少一种方式呈现于显示设备300。老年人至少能够基于云端服务器200与显示设备300之间的信息交互在线地进行认知功能监测,在认知功能监测的过程中,数据采集终端600对老年人进行能力原始数据采集和/或智力原始数据采集。按照本发明的这种设置,其至少具有如下的优势:本发明的认知功能检测是个性化地定制,基于5G技术的网速,高清视频、图片的下载速度或者在线聊天服务更优质,有利于老年人与该***的交互感、娱乐感,使得老年人在检测时,犹如“玩游戏”般娱乐化,更吸引老年人投入到检测过程中能够,使得老年人能够与该***进行情景交互感,以增强认知功能的效果。
优选地,显示设备300至少包括用于老年人查阅的老年查阅设备和用于监护人查阅的监护查阅设备。老年查阅设备和监护查阅设备分别与云端服务器200通过第五代移动通信技术通信连接。认知相对数据分别以Pi表征。认知相对数据均处于同一健康计量区间内。Pi的取值范围为[0,1]。老年查阅设备能够以非数字化的方式将认知相对数据呈现。例如,如图2所示,一近似圆环(实线)将认知相对数据显示于老年查阅设备。例如,老年查阅设备至少能够基于认知相对数据以图像化的方式将老年人的认知功能状态以认知相对数据的方式的呈现于同一认知健康状态图像报告中。即:在本发明中,i可以代表老年人的不同认知数据。按照这种方式,i=1,2,3,4,5,6,7,8,分别代表八类不同的认知数据;P1、P2、P3、P4、P5、P6、P7、P8均是相对于认知历史数据的认知相对数据,其均是处于[0,1]之间的范围以内。例如,老年查阅设备在接收到云端服务器200输出的认知相对数据时可以按照如下的方式生成圆环:将半径为1的圆分成8等分,并刻画出4条直径,将 P1、P2、P3、P4、P5、P6、P7、P8按照其数值刻画在每条半径上,然后依次收尾圆弧连接形成一近似圆环,这种近似圆环可以采用Matlab进行构造。从而,老年人能够以非量化的方式读取其健康状态报告。同理,按照同样的方式,监护查阅设备能够以非量化的方式将相对数据呈现,监护人分别能够以图形化的方式读取老年人的第一认知监测报告。圆形在中国传统文化中本就有圆满之意,而现代心理学专著中也有大量报告表明,大多数人都有追求圆满的潜意识,潜意识会促使人自发、无需思考地执行特定操作。故用圆形 +颜色(特别是红色)的方式来促使使用者保持健康生活状态,这对于老年人认知护理而言,有着积极心理学和护理方面的理论基础。与之相比,日渐衰老或病痛所带来的理化数据恶化往往给病人带来反面的心理暗示,例如老年痴呆的老年人因看不到希望自暴自弃。而本发明巧妙地结合了传统文化的红色与圆形来培养用户形成良好生活习惯,更有助于从心理层面促使用户自行采取更佳的生活方式,大大减轻护理工作负担。本发明所体现出的“圆形”背后有着复杂生理与心理干预方案,是本发明之发明人在长期护理研究的经验总结,有着明显的临床效果。
优选地,监护查阅设备与云端服务器200通过第五代移动通信技术通信连接。从而,监护查阅设备能够以量化的方式将相对数据和/或认知特征数据呈现。例如,认知特征数据可以以Fi来呈现在监护查阅设备。例如,监护查阅设备至少能够基于认知特征数据以图像化的方式将老年人的不同的认知特征数据以绝对值的呈现于同一认知状态图像报告(第二认知监测报告) 中。按照这种方式,本发明还具有如下的优势:在老年人仅能够定性读取其健康状态变化的情况下,监护人能够同时定量读取老年人的绝对健康值和老年人的相对健康值,从而监护人能够了解老年人的健康状态和健康状态变化,便于监护人能够做出相应的干预决策。监护人分别以图形化的方式读取老年人的第二认知监测报告。
优选地,老年查阅设备和/或监护查阅终端包括触摸屏,以使得老年查阅设备和/或监护查阅终端分别能够响应于老年人和/或监护人的触碰将第一认知监测报告以不同的非量化方式呈现。例如老年人可以通过对老年查阅终端说“显示健康报告”的方式以不同的非量化方式显示出来。不同的非量化方式还可以是以颜色变化的方式,例如颜色对比度的变化显示出来,如将圆盘i等分,颜色是红色,对比度与认知相对数据一致,即如相对健康值为 98%,其对应圆形区域的对比度为98%。通过这种方式,一方面该***为老年人提供了不同的读取健康状态的方式,可以方便其选择其喜爱的读取方式;另一方面,能够提高老年人与该***之间的交互感,增加老年人智能体验,丰富其感知体验,提升其感知能力。
由于老年人仅能够指导认知相对数据,而不知认知特征数据,因此其实际的认知状态是不得而知的。为了能够有效地密切第关注其认知功能,本发明可以按照如下方式,间接对老年人进行认知特征数据的告知。优选地,老年查阅设备能够在老年人订阅的情况下与监护查阅设备能够以不通过云端服务器200进行信息交互的方式不定时地通信连接。例如,老年查阅设备和监护查阅设备可以通过第五代移动通信技术通信连接,从而监护查阅设备能够在监护人经过专业判断认为第一认知监测报告和/或第二认知监测报告具有异常的情况下向老年查阅设备推送监护建议。监护建议是视频、声音、文字、图片中的至少一种。由于老年查阅设备和监护查阅设备可以通过第五代移动通信技术通信连接,因此不定时的视频高清在线交流成为了可能。
实施例2
本实施例是实施例1的改进或者技术方案的补充或者技术方案的替换。
优选地,将属性组中的第一特殊属性映射至历史属性集。第一特殊属性与历史属性集之间的映射关系能够预测匹配出的数据元素与认知功能损害类型的关联性。老年人是否有认知损害是通过监测和评估数据元素完成的。但是大数据的预测是一种概率事件。因此,基于第一特殊属性与历史属性集的映射关系,匹配出的数据元素是以第一概率的方式与认知功能损害类型关联的。优选地,第一概率在呈现的同时也会呈现出其置信度,用于评价该第一概率的准确度,便于监测和评估方员做出决策。例如,针对某一健康状态良好的65~70岁的男性的研究生学历的退休独居人员。其属性组可以分解出的属性元素包括:健康状态良好、65~70岁、男性、研究生学历、退休和独居。在这个属性组中,会基于关键词检索的方式从知识库100中筛选出其特殊属性是65~70岁。在大数据统计的环境下,65~70岁对应的最容易的认知功能障碍是感知障碍,而且基于65~70岁的特殊属性与属性集的关系匹配出的数据组为(动态脑电波、记忆力、相片辨认和动作模仿)。感知障碍分别与动态脑电波、记忆力、相片辨认和动作模仿的第一概率为P11、P12、 P13、P14,分别对应的置信度为α1、α2、α3、α4。按照这种方式,本发明还具有如下的优势:1、特殊属性是从采集的属性组中筛选出来的作为属性组的一个代表属性元素,有利于减小属性组和认知功能损害类型的匹配运算量的同时,能够快速地匹配出一组数据组,便于及时地对老年人进行认知功能损害类型评估;例如某老年人动过一次大脑语言区的手术,那么这个病史就能够作为一个特殊属性,基于大数据的统计,动过一次大脑语言区的手术对应的认知功能损害类型大概率为语言认知障碍,匹配出的数据元素为(语言跟读、语言复述、语速、语言清晰度);2、为了能够使得经过特殊属性输出的数据元素能够用于评价对应的认知功能损害类型,本发明还通过统计学以概率的方式及其置信度的评价方式来判定这组数据元素是否能够准确地预测认知损害,这能够使得本发明匹配出的数据元素和认知功能损害类型具有统计学上的关联性,便于监测方进行下一步决策。
第一特殊属性可能得到的第一概率及其置信度不高。例如,针对某一健康状态良好的65~70岁的男性的研究生学历的退休独居人员。第一特殊属性为65~70岁,其对应的感知障碍分别与其对应的动态脑电波、记忆力、相片辨认和动作模仿的第一概率为P11、P12、P13、P14,分别对应的置信度为α11、α12、α13、α14。动态脑电波、记忆力、相片辨认和动作模仿对于评价65~70岁的老人的感知障碍的准确率为P1(P11、P12、P13、P14),该准确率的置信度为α(α11、α12、α13、α14)。但是基于大数据环境下,准确率为P1不高(例如为55%,小于评估阈值75%),置信度为α1为0.90 (小于0.95)。那么说明了第一特殊属性“65~70岁”作为代表属性具有较高的评价误差。为了能够有效地的克服该误差,优选地,至少在第一概率不符合评估阈值的情况下,将属性组中的第二特殊属性映射至历史属性集。第二特殊属性也是属性组中的另一个代表属性。例如,针对某一健康状态良好的65~70岁的男性的研究生学历的退休独居人员。第一概率为P1为55%,小于评估阈值75%。那么将属性组中的第二特殊属性映射至历史属性集。例如,其第一特殊属性为“65~70岁”,其第二特殊属性为“独居”。那么,基于第二特殊属性“独居”与历史属性集的映射关系,第一概率会根据“独居”将得出的第一概率进行修正生成第二概率。也即P2=βP1(P11、P12、P13、 P14)或者P2=P1(β21P11、β22P12、β23P13、β24P14)。由于特殊属性相当于是约束条件,在多个约束条件下,第一特殊属性与第二特殊属性对应的数据元素用于评价对应的认知障碍的准确度会变化。这种变化可以作为监测方的决策依据。
优选地,在第一概率大于第二概率的情况下,第一特殊属性和第二特殊属性与历史属性集的映射顺序能够互换。例如,第一概率P1为55%,第二概率为45%,那么第一特殊属性可以作为第二次运算中的第二特殊属性,第一次运算中的第二特殊属性可以作为第二次运算中的第一特殊属性。这种顺序的互换主要是用于重新匹配新的数据组和新的认知功能损害类型。例如,针对某一健康状态良好的65~70岁的男性的研究生学历的退休独居人员。在第二次概率运算时,“独居”作为第一特殊属性,“65~70岁”作为第二特殊属性。在大数据环境下,“独居”对应的认知障碍类型大概率为言语障碍,其对应的数据元素,对应的数据元素为(语言跟读、语言复述、语速、语言清晰度)。并且,其对应的言语障碍分别与其对应的语言跟读、语言复述、语速、语言清晰度的第一概率为P`11、P`12、P`13、P`14。语言跟读、语言复述、语速、语言清晰度用于评价言语障碍的概率为P`1(P`11、P`12、P`13、P`14)。按照这种方式,本发明能够重新获取新的数据组,用于评价新的认知功能损害类型。基于此,本发明至少能够获取两组不同的数据组,用于评价不同类型的认知功能损害类型。此外,监测方能够根据测试结果,修正知识库100。例如,在第一概率大于第二概率的情况下,监测方通过对老人进行第一组数据元素的评价,并且也对老人进行第二组数据元素,最终得出的结果是:第一组匹配顺序(先第一特殊属性)的可信度高于第二组匹配顺序(先第二特殊属性) 的可信度,则知识库100中存储的数据能够基于该测试结果进行修正。
优选地,如果第二概率大于第一概率,监测方可以通过采集相对应的数据元素去评价对应的数据类型。
优选地,第一特殊属性和/或第二特殊属性能够按照如下方式获取:历史属性集与认知功能损害类型是按照第三概率的方式关联的。基于大数据的统计原理,历史属性集与认知功能损害类型的关联实质上是一种概率关联。按照这种方式,特殊属性是基于历史属性集与认知功能损害类型之间关联的第三概率选出的。基于此,本发明还具有如下的优势:1、能够基于待评老人录入的属性集,在大数据环境下,择选出可能导致其发生认知损害的因素; 2、这种择选是依靠概率原理进行的,筛选出的因素可以根据概率确定其权重系数,例如,第一特殊属性的第一权重系数大于第二特殊属性的第二权重系数,权重系数可以根据概率求平均的方式确定;3、由于录入老人的属性集是众多的,以属性集的方式筛选认知功能损害类型而不是属性元素筛选认知功能损害类型,会造成数据运算的困难。优选地,将所述属性组中的每一属性元素与历史属性集进行匹配,以能够呈现每一属性元素对应的认知功能损害类型及其对应的具有该认知功能损害类型的可能性,用于确定所述每一属性元素对应的权重系数。例如,历史属性集中的“脑积液”,其对应的言语障碍、记忆障碍、感知障碍分别的第三概率分别为P31、P32、P33。又如,历史属性集中的“研究生学历”,其对应的言语障碍、记忆障碍、感知障碍分别的第三概率分别为P34、P35、P36。再如,历史属性集中的“60~65岁”,其对应的言语障碍、记忆障碍、感知障碍分别的第三概率分别为P37、P38、 P39。第一特殊属性和/或第二特殊属性能够基于第三概率以不同的权重系数从属性组中的属性元素中选出。例如,针对有病史脑积液的研究生学历的 60~65岁的老人。在知识库中P31大于P34和P37,P32大于P35和P38,P33大于P36和P39,那么第一特殊属性是“脑积液”。如果在这种情况下,P37大于P34,P38大于P35、P39大于P36,那么第二特殊属性是“60~65岁”。例如,脑积液对应的权重系数可以是γ1=(P31+P32+P33)/3。
优选地,历史属性集至少包括老年人的年龄、学历程度、病史、性别、居住环境、地理位置和是否独居。在采集到的待评老年人的属性组中包括病史的情况下,将该病史与历史属性集的病史进行逻辑运算,如果属性组中的病史与历史属性集的病史一一对应,则属性组中的病史能够作为特殊属性。老年人有病史可能会引发其认知损害,但是有一些病史均会引发其认知损害。为此,为了减小本方法的运算复杂程度以及提高筛查效率。如果待评老年人的属性组中记录了病史的情况下,那么评估单元会首先基于该病史为关键词在历史属性集进行逻辑运算,例如逻辑“与”运算,如果运算“与”运算的结果为该病史,则可以将病史作为特殊属性。如果,运算“与”运算的结果为空集,则该病史可以不作为特殊属性。例如,待评老年人为手部骨折的63岁的男性老年人。评估单元会以“手部骨折”作为关键词与历史属性集中的病史进行逻辑运算,如果手部骨折与历史属性集中的病史相互匹配,那么“手部骨折”可以作为特殊属性;如果手部骨折与历史属性集中的病史没有匹配,那么“手部骨折”可以不作为特殊属性。
实施例3
本实施例还公开了一种老年人认知功能监测和评估***,该***适于执行本发明记载的各个方法步骤,以达到预期的技术效果。涉及一种用于能够基于老年人的基础数据预测待评老年人可能会发生的认知功能损害类型并且能够监控所述认知功能损害类型对应的认知功能的能力发展趋势的方法,以使得老年人及其监护人能够提前采取干预方案,
该***如图2所示,至少包括信息组合设备400、信息采集设备500、云端服务器200、知识库100、数据采集终端600、数据计算设备700和显示设备300。
信息组合设备400在接收到信息采集设备500采集的待评老年人的能够用于匹配认知功能损害类型的基础数据的情况下基于基础数据组合生成待评老年人的属性组,基础数据至少包括固有数据中的一个;
云端服务器200基于属性信息从知识库100中评估出与属性信息彼此契合的至少一种认知功能损害类型以及能够用于监测待评老年人的和认知功能损害类型对应的认知功能的数据组;
数据采集终端600按照数据组采集待评老年人的认知原始数据,
数据计算设备700基于认知原始数据生成与认知功能对应的认知特征数据,云端服务器200响应于认知特征数据触发其对应的认知阈值与数据计算设备700建立通信连接,以使得云端服务器200能够将认知特征数据与认知历史数据进行比较生成认知相对数据;
其中,在认知相对数据触发第一相对阈值但未触发第二相对阈值的情况下,云端服务器200以能够从知识库100中匹配出与认知相对数据相对应的初级护理方案的方式至少将初级护理方案呈现于显示设备300;和/或,在认知相对数据触发第二相对阈值的情况下,云端服务器200以能够从知识库100中匹配出与认知相对数据相对应的高级护理方案的方式至少将高级护理方案呈现于显示设备300和/或向医疗机构发出救助信号;和/或,在认知相对数据触发未第一相对阈值的情况下,云端服务器200能够按照提示监护人维持原生活方案的方式将认知特征数据输出至显示设备300;
其中,在认知特征数据未触发其对应的认知阈值的情况下,数据计算设备700能够按照提示监护人维持原生活方案的方式将认知特征数据输出至显示设备300。
优选地,数据采集终端600按照每一认知原始数据组对应至少一个认知功能监护类型的方式采集认知原始数据;
其中,每一认知原始数据组包括至少一个认知原始数据;在每一认知原始数据组中的认知原始数据的个数达到其对应的个数的情况下,数据采集终端100将该认知原始数据组发送至数据计算设备700,以使得数据计算设备700能够基于认知原始数据组生成其对应的认知功能监护类型的认知特征数据,从而数据计算中心200能够定时地或不定时地将特征数据发送至云端服务器200,便于能够及时地对老年人进行不同类型的监护方案;
认知功能监护类型至少包括语言监护类型、反应力监护类型、记忆力监护类型中的至少一种。
云端服务器200,包括评估单元。评估单元,基于动态特征数据和/或静态特征数据输出能够用于评价认知功能的数据组。评估单元实质上是一个具有运算功能服务的数据处理器,例如集成芯片、CPU等等,其具有I/O接口、处理模块、通信模块等硬件模块。其通信模块可以是采用4G协议、5G 协议、WIFI协议、蓝牙协议、NB-Lot协议、EnOcean协议、数据线等与***装置实现通信连接。***装置包括信息组合设备400、知识库100、显示设备300和监测单元。
信息组合设备400,用于采集待评老年人的属性。信息组合设备400 可以键盘、鼠标、语音输入设备等等。例如,通过键盘和鼠标将某一待评老年人的年龄、病史、学历、是否独居等相光属性元素输入评估单元中。
知识库100,用于存储老年人的历史属性集与认知功能损害类型的关联信息。
显示设备300,可以是打印机、可以是视频显示器、可以是手机客户端等等。
云端服务器200将属性和存储于知识库100中的历史信息集匹配出至少一组需要采集的数据组。其中,历史信息集是按照老年人群的历史属性集与认知功能相互关联的方式生成的,以使得需要采集的数据组能够基于至少一组属性与历史属性集的彼此匹配与认知功能损害类型关联。
优选地,云端服务器200能够按照如下步骤生成数据组:将属性组中的第一特殊属性映射至历史属性集,以使得基于第一特殊属性与历史属性集的映射关系,数据组中的数据元素能够与认知功能损害类型关联并以第一概率的方式输出。其中,第一概率及其对应的置信度能够通过显示设备300展现。其中,数据元素至少包括待评老年人的动态特征数据和/或静态特征数据。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (7)
1.一种老人认知功能监测和评估***,涉及一种用于能够基于老年人的基础数据预测待评老年人可能会发生的认知功能损害类型并且能够监控所述认知功能损害类型对应的认知功能的能力发展趋势的方法,以使得老年人及其监护人能够有指向性地提前采取干预方案,
至少包括:
信息组合设备(400)在接收到信息采集设备(500)采集的待评老年人的能够用于匹配认知功能损害类型的基础数据的情况下基于所述基础数据组合生成所述待评老年人的属性组,所述基础数据至少包括固有数据中的一个;
云端服务器(200)基于属性信息从知识库(100)中评估出与所述属性信息彼此契合的至少一种认知功能损害类型以及能够用于监测所述待评老年人的和所述认知功能损害类型对应的认知功能的数据组;
数据采集终端(600)按照所述数据组采集所述待评老年人的认知原始数据,
其特征在于,
数据计算设备(700)基于所述认知原始数据生成与所述认知功能对应的认知特征数据,所述云端服务器(200)响应于所述认知特征数据触发其对应的认知阈值与所述数据计算设备(700)建立通信连接,以使得所述云端服务器(200)能够将所述认知特征数据与认知历史数据进行比较生成认知相对数据;
其中,在所述认知相对数据触发第一相对阈值但未触发第二相对阈值的情况下,所述云端服务器(200)以能够从所述知识库(100)中匹配出与所述认知相对数据相对应的初级护理方案的方式至少将所述初级护理方案呈现于显示设备(300);和/或,在所述认知相对数据触发第二相对阈值的情况下,所述云端服务器(200)以能够从所述知识库(100)中匹配出与所述认知相对数据相对应的高级护理方案的方式至少将所述高级护理方案呈现于所述显示设备(300)和/或向医疗机构发出救助信号;和/或,在所述认知相对数据未触发第一相对阈值的情况下,所述云端服务器(200)能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备(300);
其中,在所述认知特征数据未触发其对应的认知阈值的情况下,所述数据计算设备(700)能够按照提示所述监护人维持原生活方案的方式将所述认知特征数据输出至显示设备(300);
所述云端服务器(200)按照如下方式将所述数据组发送至所述显示设备(300);
所述云端服务器(200)基于所述认知功能从所述知识库(100)中配置认知功能的至少一种目标业务和完成所述目标业务所需采集的数据元素,并将所述数据元素按照生成与所述目标业务对应的所述数据组,
所述云端服务器(200)与所述显示设备(300)以第五代移动通信协议进行通信连接,以使得所述云端服务器(200)能够将所述目标业务以文字、图片、声音、视频中的至少一种方式呈现于显示设备(300)和将所述数据组呈现于所述显示设备(300),从而所述老年人至少能够基于云端服务器(200)与所述显示设备(300)之间的信息交互在线地进行认知能力监测,在认知能力监测的过程中,所述数据采集终端(600)能够按照所述数据组对所述老年人进行认知能力原始数据采集。
2.根据权利要求1所述的***,其特征在于,所述数据采集终端(600)按照每一认知原始数据组对应至少一个认知功能监护类型的方式采集所述认知原始数据;
其中,所述每一认知原始数据组包括至少一个认知原始数据;在所述每一认知原始数据组中的认知原始数据的个数达到其对应的个数的情况下,所述数据采集终端(600)将该认知原始数据组发送至所述数据计算设备(700),以使得所述数据计算设备(700)能够基于认知原始数据组生成其对应的认知功能监护类型的认知特征数据,从而所述数据计算设备(700)能够定时地或不定时地将所述特征数据发送至所述云端服务器(200),便于能够及时地对所述老年人进行不同类型的监护方案;
所述认知功能监护类型至少包括语言监护类型、反应力监护类型、记忆力监护类型中的至少一种。
3.根据权利要求2所述的***,其特征在于,所述显示设备(300)至少包括用于所述老年人查阅的老年查阅设备和用于所述监护人查阅的监护查阅设备,
其中,所述老年查阅设备和所述监护查阅设备分别与所述云端服务器(200)通过第五代移动通信技术通信连接,以使得所述老年查阅设备和/或所述监护查阅设备分别能够以非量化且促使其潜意识满足的方式将所述相对数据呈现,从而所述老年人和/或监护人分别能够以图形化且促使用户倾向于产生积极心理状态的方式读取所述老年人的第一认知监测报告;和/或
所述监护查阅设备与所述云端服务器(200)通过第五代移动通信技术通信连接,以使得所述监护查阅设备能够以量化的方式将所述相对数据和/或认知特征数据呈现,从而所述监护人分别以图形化的方式读取所述老年人的第二认知监测报告;
其中,所述老年查阅设备和/或所述监护查阅设备包括触摸屏,以使得所述老年查阅设备和/或所述监护查阅设备分别能够响应于老年人和/或监护人的触碰将所述第一认知监测报告以不同的非量化方式呈现;
其中,所述老年查阅设备能够在所述老年人订阅的情况下与所述监护查阅设备能够以不通过所述云端服务器(200)进行信息交互的方式不定时地通信连接,以使得所述监护查阅设备能够在所述监护人经过专业判断认为所述第一认知监测报告和/或第二认知监测报告具有异常的情况下向所述老年查阅设备推送监护建议,所述监护建议是视频、声音、文字、图片中的至少一种。
4.根据权利要求3所述的***,其特征在于,将所述属性组中的第一特殊属性映射至历史属性集,以使得所述数据组中的数据元素能够基于所述第一特殊属性与所述历史属性集的映射关系以第一概率的方式与所述认知功能损害类型关联;其中,所述数据元素至少包括所述待评老年人的动态特征数据和/或静态特征数据;
至少在所述第一概率不符合评估阈值的情况下,将所述属性组中的第二特殊属性映射至所述历史属性集,以使得所述数据组中的数据元素能够基于所述第二特殊属性与所述历史属性集的映射关系以修正所述第一概率生成第二概率的方式与所述认知功能损害类型关联。
5.根据权利要求4所述的***,其特征在于,在所述第一概率大于所述第二概率的情况下,所述第一特殊属性和所述第二特殊属性与所述历史属性集的映射顺序能够互换,用于重新匹配新的数据组和新的认知功能损害类型,并且重新以概率的方式关联所述新的数据组和所述新的认知功能损害类型。
6.根据权利要求5所述的***,其特征在于,所述第一特殊属性和/或所述第二特殊属性能够按照如下方式获取:
所述历史属性集与认知功能损害类型是按照第三概率的方式关联的,以使得第一特殊属性和/或所述第二特殊属性能够基于所述第三概率以不同的权重系数从所述属性组中的属性元素中选出;
其中,所述第一特殊属性的第一权重系数大于所述第二特殊属性的第二权重系数。
7.根据权利要求6所述的***,其特征在于,将所述属性组中的每一属性元素与历史属性集进行匹配,以能够呈现每一属性元素对应的认知功能损害类型及其对应的具有该认知功能损害类型的可能性,用于确定所述每一属性元素对应的权重系数;
所述历史属性集至少包括老年人的年龄、学历程度、性别、居住环境、地理位置和是否独居,
所述认知损害类型包括感知损害类型、记忆损害类型、思维损害类型和言语损害类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795005.0A CN110584601B (zh) | 2019-08-26 | 2019-08-26 | 一种老人认知功能监测和评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795005.0A CN110584601B (zh) | 2019-08-26 | 2019-08-26 | 一种老人认知功能监测和评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110584601A CN110584601A (zh) | 2019-12-20 |
CN110584601B true CN110584601B (zh) | 2022-05-17 |
Family
ID=68855658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910795005.0A Active CN110584601B (zh) | 2019-08-26 | 2019-08-26 | 一种老人认知功能监测和评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110584601B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539327B (zh) * | 2020-04-23 | 2023-08-18 | 四川大学华西医院 | 基于步态信息的轻度认知障碍识别方法及设备 |
CN111539328B (zh) * | 2020-04-23 | 2023-07-14 | 四川大学华西医院 | 基于步态标准差的轻度认知障碍识别方法及设备 |
CN112101236A (zh) * | 2020-09-17 | 2020-12-18 | 济南大学 | 一种面向老年陪护机器人的智能纠错方法及*** |
CN113707274B (zh) * | 2021-02-10 | 2024-04-16 | 上海市同济医院 | 基于定制式链接记忆游戏的认知能力检测训练***及装置 |
CN114420300B (zh) * | 2022-01-20 | 2023-08-04 | 北京大学第六医院 | 中国老年认知损害预测模型 |
TWI833570B (zh) * | 2023-02-06 | 2024-02-21 | 亞東學校財團法人亞東科技大學 | 輕度認知障礙語音檢測系統 |
CN117809849B (zh) * | 2024-02-29 | 2024-05-03 | 四川赛尔斯科技有限公司 | 一种认知功能障碍老人行走姿态的分析方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101821741A (zh) * | 2007-06-27 | 2010-09-01 | 霍夫曼-拉罗奇有限公司 | 用于被调用事件的医学诊断、治疗和预后***及其方法 |
CN106667441A (zh) * | 2016-12-30 | 2017-05-17 | 包磊 | 生理监测结果的反馈方法及装置 |
CN106920124A (zh) * | 2017-02-20 | 2017-07-04 | 湖南云连天地网络科技有限公司 | 一种数据采集和分析方法及装置 |
CN109243605A (zh) * | 2018-09-20 | 2019-01-18 | 段新 | 一种基于人工智能的精神障碍诊断治疗*** |
CN110009248A (zh) * | 2019-04-13 | 2019-07-12 | 杭州医养网络科技有限公司 | 一种互联网养老院智能管理*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2831782A2 (en) * | 2012-03-29 | 2015-02-04 | Koninklijke Philips N.V. | System and method for improving neurologist's workflow on alzheimer's disease |
JP6339758B2 (ja) * | 2012-07-02 | 2018-06-06 | 国立研究開発法人国立長寿医療研究センター | 軽度認知機能障害の有無の診断システム、認知機能検査用端末及び認知機能検査用プログラム |
FI125554B (en) * | 2014-05-21 | 2015-11-30 | Eagle Vision Man Oy | An arrangement, method and computer program product for monitoring the safety of elderly care |
CA3017255C (en) * | 2016-05-02 | 2023-10-24 | Dexcom, Inc. | System and method for providing alerts optimized for a user |
CN106776102A (zh) * | 2016-12-27 | 2017-05-31 | 中国建设银行股份有限公司 | 一种应用***健康检查方法及*** |
CN108182963A (zh) * | 2017-12-14 | 2018-06-19 | 山东浪潮云服务信息科技有限公司 | 一种医疗数据处理方法及装置 |
CN108922623B (zh) * | 2018-07-12 | 2021-11-23 | 中国铁道科学研究院集团有限公司 | 一种健康风险评估和疾病预警信息*** |
CN109934954B (zh) * | 2019-02-01 | 2020-10-16 | 北京百度网讯科技有限公司 | 无人车运行场景确定方法及设备 |
CN109902945A (zh) * | 2019-02-20 | 2019-06-18 | 浪潮软件股份有限公司 | 一种综合素质评价数据的采集方法及装置 |
-
2019
- 2019-08-26 CN CN201910795005.0A patent/CN110584601B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101821741A (zh) * | 2007-06-27 | 2010-09-01 | 霍夫曼-拉罗奇有限公司 | 用于被调用事件的医学诊断、治疗和预后***及其方法 |
CN106667441A (zh) * | 2016-12-30 | 2017-05-17 | 包磊 | 生理监测结果的反馈方法及装置 |
CN106920124A (zh) * | 2017-02-20 | 2017-07-04 | 湖南云连天地网络科技有限公司 | 一种数据采集和分析方法及装置 |
CN109243605A (zh) * | 2018-09-20 | 2019-01-18 | 段新 | 一种基于人工智能的精神障碍诊断治疗*** |
CN110009248A (zh) * | 2019-04-13 | 2019-07-12 | 杭州医养网络科技有限公司 | 一种互联网养老院智能管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN110584601A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110584601B (zh) | 一种老人认知功能监测和评估*** | |
US20210035067A1 (en) | Method to increase efficiency, coverage, and quality of direct primary care | |
CN105393252B (zh) | 生理数据采集和分析 | |
CN110544541B (zh) | 一种老年生活及健康状态的监护及评价*** | |
CN110648737B (zh) | 基于老年照护指南和失能失智的知识库建立***及方法 | |
CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
US20210162261A1 (en) | Methods and systems for generating physical activity sets for a human subject | |
CN104834827A (zh) | 基于终端设备及云计算存储的健康数据处理方法及*** | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
CN109065162A (zh) | 一种综合性智能化诊断*** | |
JP2017045142A (ja) | 生活習慣管理支援装置および生活習慣管理支援方法 | |
CN108652587B (zh) | 一种认知功能障碍预防监测装置 | |
RU2712395C1 (ru) | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) | |
KR102424629B1 (ko) | 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법 | |
Banerjee et al. | Validating a commercial device for continuous activity measurement in the older adult population for dementia management | |
CN110046757B (zh) | 基于LightGBM算法的门诊量预测***及预测方法 | |
CN113168919A (zh) | 一种利用个性化指标进行健康分析的***及其使用方法 | |
KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
WO2023285898A1 (en) | Screening of individuals for a respiratory disease using artificial intelligence | |
CN108109673A (zh) | 一种人体感官数据测量***及方法 | |
CN110881987A (zh) | 一种基于可穿戴设备的老年人情绪监测*** | |
Javed et al. | Artificial intelligence for cognitive health assessment: state-of-the-art, open challenges and future directions | |
CN109074423A (zh) | 用于捕获和呈现具有认知障碍的对象的生活时间信息的***和方法 | |
US20240008813A1 (en) | Smart wearable device and method for estimating traditional medicine system parameters | |
US20240050006A1 (en) | System and method for prediction and control of attention deficit hyperactivity (adhd) disorders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |