TWI764558B - 注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 - Google Patents
注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體Info
- Publication number
- TWI764558B TWI764558B TW110104489A TW110104489A TWI764558B TW I764558 B TWI764558 B TW I764558B TW 110104489 A TW110104489 A TW 110104489A TW 110104489 A TW110104489 A TW 110104489A TW I764558 B TWI764558 B TW I764558B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- momentum
- represent
- value
- average
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一種注意力不足過動症評估方法,用以解決習知注意力不足過動症根據行為評量表評估,具有檢測精確度不佳的問題。係包含:收集一受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六組動量數據;以至少一動量數據作為一檢測數據,並分析該檢測數據的數值是否超出一標準數據的數值,若分析結果為是,則將該受測者判定為確診注意力不足過動症。
Description
本發明係關於一種心理與行為的評估方法,尤其是一種用以評估受測者是否具有注意力不足過動症的方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體。
習知注意力不足過動症(Attention Deficit Hyperactivity Disorder,ADHD)的診斷,係根據醫師對一受測者(如:孩童)的問診結果,以及根據如學校老師、家長或其他監護人,依據該受測者的日常行為所填寫的行為評量表(如:Werry-Weiss-Peters Activity Scale,WWPAS及Conner's Teacher Rating Scale,CTRS)的評分,以作為該受測者是否確診注意力不足過動症的判斷基準。其中,該行為評量表普遍係以紙本方式呈現,並具有數種行為狀況可供圈選該受測者平常執行的頻率,該數種行為狀況例如可以為「在座位上玩弄手腳或不好好坐著」、「在不適當的場合亂跑或爬高爬低」及「很難安靜的玩或參與休閒活動」等。
雖然該行為評量表是由許多專業醫師與心理醫師歸納整理出的問卷,惟學校老師或家長對該行為評量表的症狀描述語句的理解,可能與
該症狀描述語句實際要表達的意思不同,使得在評估該受測者是否有發生對應行為時,可能造成誤判;再且,在填寫該行為評量表時很容易受主觀因素的影響,例如:家長為了獲取醫療補助,導致在填寫該行為評量表時會誇大其辭,或者是,家長顧慮小孩被貼標籤,導致在填寫該行為評量表時會隱瞞事實,進而造成該受測者的診斷結果被過度診斷(over diagnosis)或診斷不足(under diagnosis),如此,該習知注意力不足過動症的診斷方式,係具有檢測精確度不佳的問題。
有鑑於此,習知的注意力不足過動症的診斷方式確實仍有加以改善之必要。
為解決上述問題,本發明的目的是提供一種注意力不足過動症評估方法,係可以透過受測者的動量資訊,以評估該受測者是否確診注意力不足過動症者。
本發明的次一目的是提供一種注意力不足過動症評估方法及系統,係可以透過該受測者與正常人的平均動量,以評估該受測者是否確診注意力不足過動症者。
本發明的又一目的是提供一種注意力不足過動症評估方法及系統,係可以透過該受測者與正常人的平均過零率,以評估該受測者是否確診注意力不足過動症者。
本發明的再一目的是提供一種注意力不足過動症評估系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,用以執行上述方法。
本發明全文所述方向性或其近似用語,例如「前」、「後」、
「左」、「右」、「上(頂)」、「下(底)」、「內」、「外」、「側面」等,主要係參考附加圖式的方向,各方向性或其近似用語僅用以輔助說明及理解本發明的各實施例,非用以限制本發明。
本發明全文所述之「過零率(zero-crossing rate,ZCR)」,係指一個信號的符號變化的比率,例如:信號從正數變成負數或信號從負數變成正數。
本發明全文所記載的元件及構件使用「一」或「一個」之量詞,僅是為了方便使用且提供本發明範圍的通常意義;於本發明中應被解讀為包括一個或至少一個,且單一的概念也包括複數的情況,除非其明顯意指其他意思。
本發明全文所述之「電腦(Computer)」,係指具備特定功能且以硬體或硬體與軟體實現的各式資料處理裝置,例如:伺服器、虛擬機器(如:Amazon,Azure)、桌上型電腦、筆記型電腦、平板電腦或智慧型手機等,係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「電腦程式產品(Computer Program Product)」,係指載有電腦可讀取之程式且不限外在形式之物,係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「電腦可讀取記錄媒體(Computer Readable Medium)」,係指一載體,其上儲存有軟體,該軟體可為電腦所存取;常見者有光碟、硬碟、USB隨身碟、各式記憶卡、雲端或虛擬儲存空間等,係本發明所屬技術領域中具有通常知識者可以理解。
本發明全文所述之「資料庫單元(Database Unit)」,係指將一群相關的電子資料集合並儲存在硬碟、記憶體或上述之組合,且可藉由資料庫管理系統(DBSMS)所提供的語法功能,例如新增、讀取、搜尋、更新
及刪除等,對電子資料進行相關處理;該資料庫管理系統可以藉由不同資料結構方式管理電子資料,例如可以為關聯式、階層式、網狀式或物件導向式等,本發明係以關聯式資料庫管理系統為例進行以下說明,惟非用以限制本發明。
本發明的注意力不足過動症評估方法,係藉由一電腦執行以下各步驟,包含:收集一受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六組動量數據;以至少一動量數據作為一檢測數據,並分析該檢測數據的數值是否超出一標準數據的數值,若分析結果為是,則將該受測者判定為確診注意力不足過動症;各該動量數據在該測量時間內具有數個取樣值,計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量或至少一平均過零率,並將該至少一平均動量或該至少一平均過零率作為該檢測數據;該平均動量的計算公式為:
其中,i:用以表示在各該時間區間中的該數個取樣值各自的序號;W:用以表示各該時間區間的長度,亦即,各該時間區間中的該數個取樣值的數量;k:用以表示各該時間區間的序號;s (k-1)W+i :用以表示第k個時間區間中的第i個取樣值;:用以表示第k個時間區間中的數個取樣值的平均數;:用以表示第k個時間區間中的數個取樣值的變異數;K:用以表示該數個時間區間的數量;:用以表示K個時間區間中的所有取樣值變異數的平均數;該平均過零率的計算公式為:
其中,s (k-1)W+i+1:用以表示第k個時間區間中的第i+1個取樣值;sgn(x):用以表示符號函數,若x<0,則值為-1,若x=0,則值為0,若x>0,則值為1;:用以表示第k個時間區間中的數個取樣值的過零率;:用以表示K個時間區間中的所有取樣值過零率的平均數。
本發明揭示之內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,當電腦系統載入該程式並執行後,可完成上述方法;如此,可便於使用、交換或執行上揭方法,有利於廣泛運用上述的注意力不足過動症評估於其他應用軟體。
本發明的注意力不足過動症評估系統,包含:一運動感測模組,供一受測者配戴,該運動感測模組用以收集該受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六動量數值;一資料庫單元,用以儲存數個標準數據,該數個標準數據具有正常人於活動時的三軸角加速度及三軸加速度;及一分析平台,耦接該運動感測模組及該資料庫單元,該分析平台以至少一動量數值作為一檢測數據,並由該資料庫單元中取得相對應該至少一動量數據的標準數據,該分析平台分析該檢測數據的數值是否超出相對應的標準數據的數值,若分析結果為是,則產生一確診通知訊號。
據此,本發明的注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,係可以透過該運動感測模組獲得該受測者的活動數據,並對該受測者的行為進行數值量化,以作為評估該受測者是否確診注意力不足過動症的條件。如此,本發明的注意力不
足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,係具有提升注意力不足過動症檢測精準度的功效。
其中,各該動量數據在該測量時間內具有數個取樣值,計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量,並將該至少一平均動量作為該檢測數據,該平均動量的計算公式為:
其中,i:用以表示在各該時間區間中的該數個取樣值各自的序號;W:用以表示各該時間區間的長度,亦即,各該時間區間中的該數個取樣值的數量;k:用以表示各該時間區間的序號;s (k-1)W+i :用以表示第k個時間區間中的第i個取樣值;:用以表示第k個時間區間中的數個取樣值的平均數;:用以表示第k個時間區間中的數個取樣值的變異數;K:用以表示該數個時間區間的數量;:用以表示K個時間區間中的所有取樣值變異數的平均數。如此,本發明的注意力不足過動症評估方法,係具有透過該受測者與正常人的平均動量,以評估該受測者是否確診注意力不足過動症的功效。
其中,該動量數據的數量為單一個時,該動量數據為該受測者於活動時的Y軸角加速度。如此,由於注意力不足過動症患者,其非慣用手在Y軸的運動頻率,與正常人之間具有較明顯的差距,因此,本發明的注意力不足過動症評估方法,係具有維持檢測準確率的前提下簡化所需分析的數據的功效。
其中,各該動量數據在該測量時間內具有數個取樣值,計算該至少一動量數據各自的數個取樣值的過零率的平均值,以獲得至少一平均過零率,並將該至少一平均過零率作為該檢測數據,該平均過零率的計算公式為:
其中,i:用以表示在各該時間區間中的該數個取樣值各自的序號;W:用以表示各該時間區間的長度,亦即,各該時間區間中的該數個取樣值的數量;k:用以表示各該時間區間的序號;s (k-1)W+i+1:用以表示第k個時間區間中的第i+1個取樣值;s (k-1)W+i :用以表示第k個時間區間中的第i個取樣值;sgn(x):用以表示符號函數,若x<0,則值為-1,若x=0,則值為0,若x>0,則值為1;:用以表示第k個時間區間中的數個取樣值的過零率;K:用以表示該數個時間區間的數量;:用以表示K個時間區間中的所有取樣值過零率的平均數。如此,本發明的注意力不足過動症評估方法,係具有透過該受測者與正常人的平均過零率,以評估該受測者是否確診注意力不足過動症的功效。
其中,該動量數據的數量為單一個時,該動量數據為該受測者於活動時的Z軸加速度。如此,由於注意力不足過動症患者,其非慣用手在Z軸的運動頻率,與正常人之間具有較明顯的差距,因此,本發明的注意力不足過動症評估方法,係具有維持檢測準確率的前提下簡化所需分析的數據的功效。
其中,該檢測數據所包含的動量數據的數量為複數個時,該數個動量數據中具有一半以上的動量數據的數值皆超出相對應的標準數據的數值,才將該受測者判定為確診注意力不足過動症。如此,本發明的注意力不足過動症評估方法,係具有提升檢測準確率的功效。
其中,各該動量數據在該測量時間內具有數個取樣值,該分析
平台計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量,並將該至少一平均動量作為該檢測數據,該平均動量的計算公式為:
其中,i:用以表示在各該時間區間中的該數個取樣值各自的序號;W:用以表示各該時間區間的長度,亦即,各該時間區間中的該數個取樣值的數量;k:用以表示各該時間區間的序號;s (k-1)W+i :用以表示第k個時間區間中的第i個取樣值;:用以表示第k個時間區間中的數個取樣值的平均數;:用以表示第k個時間區間中的數個取樣值的變異數;K:用以表示該數個時間區間的數量;:用以表示K個時間區間中的所有取樣值變異數的平均數。如此,本發明的注意力不足過動症評估系統,係具有透過該受測者與正常人的平均動量,以評估該受測者是否確診注意力不足過動症的功效。
其中,該動量數據的數量為單一個,且該分析平台用以分析該受測者是否確診的條件為動量數據的平均動量時,該動量數據為該受測者Y軸角加速度。如此,由於注意力不足過動症患者,其非慣用手在Y軸的運動頻率,與正常人之間具有較明顯的差距,因此,本發明的注意力不足過動症評估系統,係具有維持檢測準確率的前提下簡化所需分析的數據的功效。
其中,各該動量數據在該測量時間內具有數個取樣值,該分析平台計算該至少一動量數據各自的數個取樣值的過零率的平均值,以獲得至少一平均過零率,並將該至少一平均過零率作為該檢測數據,該平均過零率的計算公式為:
其中,i:用以表示在各該時間區間中的該數個取樣值各自的序號;W:用以表示各該時間區間的長度,亦即,各該時間區間中的該數個取樣值的數量;k:用以表示各該時間區間的序號;s (k-1)W+i+1:用以表示第k個時間區間中的第i+1個取樣值;s (k-1)W+i :用以表示第k個時間區間中的第i個取樣值;sgn(x):用以表示符號函數,若x<0,則值為-1,若x=0,則值為0,若x>0,則值為1;:用以表示第k個時間區間中的數個取樣值的過零率;K:用以表示該數個時間區間的數量;:用以表示K個時間區間中的所有取樣值過零率的平均數。如此,本發明的注意力不足過動症評估系統,係具有透過該受測者與正常人的平均過零率,以評估該受測者是否確診注意力不足過動症的功效。
其中,該動量數據的數量為單一個,且該分析平台用以分析該受測者是否確診的條件為動量數據的平均過零率時,該動量數據為該受測者Z軸加速度。由於注意力不足過動症患者,其非慣用手在Z軸的運動頻率,與正常人之間具有較明顯的差距,因此,本發明的注意力不足過動症評估系統,係具有維持檢測準確率的前提下簡化所需分析的數據的功效。
其中,該檢測數據所包含的動量數據的數量為複數個時,該分析平台判斷該數個動量數據中具有一半以上的動量數據的數值,是否皆超出相對應的標準數據的數值,若判斷結果為是,則產生該確診通知訊號。如此,本發明的注意力不足過動症評估系統,係具有提升檢測準確率的功效。
〔本發明〕
1:運動感測模組
2:資料庫單元
3:分析平台
S1:數據量測步驟
S2:數據分析步驟
S3:數據前處理步驟
〔第1圖〕本發明一較佳實施例的方法流程圖。
〔第2圖〕本發明一較佳實施例的系統方塊圖。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本發明之較佳實施例,並配合所附圖式,作詳細說明如下:請參照第1圖所示,其係本發明注意力不足過動症評估方法的一較佳實施例,係包含一數據量測步驟S1及一數據分析步驟S2。
該數據量測步驟S1係收集一受測者在一測量時間內的活動數據,該受測者係為一注意力不足過動症疑似患者,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六組動量數據。具體而言,該受測者可以藉由配戴一運動感測模組,以獲得該六組動量數據,該運動感測模組可以具有一三軸陀螺儀及一三軸加速度計,該三軸陀螺儀及該三軸加速度計可以在每單位時間內,各別對該受測者取樣一固定次數,例如可以為200次/秒,以獲得該受測者在該測量時間內的X軸角加速度(Gx)、Y軸角加速度(Gy)、Z軸角加速度(Gz)、X軸加速度(Ax)、Y軸加速度(Ay)及Z軸加速度(Az)等動量數據。
在本實施例中,該運動感測模組可以為一智慧手錶(Smartwatch),並供配戴於該受測者的腕部。值得一提的是,當該智慧手錶的錶面位於該腕部外側時,較佳地,該三軸陀螺儀及該三軸加速度計的X軸向係朝該受測者手掌延伸的方向,Y軸向係朝該受測者腕部兩側延伸的方向,Z軸向係朝向該受測者腕部內外側延伸的方向。
該數據分析步驟S2係以該至少一動量數據作為一檢測數據,並分析該檢測數據的數值是否超出一標準數據的數值,若分析結果為是,則將該受測者判定為確診注意力不足過動症;若分析結果為否,則將該受測者
判定為未確診注意力不足過動症,意即,將該受測者判定為正常人。
具體而言,該檢測數據所包含的動量數據的數量為複數個時,該數個動量數據中具有一半以上的動量數據的數值皆超出相對應的標準數據的數值,才將該受測者判定為確診注意力不足過動症。舉例而言,該檢測數據所包含的動量數據的數量為兩個時,必須具有至少一動量數據的數值超出相對應的標準數據的數值,才將該受測者判定為確診;或該檢測數據所包含的動量數據的數量為三個時,必須具有至少二動量數據的數值超出相對應的標準數據的數值時,才將該受測者判定為確診,以此類推,當該檢測數據所包含的動量數據的數量為六個時,必須具有至少三動量數據的數值超出相對應的標準數據的數值時,才將該受測者判定為確診。
本發明注意力不足過動症評估方法,還可以具有一數據前處理步驟S3,該數據前處理步驟S3係對該數據量測步驟S1所獲得的動量數據執行資料前處理,以供該數據分析步驟S2分析該受測者是否確診。具體而言,該測量時間可以分成數個時間區間,各該動量數據在各該時間區間內具有數個取樣值,在本實施例中,係可以計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量(variance),並將該至少一平均動量作為分析該受測者是否確診的條件,該平均動量的計算公式係可以如下列公式(1)~(2)所示:
另一實施例中,係可以計算該至少一動量數據各自的數個取樣值的過零率(zero-crossing rate,ZCR)的平均值,以獲得至少一平均過零率,並將該至少一平均過零率作為分析該受測者是否確診的條件,該平均過零率的計算公式係可以如下列公式(3)~(5)所示:
值得一提的是,該數據前處理步驟S3還可以同時計算取得該至少一動量數據的平均動量及平均過零率,並作為分析該受測者是否確診的條件,意即,當該受測者的至少一動量數據的平均動量及平均過零率皆大於正常人的標準數據時,則將該受測者判定為確診注意力不足過動症,反之,則將該受測者判定為正常人。
舉例而言,本發明注意力不足過動症評估方法針對30位受測
者進行檢測,其中包含15位注意力不足過動症患者及15位年齡、性別相當的正常人;將該運動感測模組配戴於上述受測者的非慣用手,並於同一時間記錄上述受測者的活動情況,在本實施例中,該運動感測模組的檢測時間可以為每天兩小時且連續三天測量,上述受測者的檢測環境可以為如語文、自然科學或數學等靜態課程,使上述受測者在該檢測時間內的大部分時間,係應坐在椅子上聽課的狀態;將由該運動感測模組所測量到的六組動量數據的數值,分別計算其平均動量及平均過零率,係可以得到如下列表一及表二的數據。
由上述表一及表二可以得知,具有注意力不足過動症的病患,其非慣用手在Y軸及Z軸的運動頻率,與正常人之間具有較明顯的差距,因此,當該檢測數據所包含的動量數據的數量為單一個,且用以分析該受測者是否確診的條件為動量數據的平均動量時,該動量數據較佳為該受測者於活動時的Y軸角加速度;或者,當該檢測數據所包含的動量數據的數量為單一個,且用以分析該受測者是否確診的條件為動量數據的平均過零率時,該動量數據較佳為該受測者於活動時的Z軸加速度。
本發明上述方法實施例還可利用程式語言(Program Language,如:C++、Java、Python或Julia)撰寫成電腦程式(如:注意力不足過動症評估程式,用以分析受測者是否確診注意力不足過動症),其程式碼的撰寫方式係熟知該項技藝者可以理解,可用以產生一種內儲程式之電腦程式產品,當該電腦系統載入該程式並執行後,可完成本發明上述方法實施例。
上述電腦程式產品還可儲存於一種內儲程式之電腦可讀取記錄媒體,如:光碟、硬碟、USB隨身碟、各式記憶卡、雲端或虛擬儲存空間等,當電腦系統載入上述程式並執行後,可完成本發明上述方法實施例,作為本發明之電腦系統軟硬體協同運作的根據。
請參照第2圖所示,其係本發明注意力不足過動症評估系統的
一較佳實施例,係包含一運動感測模組1、一資料庫單元2及一分析平台3,該運動感測模組1及該資料庫單元2分別耦接該分析平台3。
該運動感測模組1供一受測者配戴,在本實施例中,該運動感測模組1係配戴於該受測者的非慣用手。該運動感測模組1用以收集該受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六組動量數據。具體而言,該運動感測模組1可以具有一三軸陀螺儀11(gyroscope)及一三軸加速度計12(accelerometer),該三軸陀螺儀11及該三軸加速度計12可以在每單位時間內,各別對該受測者取樣一固定次數,例如可以為200次/秒,以獲得該受測者在該測量時間內的X軸角加速度(Gx)、Y軸角加速度(Gy)、Z軸角加速度(Gz)、X軸加速度(Ax)、Y軸加速度(Ay)及Z軸加速度(Az)等動量數據。
在本實施例中,該運動感測模組1可以為一智慧手錶(Smartwatch),並供配戴於該受測者的腕部。值得一提的是,當該智慧手錶的錶面位於該腕部外側時,較佳地,該三軸陀螺儀及該三軸加速度計的X軸向係朝該受測者手掌延伸的方向,Y軸向係朝該受測者腕部兩側延伸的方向,Z軸向係朝向該受測者腕部內外側延伸的方向。
該資料庫單元2用以儲存數個標準數據,該數個標準數據具有正常人於活動時的三軸角加速度及三軸加速度等數據。
該分析平台3耦接該運動感測模組1及該資料庫單元2,該分析平台2以至少一動量數據作為一檢測數據,並由該資料庫單元2中取得相對應該至少一動量數據的標準數據,該分析平台3分析該檢測數據的數值是否超出相對應的標準數據的數值,若分析結果為是,則產生一確診通知訊號,以告知該受測者確診注意力不足過動症;若分析結果為否,則可以產生一未確診通知訊號,或不需執行額外作動。其中,該分析平台3係可以將該確診
通知訊號及該未確診通知訊號,發送至該受測者的智慧型手機、平版電腦等行動裝置,以將分析結果告知該受測者,惟不以此為限。該數個標準數據係可以事先透過該運動感測模組1量測正常人的數值並計算,且將計算後的結果儲存於該資料庫單元2,以供該分析平台3後續分析比對時使用。在本發明中,該運動感測模組1、該資料庫單元2與該分析平台3係可以各自獨立的三裝置,或是整合在同一個裝置中,係本發明領域人員可以理解。
具體而言,該檢測數據所包含的動量數據的數量為複數個時,該分析平台3可以判斷該數個動量數據中具有一半以上的動量數據的數值,是否皆超出相對應的標準數據的數值,若判斷結果為是,則產生該確診通知訊號;若判斷結果為否,則產生該未確診通知訊號。舉例而言,該檢測數據所包含的動量數據的數量為兩個時,必須具有至少一動量數據的數值超出相對應的標準數據的數值,該分析平台3才將該受測者判定為確診;或該檢測數據所包含的動量數據的數量為三個時,必須具有至少二動量數據的數值超出相對應的標準數據的數值時,該分析平台3才將該受測者判定為確診,以此類推,當該檢測數據所包含的動量數據的數量為六個時,必須具有至少三動量數據的數值超出相對應的標準數據的數值時,該分析平台3才將該受測者判定為確診。
在本實施例中,該分析平台3可以計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量,並將該至少一平均動量作為分析該受測者是否確診的條件,該平均動量的計算公式係可以如上述公式(1)~(2)所示;另一實施例中,該分析平台3可以計算該至少一動量數據各自的數個取樣值的過零率的平均值,以獲得至少一平均過零率,並將該至少一平均過零率作為分析該受測者是否確診的條件,該平均過零率的計算公式係可以如上述公式(3)~(5)所示。
該分析平台3將該至少一動量數據的平均動量,與配戴上述運動感測模組1的正常人的標準數據相互比對,若該受測者的至少一動量數據的平均動量大於該標準數據的數值,則產生該確診通知訊號,以告知該受測者確診注意力不足過動症,其中,該分析平台3係可以事先將儲存於該資料庫單元2的數個標準數據,根據上述公式(1)~(2)換算成平均動量;另一方面,該分析平台3還可以將該至少一動量數據的平均過零率,與該正常人的標準數據相互比對,若該受測者的至少一動量數據的平均過零率大於該標準數據的數值,則產生該確診通知訊號,以告知該受測者確診注意力不足過動症,其中,該分析平台3係可以事先將儲存於該資料庫單元2的數個標準數據,根據上述公式(3)~(5)換算成平均過零率;再且,該分析平台3還可以同時將該至少一動量數據的平均動量及平均過零率,與該正常人的標準數據相互比對,若該受測者的至少一動量數據的平均動量及平均過零率皆大於該標準數據的數值,則產生該確診通知訊號,以告知該受測者確診注意力不足過動症。
由上述表一及表二可以得知,具有注意力不足過動症的病患,其非慣用手在Y軸及Z軸的運動頻率,與正常人之間具有較明顯的差距,因此,當該檢測數據所包含的動量數據的數量為單一個,且該分析平台3用以分析該受測者是否確診的條件為動量數據的平均動量時,該動量數據可以為該受測者的Y軸角加速度;或者,當該檢測數據所包含的動量數據的數量為單一個,且該分析平台3用以分析該受測者是否確診的條件為動量數據的平均過零率時,該動量數據可以為該受測者的Z軸加速度。
綜上所述,本發明的注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,係可以透過該運動感測模組獲得該受測者的活動數據,並對該受測者的行為進行數值量化,以作為評估該受測者是否確診注意力不足過動症的條件。如此,本發明的注意
力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體,係具有提升注意力不足過動症檢測精準度的功效。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S1:數據量測步驟
S2:數據分析步驟
S3:數據前處理步驟
Claims (12)
- 一種注意力不足過動症評估方法,係藉由一電腦執行以下各步驟,包含:收集一受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六組動量數據;以至少一動量數據作為一檢測數據,並分析該檢測數據的數值是否超出一標準數據的數值,若分析結果為是,則將該受測者判定為確診注意力不足過動症;各該動量數據在該測量時間內具有數個取樣值,計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量或至少一平均過零率,並將該至少一平均動量或該至少一平均過零率作為該檢測數據;該平均動量的計算公式為:
- 如請求項1之注意力不足過動症評估方法,其中,該動量數據的數量為單一個時,該動量數據為該受測者於活動時的Y軸角加速度。
- 如請求項1之注意力不足過動症評估方法,其中,該動量數據的數量為單一個時,該動量數據為該受測者於活動時的Z軸加速度。
- 如請求項1之注意力不足過動症評估方法,其中,該檢測數據所包含的動量數據的數量為複數個時,該數個動量數據中具有一半以上的動量數據的數值皆超出相對應的標準數據的數值,才將該受測者判定為確診注意力不足過動症。
- 一種內儲程式之電腦程式產品,當電腦系統載入該程式並執行後,可完成如請求項1至4中任一項之注意力不足過動症評估方法。
- 一種內儲程式之電腦可讀取記錄媒體,當電腦系統載入該程式並執行後,可完成如請求項1至4中任一項之注意力不足過動症評估方法。
- 一種注意力不足過動症評估系統,包含:一運動感測模組,供一受測者配戴,該運動感測模組用以收集該受測者在一測量時間內的活動數據,該活動數據包含該受測者於活動時的三軸角加速度及三軸加速度,以獲得六動量數值;一資料庫單元,用以儲存數個標準數據,該數個標準數據具有正常人於活動時的三軸角加速度及三軸加速度;及一分析平台,耦接該運動感測模組及該資料庫單元,該分析平台以至少一 動量數值作為一檢測數據,並由該資料庫單元中取得相對應該至少一動量數據的標準數據,該分析平台分析該檢測數據的數值是否超出相對應的標準數據的數值,若分析結果為是,則產生一確診通知訊號。
- 如請求項7之注意力不足過動症評估系統,其中,各該動量數據在該測量時間內具有數個取樣值,該分析平台計算該至少一動量數據各自的數個取樣值的平均值,以獲得至少一平均動量,並將該至少一平均動量作為該檢測數據,該平均動量的計算公式為:
- 如請求項8之注意力不足過動症評估系統,其中,該動量數據的數量為單一個,且該分析平台用以分析該受測者是否確診的條件為動量數據的平均動量時,該動量數據為該受測者Y軸角加速度。
- 如請求項7之注意力不足過動症評估系統,其中,各該動量數據在該測量時間內具有數個取樣值,該分析平台計算該至少一動量數據各自的數個取樣值的過零率的平均值,以獲得至少一平均過零率,並將該至少一平均過零率作為該檢測數據,該平均過零率的計算公式為:
- 如請求項10之注意力不足過動症評估系統,其中,該動量數據的數量為單一個,且該分析平台用以分析該受測者是否確診的條件為動量數據的平均過零率時,該動量數據為該受測者Z軸加速度。
- 如請求項7之注意力不足過動症評估系統,其中,該檢測數據所包含的動量數據的數量為複數個時,該分析平台判斷該數個動量數據中具有一半以上的動量數據的數值,是否皆超出相對應的標準數據的數值,若判斷結果為是,則產生該確診通知訊號。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110104489A TWI764558B (zh) | 2021-02-05 | 2021-02-05 | 注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110104489A TWI764558B (zh) | 2021-02-05 | 2021-02-05 | 注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI764558B true TWI764558B (zh) | 2022-05-11 |
TW202232511A TW202232511A (zh) | 2022-08-16 |
Family
ID=82594198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110104489A TWI764558B (zh) | 2021-02-05 | 2021-02-05 | 注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI764558B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105408904A (zh) * | 2013-05-24 | 2016-03-16 | 波士顿科学神经调制公司 | 用于管理医疗服务的***和方法 |
TW201944429A (zh) * | 2018-03-04 | 2019-11-16 | 美商阿奇力互動實驗室公司 | 針對免疫調節及神經退化性失調的認知篩檢、監測和認知處理 |
-
2021
- 2021-02-05 TW TW110104489A patent/TWI764558B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105408904A (zh) * | 2013-05-24 | 2016-03-16 | 波士顿科学神经调制公司 | 用于管理医疗服务的***和方法 |
TW201944429A (zh) * | 2018-03-04 | 2019-11-16 | 美商阿奇力互動實驗室公司 | 針對免疫調節及神經退化性失調的認知篩檢、監測和認知處理 |
Also Published As
Publication number | Publication date |
---|---|
TW202232511A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Montoye et al. | Development of cut-points for determining activity intensity from a wrist-worn ActiGraph accelerometer in free-living adults | |
Kolla et al. | Consumer sleep tracking devices: a review of mechanisms, validity and utility | |
Solomon et al. | Strength, endurance, and stability of the tongue and hand in Parkinson disease | |
Yang et al. | When fitness trackers don't'fit' end-user difficulties in the assessment of personal tracking device accuracy | |
Li et al. | Using context to reveal factors that affect physical activity | |
Xu et al. | Will you have a good sleep tonight? sleep quality prediction with mobile phone | |
Koch et al. | Validity of questionnaire and representativeness of objective methods for measurements of mechanical exposures in construction and health care work | |
Boudet et al. | How to measure sedentary behavior at work? | |
Jun et al. | Are measures of postural behavior using motion sensors in seated office workers reliable? | |
Scott et al. | The development and accuracy of the THIM wearable device for estimating sleep and wakefulness | |
Hafiz et al. | Wearable computing technology for assessment of cognitive functioning of bipolar patients and healthy controls | |
US11324426B1 (en) | System, method, and computer program product for real-time evaluation of psychological and physiological states using embedded sensors of a mobile device | |
Yannam et al. | Research study and system design for evaluating student stress in Indian Academic Setting | |
TWI764558B (zh) | 注意力不足過動症評估方法、系統、內儲程式之電腦程式產品及內儲程式之電腦可讀取記錄媒體 | |
Liu et al. | How physical exercise level affects sleep quality? Analyzing big data collected from wearables | |
Yamane et al. | Tri-Axial Accelerometer-Based Recognition of Daily Activities Causing Shortness of Breath in COPD Patients. | |
Yang et al. | Loneliness forecasting using multi-modal wearable and mobile sensing in everyday settings | |
Zaman et al. | An evaluation of smartphone apps for preventive healthcare focusing on cardiovascular disease | |
Liu et al. | Prediction of sleep efficiency from big physical exercise data | |
Qirtas | Detecting loneliness in people using technology | |
Perumal et al. | Remote assessment, in real-world setting, of tremor severity in parkinson's disease patients using smartphone inertial sensors | |
KR20220160131A (ko) | 인공지능 기반의 vr 심리검사 서비스 제공 장치 및 방법 | |
Yan et al. | Leveraging walking performance to understand work fatigue among young adults: mixed-methods study | |
Liikkanen et al. | Feasibility and patient acceptability of a commercially available wearable and a smart phone application in identification of motor states in Parkinson’s disease | |
Au et al. | Wearable and digital technology tools: Neuropsychological assessment, monitoring, and diagnosis in the digital era. |