CN116721768B - 一种包含可信度因素的交互数据的获取方法 - Google Patents
一种包含可信度因素的交互数据的获取方法 Download PDFInfo
- Publication number
- CN116721768B CN116721768B CN202310979802.0A CN202310979802A CN116721768B CN 116721768 B CN116721768 B CN 116721768B CN 202310979802 A CN202310979802 A CN 202310979802A CN 116721768 B CN116721768 B CN 116721768B
- Authority
- CN
- China
- Prior art keywords
- interface
- data
- interactive
- user
- interaction
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 89
- 230000002452 interceptive effect Effects 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000009877 rendering Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims 1
- 208000007386 hepatic encephalopathy Diseases 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 101
- 238000011156 evaluation Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 230000001788 irregular Effects 0.000 description 5
- 239000008188 pellet Substances 0.000 description 5
- 238000010998 test method Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001121 heart beat frequency Effects 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 102100031186 Chromogranin-A Human genes 0.000 description 2
- 101000993094 Homo sapiens Chromogranin-A Proteins 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001629 sign test Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- XTKDAFGWCDAMPY-UHFFFAOYSA-N azaperone Chemical compound C1=CC(F)=CC=C1C(=O)CCCN1CCN(C=2N=CC=CC=2)CC1 XTKDAFGWCDAMPY-UHFFFAOYSA-N 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036649 mental concentration Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/26—Discovering frequent patterns
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于数据处理技术领域，具体涉及一种包含可信度因素的交互数据的获取方法。本发明公开的方法包括：根据用户在数据交互过程中对交互界面的至少一个操作获取界面交互数据，以及用户执行操作时设置于用户侧的一个传感器获取的生理性数据，根据界面交互数据和交互界面呈现数据之间是否存在关联度，以及用户的界面交互数据和生理性参数是否存在关联度，确定用户是否执行了可信的交互操作，在用户执行了可信的操作时，基于界面交互数据确定用户对于交互数据的响应，交互界面包括埋点，用户的交互操作在埋点和埋点外的区域产生不一致的渲染效果。本发明实现了轻微肝性脑病可以随时随地自行进行测试，避免了人为误差。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种用于测量测量认知功能的交互方法。
背景技术
在轻微肝性脑病测试由于图像和目标路径产生过程中具有随意性，这在一定程度上影响了测试结果的准确性，在多个图像差异度较大的情况下，不利于用户熟悉测试项目；而当差异度较小，则不利于获得准确的测试结果。并且，现有的移动端还存在排除误操作影响测试结果准确性的情形亟待改进。
发明内容
为了解决上述技术问题，本发明提供了一种包含可信度因素的交互数据的获取方法，来降低交互操作的成本和提高结果的可信度。
本发明提供的一种包含可信度因素的交互数据的获取方法，包括：
根据用户在数据交互过程中对交互界面的至少一个操作获取界面交互数据，以及用户执行操作时设置于用户侧的一个传感器获取的生理性数据；
根据界面交互数据和交互界面呈现数据之间是否存在关联度，以及用户的界面交互数据和生理性参数是否存在关联度，确定用户是否执行了可信的交互操作；
在用户执行了可信的操作时，基于界面交互数据确定用户对于交互数据的响应；
交互界面包括埋点，用户的交互操作在埋点和埋点外的区域产生不一致的渲染效果。
根据本发明的一个方面，交互过程包括交互界面的接触、交互界面的按压和交互界面的脱离；界面交互数据包括交互界面的接触坐标、交互界面的按压坐标和交互界面的脱离坐标，以及坐标点之间的时隙。
根据本发明的一个方面，交互界面包括预期路径，界面交互数据在预期路径和预期路径外的界面产生不一致的渲染效果；
且交互界面被划分为若干子区域时，子区域择一的对应于具有时序性的界面交互数据。
根据本发明的一个方面，判断界面交互数据和交互界面呈现数据之间是否存在关联度的方法包括：
获取交互界面的埋点，以及包含于交互界面数据中的埋点和埋点外的交互区域，基于贝叶斯规则、频繁模式增长算法FP-Growth或者先验算法Apriori算法确定交互界面数据中的埋点和埋点外的交互区域是否和交互界面的埋点具有关联性。
根据本发明的一个方面，判断用户的界面交互数据和生理性参数是否存在关联度的方法包括：
获取交互界面数据的操作点之间的时间序列，根据该时间序列对应的用户生理性参数是否处于预设范围区间，确定用户的数据是否可信；
根据界面交互数据中的至少一个操作对应了生理性参数值的变化，确定用户的界面交互数据和生理性参数是否存在关联度。
根据本发明的一个方面，在界面交互数据和交互界面呈现数据之间不存在关联度时，在交互界面呈现提示信息或重新生成交互界面，并重新进行交互数据的获取。
根据本发明的一个方面，在用户的界面交互数据和生理性参数不存在关联度时，重新生成交互界面，在新获取的界面交互数据和交互界面呈现关联性，或用户的界面交互数据和生理性参数存在关联度时，用户执行了可信的操作。
根据本发明的一个方面，获取方法还包括，根据用户对于交互数据的响应进行评分，根据评分调整交互界面内的埋点并生成新的交互界面。
为实现上述目的，本发明提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述针对一种包含可信度因素的交互数据的获取方法。
为实现上述目的，本发明提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对一种包含可信度因素的交互数据的获取方法。
本发明可以获得如下技术效果：
（1）实现了轻微肝性脑病可以随时随地自行进行测试，不需要在医院特定环境中进行，有利于患者的自我监测，减轻了临床医生的日常工作负担；避免了人工计时以及近似度高的试验，进而避免了人为误差；
（2）实现了自动评分，且评分去除了过度训练的误差，避免了繁琐的计算以及计算的失误；实现了无纸化，使得结果便于储存与共享。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种包含可信度因素的交互数据的获取方法的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容，应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。
如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”，术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
根据本发明的一个实施例，图1为本发明中的一种包含可信度因素的交互数据的获取方法的流程图，如图1所示，一种包含可信度因素的交互数据的获取方法包括：
为实现上述目的，本发明提供的一种包含可信度因素的交互数据的获取方法，包括：
根据用户在数据交互过程中对交互界面的至少一个操作获取界面交互数据，以及用户执行操作时设置于用户侧的一个传感器获取的生理性数据；
根据界面交互数据和交互界面呈现数据之间是否存在关联度，以及用户的界面交互数据和生理性参数是否存在关联度，确定用户是否执行了可信的交互操作；
在用户执行了可信的操作时，基于界面交互数据确定用户对于交互数据的响应；
交互界面包括埋点，用户的交互操作在埋点和埋点外的区域产生不一致的渲染效果。上述的方法可以排除误操作的影响，避免结果受干扰。
根据本发明的一个实施方式，交互过程包括交互界面的接触、交互界面的按压和交互界面的脱离；界面交互数据包括交互界面的接触坐标、交互界面的按压坐标和交互界面的脱离坐标，以及坐标点之间的时隙。通过此方式可以实现对于测试过程关注区域的跟踪。
根据本发明的一个实施方式，交互界面包括预期路径，界面交互数据在预期路径和预期路径外的界面产生不一致的渲染效果；
且交互界面被划分为若干子区域时，子区域择一的对应于具有时序性的界面交互数据。通过此方式可以实现对于复杂交互行为的跟踪。
根据本发明的一个实施方式，判断界面交互数据和交互界面呈现数据之间是否存在关联度的方法包括：
获取交互界面的埋点，以及包含于交互界面数据中的埋点和埋点外的交互区域，基于贝叶斯规则、频繁模式增长算法FP-Growth或者先验算法Apriori算法确定交互界面数据中的埋点和埋点外的交互区域是否和交互界面的埋点具有关联性。通过此方式可以实现对非关联行为的跟踪，特别是基于多数人的先验概率进行排除，提高测试结果的准确度。
根据本发明的一个实施方式，判断用户的界面交互数据和生理性参数是否存在关联度的方法包括：
获取交互界面数据的操作点之间的时间序列，根据该时间序列对应的用户生理性参数是否处于预设范围区间，确定用户的数据是否可信；
根据界面交互数据中的至少一个操作对应了生理性参数值的变化，确定用户的界面交互数据和生理性参数是否存在关联度。通过此方式可以引入多个可以监测的内容，例如对于人体其他生理信号，如肌张力的监测，以确保测试结果和用户操作质检的关联性。
根据本发明的一个实施方式，在界面交互数据和交互界面呈现数据之间不存在关联度时，在交互界面呈现提示信息或重新生成交互界面，并重新进行交互数据的获取。通过此方式可以在测试失败时，重新执行测试。
根据本发明的一个实施方式，在用户的界面交互数据和生理性参数不存在关联度时，重新生成交互界面，在新获取的界面交互数据和交互界面呈现关联性，或用户的界面交互数据和生理性参数存在关联度时，用户执行了可信的操作。
根据本发明的一个实施方式，获取方法还包括，根据用户对于交互数据的响应进行评分，根据评分调整交互界面内的埋点并生成新的交互界面。
根据本发明的一个实施例，当测试项目为数字连接试验A（NCT-A，结果以秒为单位），用于测试被试者的视觉注意力、视觉的快速扫描能力、精神注意力集中程度以及精神运动速度；
数字连接试验A的测试方法包括：在测试界面显示m个圆形的轮廓，圆形的轮廓上绘制有数字，启动计时器，在测试界面上显示受试者应当连续绘制的下一个数字或者当前起点数字，受试者按照提示数字的顺序使用笔触进行形状的描绘，设置于屏幕下的传感器接受受试者的输入，根据受试者的输入在测试界面绘制轨迹，并在完成测试时停止计时，并计算分数；在受试者的输入偏离圆形的轮廓或者所连接的圆形轮廓顺序错误时，提示错误的信息。
例如，将编号为***数字1~25的等大等圆小球随机放置并显示在测试界面上，要求被试者按照1-2-3-…-25连续顺序将小球连接起来；在测试界面的左上角提示被试者下一步应当连接哪一个数字，当被试者连接错误时测试不会结束，需要被试者按顺序连接正确的数字后测试才会结束，测试结束时软件会记录下数字连接试验A的测试总时间。于此实验过程中，在小球的坐标处设置埋点以用于接收操作，进行关联度算法时，使用贝叶斯规则进行关联度的分析，所使用的先验概率为历史测试数据。接收的相关生理参数包括陀螺仪，陀螺仪通过腕带的形式为用户所携带，并获得用户操作时腕部的移动。
执行测试时，评估项目的交互方法包括：
按照NCT-A的方法构建第一图片P1；
执行练习根据NCT-A的方法接收操作者的输入；在NCT-A第一次练习试验结束后计分；
按照NCT-A的方法构建第二图片P2，其和P1相比近似度为95%；
执行练习根据NCT-A的方法接收操作者的输入；在NCT-A第二次练习试验结束后计分；
按照NCT-A的方法构建第三图片P3，其和P1相比近似度为85%，和P2相比近似度为80%；
执行练习根据NCT-A的方法接收操作者的输入；在NCT-A第三次练习试验结束后计分；如果最后一次打分超过90（相较于预期值），则认为无需继续进行练习；如果最后一次打分低于90，则继续练习；
设置计数器C值为1，按照NCT-A的方法构建第一测试图片T1，其和向该用户显示过的历史图片相比近似度为60-80%，以避免记忆导致结果失真；
执行练习根据NCT-A的方法接收操作者的输入；在NCT-A第一次评测试验结束后计分；如果得分超过95%，则认为合格，停止评测；如果分数过低，则认为不熟悉，如在低于60分的情况下进行练习；并且计数器C值加一，在C值超过阈值时，取均值作为成绩。
上述实验步骤中，在进行项目练习时，设置第一阈值为90分或者0.90（按照总分折算），选择此分数为相应的数字具有近似性；在进行项目评测时，设置第一阈值为90分或者0.90（按照总分折算），第二阈值为60分或者0.60（按照总分折算）。
根据本发明的一个实施例，当测试为数字连接试验B（NCT-B，结果以秒为单位），用于测试被试者的视觉整合力、视觉注意定势转移能力、视觉的快速扫描能力、精神注意力集中程度以及精神运动速度；
数字连接试验B的测试方法包括：在测试界面随机显示m个圆形的轮廓，圆形的轮廓上绘制有数字或汉字，启动计时器，在测试界面上受试者按照提示的数字的使用笔触进行数字和该数字对应的汉字的轮廓间连接线的描绘，设置于屏幕下的传感器接受受试者的输入，根据受试者的输入在测试界面绘制轨迹，并在完成测试时显示结束的标识，接受受试者在结束标识处的输入，停止计时，并计算分数；在受试者的输入偏离连接线或者所连接的数字和汉字圆形轮廓顺序错误时，提示错误的信息。于此实验过程中，在轮廓和轮廓内设置埋点以用于接收操作，进行关联度算法时，使用先演算法进行关联度的分析，所使用的先验概率为历史测试数据，接收的相关生理参数包括人的心跳频率和陀螺仪，其中陀螺仪通过腕带的形式为用户所携带，并获得用户操作时腕部的移动。
例如：将编号为***数字1~13以及汉语一~十二的等大等圆小球随机放置并显示在测试界面上，要求被试者按照1-一，2-二，…，12-十二将***数字与相应汉字进行配对连接，最后被试者在***数字13的小球打上标记为测试结束；在测试界面的左上角提示被试者下一步应当连接哪一个数字，当被试者连接错误时测试不会结束，需要被试者按顺序连接正确的数字后测试才会结束，测试结束时软件会记录下数字连接试验B的测试总时间。
执行测试时，评估项目的交互方法包括：
按照NCT-B的方法构建第一图片P1；
执行练习根据NCT-B的方法接收操作者的输入；在NCT-B第一次练习试验结束后计分；
按照NCT-B的方法构建第二图片P2，其和P1相比近似度为95%；
执行练习根据NCT-B的方法接收操作者的输入；在NCT-B第二次练习试验结束后计分；
按照NCT-B的方法构建第三图片P3，其和P1相比近似度为85%，和P2相比近似度为80%；
执行练习根据NCT-B的方法接收操作者的输入；在NCT-B第三次练习试验结束后计分；如果最后一次打分超过90%（相较于预期值），则进入测试；如果最后一次打分低于90，则继续练习；
设置计数器C值为1，按照NCT-B的方法构建第一测试图片T1，其和向该用户显示过的历史图片相比近似度不高于80%，以避免记忆导致结果失真；
执行练习根据NCT-B的方法接收操作者的输入；在NCT-B第一次评测试验结束后计分；如果得分超过95，则认为合格，停止评测；如果分数过低，则认为不熟悉，如在低于60分的情况下进行练习；并且计数器C值加一，在C值超过阈值时，取均值作为成绩。
根据本发明的一个实施例，当测试项目为数字符号试验DST，在测试界面顶部显示数字1-9和对应的符号，测试方法还包括在测试界面显示表格，表格内包含随机分布的数字1-9以及和数字注意对应的输入区域，启动计数器，接受受试者在输入区域的输入，判断用户输入的符号是否对应了输入区域对应数字，如果是，计数器加1；否则提示用户重新输入；在计数器计数达到阈值时，显示开始测试的提示信息，在受试者同意后启动计时器，接受受试者的输入，并在计时器的时间达到测试阈值时停止接受用户的输入，分别判断受试者在输入区域输入的符号所对应的数字是否和输入区域对应的数字是否相同，并进行计分。
例如：将***数字1~9分别代表9种不同符号并列于首行，并显示在测试界面上，要求被试者将***数字所对应的符号填入测试界面下方空表格内；被试者需先尝试完成15个空格训练，熟悉操作后，测试界面上询问被试者是否正式开始；测试正式开始后，软件自动计时90秒，测试结束时软件会记录下数字符号试验DST中被试者的做题情况；于此实验过程中，在测试界面下方空表格内设置埋点以用于接收操作，进行关联度算法时，使用先演算法进行关联度的分析，所使用的先验概率为历史测试数据，接收的相关生理参数包括人的心跳频率，此过程使用OCR的API进行手写字符的识别以判断是否填入了正确的数字。
执行测试时，评估项目的交互方法包括：
按照DST的方法构建第一图片P1；
执行练习根据DST的方法接收操作者的输入；在DST第一次练习试验结束后计分；
按照DST的方法构建第二图片P2，其和P1相比近似度为95%；
执行练习根据DST的方法接收操作者的输入；在DST第二次练习试验结束后计分；
按照DST的方法构建第三图片P3，其和P1相比近似度为85%，和P2相比近似度为80%；
执行练习根据DST的方法接收操作者的输入；在DST第三次练习试验结束后计分；如果最后一次打分超过90%（相较于预期值），则认为无需进行练习，进行测试；如果最后依次打分低于90，则继续练习；
设置计数器C值为1，按照DST的方法构建第一测试图片T1，其和向该用户显示过的历史图片相比近似度不高于80%，以避免记忆导致结果失真；
执行练习根据DST的方法接收操作者的输入；在DST第一次评测试验结束后计分；如果得分超过95，则认为合格，停止评测；如果分数过低，则认为不熟悉，如在低于60分的情况下进行练习；并且计数器C值加一，在C值超过阈值时，取均值作为成绩。
根据本发明的一个实施例，当测试项目为轨迹描绘试验，数字符号试验DST的测试方法包括：在测试界面随机包含连续条纹的轨道图形，轨道图形中含有连续的不规则轨道、起点标识和终点标识，的不规则轨道包括直行轨道、转弯轨道和曲线轨道；启动计时器，设置于屏幕下的传感器接受受试者的输入，根据受试者的输入在测试界面绘制轨迹，并在完成测试时显示结束的标识，接受受试者在结束标识处的输入，停止计时，并计算分数；在受试者的输入偏离轨道，提示错误的信息。于此实验过程中，在测试界面轨道图形内以及轨道边缘五个像素点范围内设置埋点以用于接收操作，进行关联度算法时，使用先演算法进行关联度的分析，所使用的先验概率为历史测试数据，接收的相关生理参数包括人的心跳频率。
例如：在测试界面上画有一连续宽条纹的不规则轨道，不规则轨道由直行、转弯以及曲线组成，要求被试者沿不规则轨道中间由开始端向结束端画线，计算被试者的测试总时间以及错误数量，测试总时间的计算公式如下：
测试总时间=所用时间×（1+错误数量/100）
错误包括与轮廓接触未越过、越过轮廓但未到纸边以及越过纸边，其中与轮廓接触未越过的错误数量记为1，越过轮廓但未到纸边的错误数量记为2，越过纸边的错误数量记为3。
其交互方法包括：
按照LTT的方法构建第一图片P1；
执行练习根据LTT的方法接收操作者的输入；在LTT第一次练习试验结束后计分；
按照LTT的方法构建第二图片P2，其和P1相比近似度为95%；
执行练习根据LTT的方法接收操作者的输入；在LTT第二次练习试验结束后计分；
按照LTT的方法构建第三图片P3，其和P1相比近似度为85%，和P2相比近似度为80%；
执行练习根据LTT的方法接收操作者的输入；在LTT第三次练习试验结束后计分；如果最后一次打分超过90%（相较于预期值），则认为无需进行评测；如果最后依次打分低于90，则继续练习；
设置计数器C值为1，按照LTT的方法构建第一测试图片T1，其和向该用户显示过的历史图片相比近似度低于80%，以避免记忆导致结果失真；
执行练习根据LTT的方法接收操作者的输入；在LTT第一次评测试验结束后计分；如果得分超过95，则认为合格，停止评测；如果分数过低，则认为不熟悉，如在低于60分的情况下进行练习；并且计数器C值加一，在C值超过阈值时，取均值作为成绩。
根据本发明的一个实施例，当测试项目为连续打点试验SDT时，将10行10列等大等圆的空白小球按顺序排列并显示在测试界面上，要求被试者从上到下、从左到右按顺序往小球中心打点；先让被试者练习两行，此时不会计时，从第三行正式开始后才会正式计时，当被试者按顺序把点打完，测试结束时软件会记录下连续打点试验SDT中被试者的测试总时间。于此实验过程中，在空白小球内以及空白小球的图形边缘五个像素点范围内设置埋点以用于接收操作，进行关联度算法时，使用先演算法进行关联度的分析，所使用的先验概率为历史测试数据，接收的相关生理参数包括人的心跳频率。
受试者按顺序完成完整的PHES测试后，认知功能装置的应用软件可以自动进行最终得分的计算，受试者可以自行选择是否发送测试结果。此外，受试者可以单独选择任意一项测试进行。受试者能根据软件指示自行完成完整的PHES测试，在测试结束后软件可以自行评分，受试者根据情况决定是否将测试结果发送给临床医生。
为实现上述发明目的，本发明还提供一种电子设备，该电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，计算机程序被处理器执行时实现上述一种包含可信度因素的交互数据的获取方法。
为实现上述发明目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种包含可信度因素的交互数据的获取方法。
基于此，本发明的有益效果在于，实现了轻微肝性脑病可以随时随地自行进行测试，不需要在医院特定环境中进行，有利于患者的自我监测，减轻了临床医生的日常工作负担；避免了人工计时以及近似度高的试验，进而避免了人为误差，实现了自动评分，且评分去除了过度训练的误差，避免了繁琐的计算以及计算的失误；实现了无纸化，使得结果便于储存与共享。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
Claims (6)
1.一种包含可信度因素的交互数据的获取方法，其特征在于，包括：
根据用户在数据交互过程中对交互界面的至少一个操作获取界面交互数据，以及用户执行操作时设置于用户侧的一个传感器获取的生理性数据；
根据界面交互数据和交互界面呈现数据之间是否存在关联度，以及用户的界面交互数据和生理性参数是否存在关联度，确定用户是否执行了可信的交互操作；
在用户执行了可信的操作时，基于界面交互数据确定用户对于交互数据的响应；
交互界面包括埋点，用户的交互操作在埋点和埋点外的区域产生不一致的渲染效果；
交互过程包括交互界面的接触、交互界面的按压和交互界面的脱离；界面交互数据包括交互界面的接触坐标、交互界面的按压坐标和交互界面的脱离坐标，以及坐标点之间的时隙；
交互界面包括预期路径，界面交互数据在预期路径和预期路径外的界面产生不一致的渲染效果；
且交互界面被划分为若干子区域时，子区域择一的对应于具有时序性的界面交互数据；
判断界面交互数据和交互界面呈现数据之间是否存在关联度的方法包括：
获取交互界面的埋点，以及包含于交互界面数据中的埋点和埋点外的交互区域，基于贝叶斯规则、频繁模式增长算法FP-Growth或者先验算法Apriori算法确定交互界面数据中的埋点和埋点外的交互区域是否和交互界面的埋点具有关联性；
判断用户的界面交互数据和生理性参数是否存在关联度的方法包括：
获取交互界面数据的操作点之间的时间序列，根据该时间序列对应的用户生理性参数是否处于预设范围区间，确定用户的数据是否可信；
根据界面交互数据中的至少一个操作对应了生理性参数值的变化，确定用户的界面交互数据和生理性参数是否存在关联度。
2.如权利要求1所述的一种包含可信度因素的交互数据的获取方法，其特征在于，在界面交互数据和交互界面呈现数据之间不存在关联度时，在交互界面呈现提示信息或重新生成交互界面，并重新进行交互数据的获取。
3.如权利要求2所述的一种包含可信度因素的交互数据的获取方法，其特征在于，在用户的界面交互数据和生理性参数不存在关联度时，重新生成交互界面，在新获取的界面交互数据和交互界面呈现关联性，或用户的界面交互数据和生理性参数存在关联度时，用户执行了可信的操作。
4.如权利要求3所述的一种包含可信度因素的交互数据的获取方法，其特征在于，获取方法还包括，根据用户对于交互数据的响应进行评分，根据评分调整交互界面内的埋点并生成新的交互界面。
5.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的一种包含可信度因素的交互数据的获取方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的一种包含可信度因素的交互数据的获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310979802.0A CN116721768B (zh) | 2023-08-07 | 2023-08-07 | 一种包含可信度因素的交互数据的获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310979802.0A CN116721768B (zh) | 2023-08-07 | 2023-08-07 | 一种包含可信度因素的交互数据的获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116721768A CN116721768A (zh) | 2023-09-08 |
| CN116721768B true CN116721768B (zh) | 2024-01-16 |
Family
ID=87864740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310979802.0A Active CN116721768B (zh) | 2023-08-07 | 2023-08-07 | 一种包含可信度因素的交互数据的获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116721768B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107088051A (zh) * | 2017-04-12 | 2017-08-25 | 潘晓东 | 一种用于脑健康认知障碍诊断及风险评估方法及*** |
| CN107240398A (zh) * | 2017-07-04 | 2017-10-10 | 科大讯飞股份有限公司 | 智能语音交互方法及装置 |
| CN108433823A (zh) * | 2017-02-16 | 2018-08-24 | 西门子保健有限责任公司 | 用于操作医疗仪器的操作设备和操作方法 |
| CN110110066A (zh) * | 2019-05-09 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 一种交互数据处理方法、装置以及计算机可读存储介质 |
| CN113539489A (zh) * | 2020-11-13 | 2021-10-22 | 厦门市和家健脑智能科技有限公司 | 用于评估视觉注意力的人机交互方法和装置 |
| CN113723306A (zh) * | 2021-08-31 | 2021-11-30 | 上海掌门科技有限公司 | 俯卧撑检测方法、设备以及计算机可读介质 |
| CN115019964A (zh) * | 2021-06-11 | 2022-09-06 | 合肥工业大学 | 一种基于数字生物标志物的认知能力评判***及方法 |
| CN115993926A (zh) * | 2023-01-12 | 2023-04-21 | 上海传英信息技术有限公司 | 交互方法、智能终端及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10258288B2 (en) * | 2014-03-24 | 2019-04-16 | Samsung Electronics Co., Ltd. | Confidence indicator for physiological measurements using a wearable sensor platform |
| US11243785B2 (en) * | 2019-06-13 | 2022-02-08 | Atlassian Pty Ltd. | User interface interaction optimization system and method to detect and display a correlation between a user interface variation and a user interaction goal |
-
2023
- 2023-08-07 CN CN202310979802.0A patent/CN116721768B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108433823A (zh) * | 2017-02-16 | 2018-08-24 | 西门子保健有限责任公司 | 用于操作医疗仪器的操作设备和操作方法 |
| CN107088051A (zh) * | 2017-04-12 | 2017-08-25 | 潘晓东 | 一种用于脑健康认知障碍诊断及风险评估方法及*** |
| CN107240398A (zh) * | 2017-07-04 | 2017-10-10 | 科大讯飞股份有限公司 | 智能语音交互方法及装置 |
| CN110110066A (zh) * | 2019-05-09 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 一种交互数据处理方法、装置以及计算机可读存储介质 |
| CN113539489A (zh) * | 2020-11-13 | 2021-10-22 | 厦门市和家健脑智能科技有限公司 | 用于评估视觉注意力的人机交互方法和装置 |
| CN115019964A (zh) * | 2021-06-11 | 2022-09-06 | 合肥工业大学 | 一种基于数字生物标志物的认知能力评判***及方法 |
| CN113723306A (zh) * | 2021-08-31 | 2021-11-30 | 上海掌门科技有限公司 | 俯卧撑检测方法、设备以及计算机可读介质 |
| CN115993926A (zh) * | 2023-01-12 | 2023-04-21 | 上海传英信息技术有限公司 | 交互方法、智能终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116721768A (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vi et al. | Detecting error-related negativity for interaction design | |
| CN109620259B (zh) | 基于眼动技术与机器学习对孤独症儿童自动识别的*** | |
| JP4957994B2 (ja) | 運転適性診断装置、運転適性診断プログラム及び運転適性診断プログラムが記憶された記憶媒体 | |
| JP6340830B2 (ja) | 解析装置及びプログラム | |
| CN103598870A (zh) | 一种基于深度图像手势识别的视力检测方法 | |
| KR20130099321A (ko) | 네추럴 인터렉션 기반 건강 및 재활운동 기능성 측정 평가 시스템 | |
| CN111248851A (zh) | 一种视功能自测方法 | |
| Bishop et al. | Validity and reliability of strategy metrics to assess countermovement jump performance using the newly developed smartphone application | |
| CN116721768B (zh) | 一种包含可信度因素的交互数据的获取方法 | |
| CN113262459B (zh) | 应用于运动健身镜的动作标准性的判定方法，装置和介质 | |
| CN106178466A (zh) | 一种健身用度量分析方法及*** | |
| CN115944266A (zh) | 基于眼动追踪技术的视功能确定方法及装置 | |
| CN116236208A (zh) | 一种基于人体体表特征的多导联心电电极贴片定位方法 | |
| CN116271757A (zh) | 一种基于ai技术的篮球练习的辅助***和方法 | |
| CN116152924A (zh) | 一种运动姿势评估方法、装置、***及计算机存储介质 | |
| CN115601823A (zh) | 一种中小学生专注度追踪及评估方法 | |
| EP3223687B1 (en) | Device for measuring allergic wheals | |
| CN112714328A (zh) | 一种直播课学生姿态提示方法、装置及电子设备 | |
| CN108172090B (zh) | 一种采血穿刺的自动化训练装置及方法 | |
| CN115349145A (zh) | 学习辅助装置及学习辅助*** | |
| CN116153510B (zh) | 矫正镜控制方法、装置、设备、存储介质及智能矫正镜 | |
| CN116602680A (zh) | 结合手指灵活度和跨度的认知能力客观定量测量方法 | |
| CN111260678A (zh) | 体操辅助学习的方法、装置、存储介质和终端设备 | |
| CN116824683B (zh) | 一种基于移动设备的眼动数据采集方法及*** | |
| JP2000237133A (ja) | 視覚能力測定装置 |
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 |