一种记忆力损害预防系统及方法与流程

一种记忆力损害预防系统及方法
1.本发明是申请号为201810217913.7，申请日为2018年03月16日，申请类型为发明，申请名称为一种针对老年人的记忆力训练装置的分案申请。
技术领域
2.本发明涉及人工智能领域，尤其涉及一种记忆力损害预防系统及方法。


背景技术：

3.记忆力训练常见于幼年和青少年等智力快速发展的阶段，常用于促进智力的发展以其获得更好的智力发展水平。老年人的记忆力状态处于下滑阶段或保持稳定阶段，因此，在日常生活中，模糊了老年人记忆力状态和病理之间的相关性，从而往往忽略了对老年人记忆力进行训练的重要性。例如，老年人的记忆力严重衰退会诱发老年痴呆、意识模糊、精神萎靡、交际困难等严重并发症，进一步使得老年人丧失生活自理能力。
4.基于老年人个体差异及外界条件的不同，相同的记忆力训练方案并不能最大程度上的适用于每一个使用个体。同时，相比于幼年或青少年，老年人的记忆力状态极易受患病、天气状态、情绪状态、睡眠状态等诸多因素的影响，并且老年人的记忆力出现下滑趋势后往往具有爆发性的指数性下跌特征，进而引发一系列例如是老年痴呆症、意识模糊、口齿不清等严重并发症。此时，对老年人开展记忆力训练已为时过晚。因此，如何实现记忆力训练的个性化以适用于不同的使用个体和提前并准确的预警老年人记忆力发生恶化的趋势以及时开展记忆力训练改善其记忆力状态是急需解决的问题。
5.现有技术中公开号为cn101478912a的专利文献公开了一种用于分析个体患痴呆型紊乱的方法，包括：接收与个体相关的多个脑电图数据；接收与个体相关的多个心血管风险因素数据；接收与个体相关的多个认知数据；至少部分地基于脑电图数据、心血管风险因素数据、以及认知数据中的一部分，确定所述个体是否具有患痴呆型紊乱的风险的指示值。该发明通过整合脑电图(eeg)的应用、神经心理学测试、以及心血管风险因素可提供用于分析和评估痴呆及痴呆型紊乱的系统和方法。该发明的实施方式可以利用并非是线性分析的eeg数据的非线性型分析，从而将非线性型eeg数据分析的结果与神经心理学测试或认知测试以及心血管风险因素的测定进行统计学地结合。与常规系统和方法中使用的线性型eeg测定相比，该发明可提供更可靠的预测信息。
6.上述技术方案是利用脑电图检测数据、心理测试或者认知测试、和心血管风险因素相结合，利用统计原理来预测痴呆风险。
7.现有技术中公开号为cn107533583a的专利文献公开了一种人类用户精神损害监测系统，其包括：一测量系统(23)，其用于反复测量由人类用户所实现的无意识调整的指数，所述测量系统包括处理器(6)，所述处理器能够访问存储器(7)，所述存储器储存时间相关的用户特定数据集，所述时间相关的用户特定数据集既包括时间相关的用户特定生理数据集又包括时间相关的用户特定行为数据，所述时间相关的用户特定生理数据集包括表示用户生理参数的数据，所述时间相关的用户特定行为数据集包括表示用户行为参数的数
据；处理器(6)，其包括计算器(24)，用于反复分析所述时间相关的用户特定数据集，以便通过所述时间相关的用户特定数据集来反复确定由人类用户所实现的无意识调整的指数的值，作为用户特定生理数据和用户特定行为数据的综合指数；一计算系统(25)，用于计算模式指数以及预先设定的结构化实验数据，所述模式指数表示用户显示精神损害模式的可能性，表示精神损害网格内用户的位置，所述精神损害网格包括来自预测模型(16)的精神损害模式，至少以针对用户测得的无意识调整指数的值为基础，所述预先设定的结构化实验数据储存在存储器(17)中，并且表示由实验性人类用户实现的无意识调整指数值与所述实验性人类用户的精神损害历史数据之间的关系。
8.上述技术方案专注于由用户进行的无意识调整的量化，作为评估精神损害可用的主要数据。医生诊断或者治疗心理健康时可将该数据考虑在内。该发明专注于用户在日常生活中所进行的无意识调整的量化。
9.现有技术中公开号为cn104902806a的专利文献公开了一种用于提供与对象的神经系统障碍或神经精神障碍相关的评估的方法，包括：选择指示与神经系统障碍或神经精神障碍关联的认知或感觉功能的一个或多个方面的剖析类别；向对象呈送刺激序列，所述刺激序列基于所选择的剖析类别；在所述刺激序列的所述呈送之前、期间和之后采集所述对象的生理信号以产生生理数据；以及处理所述生理数据以生成包含与所选择的剖析类别关联的一个或多个定量值的信息集。
10.上述技术方案公开了用于采集并使用生理信息(例如，脑信号)以表征对象的神经系统或神经精神障碍的病理和/或易患病性和/或评估此类疾病的治疗的系统、设备和方法。换言之，上述技术方案利用向被试提供刺激，检测刺激前、中、后的生理数据来分析神经系统相关障碍信息。
11.与上述多个技术方案所述的神经系统疾病的预测或者检测装置，本发明提出的是一种记忆力训练装置，针对的技术问题和所达到的技术效果与上述多个技术方案是完全不同的。
12.上述多个技术方案均仅涉及的技术方案为：根据检测数据判断患者病症类型或患病程度。其并未涉及本技术提出的根据实际记忆力状态校正理论记忆力状态以实现对不同个体因个体差异而造成的理论状态差异的校正过程，无法实现更准确的记忆力训练方案的匹配的技术方案。


技术实现要素：

13.本发明源自这样的发现，没有任何一个人能够准确描述某种记忆力状态带来的认知或感官感受。虽然现在有脑电波扫描、特征信号探测等等方法，也有大量人工智能的算法如cnn(卷积神经网络)、rnn(循环神经网络)、dnn(深度神经网络)被用于构件记忆力模型，然而具体到个体的适用效果而言都只能说是差强人意。
14.从心理学家的角度来看，记忆力状态是可管理的，至少是可引导的。这种管理与引导需要科学的方法和装置来辅助才能达到预期的效果。故此，本发明的任务在于，提供一种由使用人员自身来标定并记录记忆力状态及其关联的感受，并由此来有针对性地训练记忆力的装置及方法。通过本发明，一方面可以通过示教过程来完成对记忆力分析算法的训练，另一方面可以由用户持续地调整实际记忆力状态与理论记忆力状态之差别，使得本发明能
够逐渐习得用户的记忆力训练特征，进而有效管理用户记忆力状态。
15.一种针对老年人的记忆力训练装置，至少包括分别与数据分析模块按照有线和/或无线方式连接的用于自动采集和/或由用户输入实际记忆力状态信息的数据交互模块、用于以间接或直接地接触用户身体的方式采集身体信号的数据采集模块和用于存储数据信息的存储模块。其中，所述数据分析模块利用记忆力分析算法确定与所述身体信号对应的理论记忆力状态信息。所述数据分析模块基于用户输入的感受、实时记忆力状态信息和/或外界条件完成所述理论记忆力状态变化趋势的分析及校正。在可预见的时间点超出临界值的理论记忆力状态变化趋势按照与用户输入的感受、所述实际记忆力状态信息、身体信号和外界条件均彼此关联的方式分类存储至所述存储模块。其中，所述数据分析模块基于上述彼此关联的数据信息形成理论记忆力状态变化趋势超出临界值的边界触发条件，并分析用户的实际记忆力状态信息和所述边界触发条件的相关性，并基于所述相关性提前作出预警、推送记忆力训练方案和/或改善外界条件的建议。
16.由于老年人个体差异及外界条件的不同，相同的记忆力训练方案并不能最大程度上的适用于每一个使用个体。为了实现记忆力训练完全智能化，对记忆力分析算法进行训练，使之不断的缩小理论记忆力状态和实际记忆力状态之间的差距是必要的。通过上述技术手段有助于使得记忆力分析算法掌握当前用户的记忆力训练特征，从而能够开展个性化的记忆力训练。同时，确定开展记忆力训练的时机也尤为重要，特别是针对老年人。例如，受患病、天气状态、情绪状态、睡眠状态等诸多因素的影响，老年人有可能在持续的不适宜外界条件的环境中记忆力状态呈现指数性的下跌，进而引发一系列例如是老年痴呆症、意识模糊、口齿不清等严重并发症。此时，对老年人开展记忆力训练已为时过晚。因此，本发明将老年人的身体信号、感受和外界条件纳入监控测试范围，通过分析老年人在不同感受、不同身体信号和不同外界条件下与记忆力状态变化趋势之间的相关性以确定边界触发条件，使得本发明能够更准确的确定记忆力训练的开展时机。
17.根据一个优选实施方式，所述记忆力训练装置还包括与所述数据分析模块电连接的记忆力测试模块。其中，所述记忆力测试模块以文本、语音、视频和/或图形的方式向用户施加能够获取用户的记忆力状态信息的测试信息。所述数据交互模块基于所述测试信息的反馈结果确定记忆力状态的变化趋势。所述数据分析模块基于所述边界触发条件和/或所述记忆力状态的变化趋势来分析记忆力训练的示教过程。其中，根据所述示教过程确定的至少两种极端记忆力状态信息来预先配置记忆力分析算法的参数。在确定记忆力分析算法后，基于边界触发条件和记忆力状态的变化趋势对实际记忆力状态进行准确分析，提高对个体的实际记忆力状态的分析概率，有利于制定个性化的记忆力分析算法。用户的极端记忆力状态导致用户的记忆力衰退严重，进而诱发对周边事物的认识模糊、个人意识不清晰、丧失生活自理能力等严重后果。在上述情况下，需求记忆力分析算法具有高准确性以尽早提供预警信息。
18.根据一个优选实施方式，所述记忆力测试模块以文本、语音、视频和/或图形的方式向用户施加能够获取用户的记忆力状态信息的测试信息。并且所述数据交互模块自动采集与所述测试信息对应的测试反馈信息。同时所述数据采集模块采集用户的与所述测试反馈信息对应的身体信号、用户输入的感受和/或外界条件。所述数据分析模块基于所述测试反馈信息、所述外界条件、所述用户输入的感受和/或所述身体信号来预先配置记忆力分析
算法的参数，并且校正理论记忆力状态信息。
19.根据一个优选实施方式，所述数据分析模块基于持续不断地定性和/或定量地调整所述理论记忆力状态信息生成与当前用户相关的用户记忆力配置文件。并基于所述边界触发条件、所述记忆力状态的变化趋势和/或所述用户记忆力配置文件来分析记忆力训练的示教过程。
20.根据一个优选实施方式，所述数据分析模块记录引发用户的实际记忆力状态的外界条件并以与对应的实际记忆力状态关联的形式存储至所述存储模块，将用户输入的当前记忆力状态信息与所述外界条件以彼此关联的方式进行存储至所述存储模块。并对用户特定的记忆力状态与所述外界条件的相关性进行分析后，基于所述相关性对所述特定记忆力状态的引发进行推送记忆力训练方案。
21.根据一个优选实施方式，所述数据分析模块基于采集的身体信号来分析确定与之对应的理论记忆力状态。并以文本、语音、视频和/或图形的形式输出刺激信息以改变所述外界条件和/或直接向用户提供记忆力训练以改善用户的当前记忆力状态。
22.根据一个优选实施方式，用户输入的当前记忆力状态信息和与实际记忆力状态信息相关的外界条件以彼此关联的方式进行存储至所述存储模块。用户通过所述数据交互模块按照与外界条件相关的方式检索所述实际记忆力状态信息。
23.根据一个优选实施方式，所述数据分析模块根据所述实际记忆力状态信息来校正基于采集的身体信号分析确定的理论记忆力状态，由校正后的理论记忆力状态构成的记忆力管理配置文件按照可根据身体信号进行检索的方式存储至所述存储模块。
24.根据一个优选实施方式，所述数据分析模块基于对每一时刻的至少一个外界条件、身体信号和/或感受的迭代分析来记录实际记忆力状态和理论记忆力状态。并且所述数据交互模块以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、感受变化和实际记忆力状态的变化趋势，以颜色变化、声音和/或振动的方式提醒用户实际记忆力状态的极端变化趋势，和/或显示改变实际记忆力状态的建议。
25.本发明还提供一种针对老年人的记忆力训练方法，至少包括：自动采集和/或由用户输入实际记忆力状态信息。以间接或直接地接触用户身体的方式采集身体信号。基于预设的数据库利用记忆力分析算法确定与所述身体信号对应的理论记忆力状态信息。其中，基于用户输入的感受、实时记忆力状态信息和/或外界条件完成所述理论记忆力状态变化趋势的分析及校正。在可预见的时间点超出临界值的理论记忆力状态变化趋势按照与用户输入的感受、所述实际记忆力状态信息、身体信号和外界条件均彼此关联的方式分类存储。其中，基于上述彼此关联的数据信息形成理论记忆力状态变化趋势超出临界值的边界触发条件。分析用户的实际记忆力状态信息和所述边界触发条件的相关性，并基于所述相关性提前作出预警、推送记忆力训练方案和/或改善外界条件的建议。
26.本发明的有益技术效果：
27.本发明通过对记忆力分析算法的持续训练，使之不断缩小理论记忆力状态和实际记忆力状态之间的差距，同时，使得记忆力分析算法习得当前用户的记忆力训练特征，从而能够开展个性化的记忆力训练。进一步的，本发明将老年人的身体信号、感受和外界条件纳入监控测试范围，通过分析老年人在不同感受、不同身体信号和不同外界条件下与记忆力状态变化趋势之间的相关性以确定边界触发条件，使得本发明能够更准确的确定记忆力训
练的开展时机，避免老年人在持续的不适宜外界条件的环境中记忆力状态呈现指数性的下跌，进而引发一系列例如是老年痴呆症、意识模糊、口齿不清等严重并发症。
附图说明
28.图1是本发明的各模块的连接关系示意图；
29.图2是本发明的逻辑结构示意图；和
30.图3是本发明的数据交互模块的显示示意图。
31.附图标记列表
32.10：数据交互模块；20：数据采集模块；30：数据分析模块；31：数据库；40：存储模块；50：记忆力测试模块。
具体实施方式
33.下面结合附图进行详细说明。
34.实施例1
35.如图1所示，数据分析模块按照有线和/或无线方式分别与用于自动采集和/或由用户输入实际记忆力状态信息的数据交互模块、用于以间接或直接地接触用户身体的方式采集身体信号的数据采集模块、用于存储数据信息的存储模块和记忆力测试模块连接。优选的，所述数据交互模块可以是移动端。所述数据采集模块可以是探测器。所述数据分析模块可以是云端服务器。所述记忆力测试模块可以是记忆广度测试仪、安装有记忆力软件的智能终端等。所述存储模块可以是存储芯片、硬盘、存储服务器等。
36.优选的，所述数据分析模块包括至少三个双向接口、若干个数据输入接口和至少一个数据输出接口。其中，所述数据交互模块、所述存储模块和所述数据库通过不同的双向接口与所述数据分析模块连接进行双向通信。所述数据采集模块和所述记忆力测试模块通过不同的数据输入接口与所述数据分析模块连接。优选的，所述数据输出接口用于与上级或下级设备进行连接通信以将记忆力训练装置中的数据传输至所述上级或下级设备中。所述数据输出接口以数据只出不进的单向通信方式配置以避免了所述记忆力装置中的数据信息被窃取的风险。
37.如图1、图2和图3所示，本发明提供一种针对老年人记忆力训练的装置。本发明的记忆力训练装置至少包括数据交互模块10、数据采集模块20和数据分析模块30。数据交互模块10用于自动采集和/或由用户输入实际记忆力状态信息。优选的，数据交互模块10包括图像采集装置、视频采集装置。数据交互模块可以是智能终端，例如笔记本、手机、智能手环、智能手表等移动装置，也可以是摄像装置。优选的，摄像装置包括普通摄像装置和夜用摄像装置。优选的，自动采集是自动采集用户的正常人际交谈场合的交谈记录、用户对特定事件的描述状态等等。或者，由用户将自己的用文字描述的记忆力状态输入数据交互模块。
38.优选的，记忆力测试模块通过有线和/或无线的方式连接至数据交互模块。记忆力训练模块以文本、语音、视频和/或图形的形式输出刺激信息以改变所述外界条件和/或直接向用户提供训练刺激以改善用户的当前记忆力状态。记忆力测试模块以文本、语音、视频和/或图形的方式向用户施加能够获取用户的记忆力状态信息的测试信息，并且自动采集与所述测试信息对应的测试反馈信息。数据分析模块基于示教过程中的测试反馈信息和/
或身体信号来预先配置记忆力分析算法的参数，并且校正与身体信号对应的理论记忆力状态信息。优选的，记忆力测试模块可以是用户佩戴的vr设备。vr设备至少包括感测单元。感测单元在进行记忆力测试或记忆力训练过程中能够采集与用户的脑活动有关的信息并生成输出信号。输出信号可以被无线地和/或有线地发送到数据交互模块。
39.本发明的数据采集模块用于以间接或直接地接触用户身体的方式采集身体信号。数据采集模块包括多种采集人体生理信号的模块。数据采集模块的探测模块至少包括脉搏传感器、心跳传感器、血压传感器、呼吸频率传感器、声音采集模块、手部振动模块和脚步频率传感器中的一种或几种。优选的，数据采集模块中的探测模块还可以根据需求增加微波信号传感器，用于检测脑电波的变化。数据采集模块中的探测模块还可以根据需求增加设置在头部的电极。优选的，数据采集模块20采集的身体信号经由所述数据交互模块10发送给数据分析模块30。
40.本发明的数据分析模块30用于基于预设的数据库利用记忆力分析算法确定与身体信号对应的理论记忆力状态信息。优选的，数据分析模块30包括存储若干记忆力分析算法的数据库31。所述数据分析模块30根据数据采集模块20采集的身体信号来分析并确定与之对应的理论记忆力状态并反馈至数据交互模块10。优选的，记忆力分析算法包括贝叶斯分类算法、神经网络、支持向量机、决策树、基于事例推理的学习、关联规则学习等机器学习算法。
41.例如，数据分析模块的记忆力分析算法如下所述。
42.本实施例中使用最小归属度模糊支持向量机或平均归属度模糊支持向量机对记忆力状态进行分类。可以将记忆力状态划分为例如是健康状态、记忆力亚健康状态和记忆力严重衰退状态。具体地，记忆力分析算法的分类步骤包括：
43.a1：定义模糊隶属度函数
44.为了避免产生不可分区域，引入模糊隶属度函数，定义：
[0045][0046]
a2：定义归属度函数
[0047]
归属度函数可以有两种定义方法：最小归属度和平均归属度。
[0048]
最小归属度：mi＝min(m
ij
(x))，j＝1，2，
…
k，j≠i。
[0049]
平均归属度：
[0050]
a3：分类
[0051]
得到k个mi后，将x归入mi最大的一类：arg(max(mi(x)))，i＝1，2，
…
k。
[0052]
优选的，数据分析模块30基于用户对所述数据交互模块10的操作完成对所述数据分析模块30的示教过程。优选的，数据分析模块至少包括cpu、处理器、微处理器、服务器、服务器组中的一种或几种。首先，数据分析模块30需要用户配合以完成示教过程。本发明中的示教是指示范性的人工智能的编程。
[0053]
例如，在用户使用本发明装置的示教过程中，需要通过数据交互模块输入情绪感受、睡眠感受以及当前记忆力状态信息。在用户使用本发明装置的过程中，数据交互模块10主动采集用户当前的外界条件。外界条件包括天气情况、噪音指数、用户当前精神状态等等。优选的，用户输入当前的情绪感受和睡眠感受，并在指定时间范围间隔内，用户再次输入经过缓和调节后的当前情绪感受和睡眠感受后进入示教过程。在示教过程中，数据分析模块基于用户的外界条件、睡眠感受和情绪感受以及记忆力状态变化趋势形成与用户匹配的记忆力分析算法。同时校正理论记忆力状态。
[0054]
例如：示教过程的方法步骤包括：
[0055]
s1：启动示教模式；
[0056]
s2：用户选择：根据用户名选择本次示教对象，若本次示教的对象为数据存储模块中已经录入的用户，则直接进行选择；若本次示教的对象为尚未录入的用户，则通过数据交互模块录入其用户的记忆力状态信息再进行选择，所述的用户记忆力信息包括用户名和用户脸部照片、用户样例记忆力及与其关联的外界条件和感受；
[0057]
s3：样例选取：若本次示教的样例记忆力内容和示教匹配内容已经存储在该用户名下，则直接选取已存储的样例记忆力内容和示教匹配内容；若本次示教的样例记忆力内容和示教匹配内容没有包含在该用户名下，则通过数据交互模块读入本次示教的示教匹配内容，并且将本次示教的样例记忆力内容和示教匹配内容存入该用户名下，然后选取存入的样例记忆力内容和示教匹配内容；
[0058]
s4：记忆力状态变换：不同时间段，用户的记忆力状态并不是完全相同的。至少采集一个月周期内用户的身体信号、外界条件、经反复多次的记忆力训练后的记忆力测试反馈结果并进行理论记忆力状态分析。通过不同时间周期内的记忆力状态的变化以形成多个记忆力状态样本；
[0059]
s5：效果评估：数据分析模块根据理论记忆力状态分析的记忆力状态和示教过程中录入的用户记忆力状态信息，通过对比修正记忆力分析算法，并且记录与该记忆力状态关联的外界条件和感受。
[0060]
优选的，用户的样例记忆力是用户在一定时间范围内进行多次记忆力测试中形成的与身体信号、外界条件、情绪感受和睡眠感受相关联的并以视频、音频、文本和/或图片形式保存的最优记忆力状态信息。
[0061]
优选的，当用户的实际记忆力状态、身体信号以及外界条件以关联的形式存储在数据分析模块中时，数据分析模块30通过示教过程将实际记忆力状态、身体信号以及外界条件的关联关系以及记忆力分析算法写入内存中，形成针对用户的个性化记忆力分析算法。用户与数据分析模块30通过数据交互模块10的示教次数越多，则数据分析模块30的记忆力分析算法越准确。例如，根据用户多次输入的样例信息而调节各种信息的权重参数，使记忆力分析算法的理论记忆力状态尽量与用户的实际记忆力状态一致或近似。
[0062]
其中，所述数据分析模块30根据所述示教过程确定的至少两种极端记忆力状态信息来预先配置记忆力分析算法的参数。
[0063]
优选的，在示教过程中，所述数据交互模块10向用户施加能够引发记忆力状态的刺激信息，并且自动采集和/或由用户输入与所述刺激信息对应的实际记忆力状态信息。同时所述数据采集模块20采集用户的与所述刺激信息对应的身体信号。所述数据分析模块基
于示教过程中的至少两种所述实际记忆力状态信息、所述身体信号来预先配置记忆力分析算法的参数。优选的，数据分析模块30基于实际记忆力状态来校正与身体信号对应的理论记忆力状态信息。
[0064]
优选的，刺激信息包括视频、图片、文字信息和声音等能够引起用户回忆反应的信息。刺激信息通过其承载的特定事件、特定场景、记忆力训练题目等等信息引起用户的回忆反应。例如，视频信息记录用户在一定时间范围内对某件事件发生及结束的连续记忆信息。数据交互模块展示其中的某一片段后，通过提问的方式判断用户能否依据该片段获得整个事件的详细细节信息，或者基于整个事件回忆的完成程度划分用户记忆力状态的等级。
[0065]
优选的，数据分析模块30还基于示教过程中的实际记忆力状态的变化趋势形成个性化的记忆力状态变化曲线。例如，记忆力状态变化为：意识模糊
→
间断性意识清晰
→
意识正常但仅能记忆简单事件
→
能够记忆复杂事件部分细节
→
能够记忆整件事件全部细节。正常情况下，用户不会从意识模糊状态瞬间转入记忆力正常状态。
[0066]
通过持续性分析当前用户的理论记忆力状态，本发明的记忆力训练装置就能够利用数据分析模块30来确定记忆力状态的变化趋势。优选的，数据分析模块或数据交互模块基于身体信号、实际记忆力状态信息和/或外界条件信息分析所述实际记忆力状态的变化趋势。例如，通过与数据分析模块进行实时通信的记忆力测试模块对用户当前的实际记忆力状态进行测试。测试可以分周期和频率进行，例如是一个月进行四次采样测试。测试过程中记忆力测试模块以图片、视频、音频和/或文字的方式向测试对象输出测试信息并接受测试对象反馈的结果。通过对一定时间周期内的多次测试结果进行汇总分析得到用户在该时间周期内的记忆力状态变化趋势。优选的，在测试对象首次测试便出现记忆力状态极差的情况下，数据分析模块和/或数据交互模块对测试对象当前情绪、身体条件和睡眠质量进行测试并依据检测结果对测试对象的情绪和睡眠质量进行调节，或者对测试对象的记忆力进行训练。对测试对象的情绪进行调节可以通过例如是siri的语音系统与老年人进行交谈的方式缓解其孤独感。
[0067]
优选的，在所述数据交互模块10针对至少一段连续的时间区间内的实际记忆力状态信息分析确认当前用户的实际记忆力状态的变化趋势将在可预见的时间点超出临界值的情况下，和/或在所述数据分析模块分析确认当前用户的理论记忆力状态的变化趋势将在可预见的时间点超出临界值的情况下，所述数据分析模块通过所述数据交互模块向当前用户发出预警提示。具体地，数据交互模块10或数据分析模块30对当前用户的实际记忆力状态的变化趋势进行分析，确认实际记忆力状态的变化趋势将在可预见的时间点超出临界值。此时，数据分析模块30通过数据交互模块10向用户发出振动、声音、颜色变化等多种提示，以提醒用户记忆力状态出现异常情况，并开始对其进行记忆力训练。
[0068]
优选的，所述数据交互模块10将用户以文本、语音、视频和/或图形的方式输入的感受与对应的自动采集的实际记忆力状态以关联的形式存储或提供至所述数据分析模块30。或者，所述数据交互模块10记录引发用户的实际记忆力状态的外界条件并以与对应的实际记忆力状态关联的形式存储或提供至所述数据分析模块30。所述数据分析模块30对用户的特定记忆力状态和所述外界关系之间的相关性进行分析，并且基于所述相关性对所述特定记忆力状态的引发进行预警。优选的，外界条件例如是天气情况、噪音指数、用户当前精神状态等等。
[0069]
例如，阴雨连绵的天气，用户处于陌生且居住环境嘈杂的地理位置，用户的实际记忆力状态受到用户的当前情绪状态和/或睡眠状态的影响使得其记忆力状态呈现低于其正常水平的状态，此时数据采集模块实时采集用户的身体信号。数据交互模块10或数据分析模块30将同一时刻的外界条件、身体信号和实际记忆力状态进行关联存储，并且对实际记忆力状态的前一限定时间内的记忆力状态变化趋势和后一限定时间内的记忆力状态变化趋势进行记录。数据分析模块30对用户的极差记忆力状态和所述外界条件、情绪状态和睡眠状态彼此之间的相关性进行分析，并且基于所述相关性对极差记忆力状态的引发进行预警。
[0070]
优选的，所述数据分析模块30将用户输入的当前记忆力状态信息和所述数据交互模块10提供的与实际记忆力状态信息相关的外界条件以彼此关联的方式进行存储，有助于信息的检索。所述数据交互模块10被设置为由用户按照与外界条件相关的方式检索存储在所述数据分析模块30和/或所述数据交互模块10的实际记忆力状态信息。
[0071]
优选的，在可预见的时间点超出临界值的理论记忆力状态变化趋势按照与用户输入的感受、所述实际记忆力状态信息、身体信号和外界条件均彼此关联的方式分类存储至数据分析模块的数据库，其中，所述数据分析模块基于数据库中的上述关联数据信息形成理论记忆力状态变化趋势超出临界值的边界触发条件，所述数据分析模块被设置为分析用户的实际记忆力状态信息和所述边界触发条件的相关性，并基于所述相关性提前作出预警、改善外界条件和/或记忆力训练方案的工作模式。例如，记忆力的分类计算结果可以划分为健康状态、记忆力亚健康状态和记忆力严重衰退状态。其中，记忆力亚健康状态和记忆力严重衰退状态可以划分为记忆力状态变化趋势超出临界值的范畴。数据分析模块记录记忆力亚健康状态或记忆力严重衰退状态下的身体信号、外界条件、用户输入的感受和实际记忆力状态信息。例如，基于一定时间周期内的多次监测，第一次监测时，天气晴朗、气候暖和、睡眠质量差、情绪烦躁、实际记忆力状态为出门总遗忘物品，第二次监测时，天气晴朗、气候暖和、睡眠质量好、情绪烦躁、实际记忆力状态为思维清晰反应敏捷，两者均处于记忆力亚健康状态的条件下，可以确认情绪烦躁和睡眠质量差是引发记忆力状态变化趋势超出临界值的边界触发条件之一。数据分析模块分析得出在上述条件下实际记忆力状态与睡眠质量和情绪状态具有更大程度上的密切相关性。数据分析模块基于上述相关性，针对用户现阶段情况可以给出例如是改善居住环境、调整作息时间、适当运动、参与社区活动等等建议。基于上述方式，本发明的装置能够习得用户的记忆力状态调整特征，进而采用简单有效的方式提前引导用户记忆力状态，避免其向状态恶化的趋势发展。
[0072]
记忆力状态检索是记忆力训练过程中的一项重要手段。用户通过检索触发某种不良记忆力状态的身体信号能够检索到存储在数据分析模块的实际记忆力状态信息。优选的，实际记忆力状态信息可以是用户以文本、图片和/或视频方式记录的某种内心感受，也可以是由数据交互模块10采集的声音、视频或图像信息。用户通过检索，能够确定影响自己记忆力状态的外界条件、情绪状态、睡眠状态和实际记忆力状态的历史变化记录，从而有助于用户或看护人员对其进行记忆力训练。
[0073]
优选的，所述数据交互模块10由用户输入实际记忆力状态的步骤包括：用户以点选的方式选择当前外界条件、情绪的类型以及级别、睡眠类型以及级别、记忆力级别，和/或用户以文本、语音、视频或图形的方式输入自身一段时间周期内的实际记忆力状态变化趋
势。
[0074]
优选的，所述数据交互模块10自动采集用户的实际记忆力状态的步骤包括：所述数据交互模块10通过记忆力测试模块测试用户并以音频和/或视频记录的方式采集实际记忆力状态，并且将所述采集的实际记忆力状态与用户以点选的方式选择的当前外界条件、情绪的类型以及级别、睡眠类型以及级别、记忆力级别进行比较，从而对所采集的实际记忆力状态进行校正。
[0075]
特别的，数据交互模块10可以按照与外界条件相关的方式提供实际记忆力状态信息作为检索结果。例如，以外界条件“阴天-冬季”或身体信号进行输入并检索，则检索到若干相关的实际记忆力状态变化趋势等等。用户可以了解自己受外界条件的影响以及回忆当时的情景。
[0076]
虽然数据分析模块30能够对身体信号和实际记忆力状态进行分析，但都是基于理论研究进行的。每个个体的性格不同，有的人喜爱阴天，在阴天记忆力状态也比较好。有的人反感阴天，在阴天记忆力状态比较差。因此，需要示教过程来对理论记忆力状态进行校正，使数据分析模块30的分析能够适应独立的个体。优选的，所述数据分析模块30根据所述实际记忆力状态信息来校正基于所述数据采集模块采集的身体信号分析确定的理论记忆力状态。由校正后的理论记忆力状态构成的记忆力管理配置文件按照可根据身体信号进行检索的方式存储在所述数据交互模块。优选的，校正后的理论记忆力状态可通过可自定义的关键字来进行检索。优选地，检索得到的理论记忆力状态能够按照与近似的实际记忆力状态一同提供的方式来交付检索结果。将理论记忆力状态与近似的实际记忆力状态一同提供，有利于用户根据检索结果来确定想要的检索信息，提高信息检索的准确率。
[0077]
优选的，根据实际记忆力状态校正理论记忆力状态的步骤包括：将实际记忆力状态与理论记忆力状态加以比较，并定性和/或定量地调整该理论记忆力状态，从而生成与当前用户相关的用户记忆力配置文件。优选地，该用户记忆力配置文件也兼顾了与各个实际记忆力状态信息相关的外界条件。这样的配置，有利于排除不利的外界条件的影响及引导用户通过适当的方式适应外界条件，并在提供记忆力训练或康复照顾的条件下促进其记忆力状态向更好的方向发展。具体地，在调整理论记忆力状态时，设置与理论记忆力相关的个性化条件在用户记忆力配置文件中。个性化条件包括与用户匹配的外界条件和身体信号。当用户处于极端的记忆力状态下并需要引导时，用户记忆力配置文件基于与理论记忆力状态相关的个性化条件，调节数据交互模块的护理方案和记忆力训练方案，或者改变用户的外界条件来逐步调节用户的记忆力状态缓慢变化。
[0078]
优选的，数据交互模块10的显示包括外界条件标识、身体特征标识、记忆力状态标识和感受标识。其中，外界条件标识、身体特征标识、记忆力状态标识和感受标识的变化彼此关联，至少一个外界条件定性和/或定量地改变身体特征。至少一个身体特征定性和/或定量地引发记忆力状态标识的变化。至少一个用户感受定性和/或定量地引发用户记忆力状态的变化。优选的，在用户输入感受时，数据分析模块将通过数据交互模块发送的对应的外界条件、身体信号和感受分析实际记忆力状态并显示为记忆力状态标识。优选的，外界条件标识、身体特征标识、记忆力状态标识和感受标识以同步变化的方式在数据交互模块实时显示。用户在数据交互模块能够同时查看外界条件标识、身体特征标识、记忆力状态标识和感受标识以及其中一个标识的变化引起的其它标识变化。
[0079]
例如，所述数据交互模块10以外界条件、身体信号、实际记忆力状态和感受的映射关联逐渐增加的方式存储和显示外界条件信息、身体信号信息、实际记忆力状态信息和感受信息。其中，每一个外界条件与至少一个身体信号映射关联。每一个身体信号与至少一个实际记忆力状态映射关联。每一个实际记忆力状态与至少一个感受映射关联。
[0080]
优选的，所述数据分析模块基于对每一时刻的至少一个外界条件、身体信号和/或感受的迭代分析来记录实际记忆力状态和理论记忆力状态。所述移动终端10以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、感受变化和实际记忆力状态的变化趋势，以颜色变化、声音和/或振动的方式提醒用户实际记忆力状态的极端变化趋势，和/或显示改变实际记忆力状态的建议。建议例如可以是：建议用户进行运动、旅行、探亲、购物以改变外界条件或用户感受。
[0081]
数据交互模块10以由至少两个圆组成的圆形阵列的方式显示用户输入的感受、与其关联的实际记忆力状态、外界条件和身体信号。其中，每一个圆划分为若干个用于记录信息的空格。
[0082]
如图3所示，所述数据交互模块10以由四个圆组成的圆形列表的方式存储并显示用户输入的感受、与其关联的实际记忆力状态、外界条件和身体信号。其中。圆形列表包括外圈标识和内圈标识。所述内圈标识包括第一内圈标识11和半径大于所述第一内圈标识的第二内圈标识12。所述外圈标识包括第一外圈标识13和半径大于所述第一外圈标识的第二外圈标识14。
[0083]
所述第一内圈标识11的每一空格用于存储与实际记忆力状态关联的外界条件。所述第二内圈标识12的每一空格用于存储与实际记忆力状态关联的身体特征。所述第一外圈标识13的每一空格用于存储所述实际记忆力状态。所述第二外圈标识14的每一空格用于存储用户输入的感受。每一种信息的变化都可能引起其它信息的变化。
[0084]
例如，外界条件中的噪音指数增大，外界条件标识的每一个空格沿顺时针进行记录并进行颜色变化，身体特征标识的每一空格沿顺时针记录身体信号并进行相应颜色的变化。在噪音指数增大超过个性阈值后，感受标识的每一空格沿顺时针记录感受并发生相应颜色的变化。例如，用户输入的感受为烦躁2级。则记忆力状态标识基于外界条件变化、身体特征变化和感受及其等级产生变化，导致记忆力状态标识的颜色发生变化。在用户的实际记忆力状态出现在一段时间周期内无改善或持续下降的极端状态时，数据交互模块10以声音、振动或闪烁的方式向用户示警用户的记忆力状态出现恶化趋势，提醒用户改善外界条件、主动对用户进行记忆力训练或指导看护人员对其进行适当康复照料。优选的，数据分析模块30可以通过数据交互模块10向用户发出引导改变外界条件的建议，例如提出运动建议、音乐歌曲建议、老年活动建议等等。
[0085]
实施例2
[0086]
本实施例是对实施例1的进一步改进，重复的内容不再赘述。
[0087]
本实施例提供一种针对老年人的记忆力训练方法，至少包括步骤：自动采集和/或由用户输入实际记忆力状态信息。以间接或直接地接触用户身体的方式采集身体信号。利用记忆力分析算法确定与所述身体信号对应的理论记忆力状态信息。其中，基于用户输入的感受、实时记忆力状态信息和/或外界条件完成所述理论记忆力状态变化趋势的分析及校正。在可预见的时间点超出临界值的理论记忆力状态变化趋势按照与用户输入的感受、
所述实际记忆力状态信息、身体信号和外界条件均彼此关联的方式分类存储。其中，基于上述彼此关联的数据信息形成理论记忆力状态变化趋势超出临界值的边界触发条件。分析用户的实际记忆力状态信息和所述边界触发条件的相关性，并基于所述相关性提前作出预警、推送记忆力训练方案和/或改善外界条件的建议。
[0088]
优选的，以文本、语音、视频和/或图形的方式向用户施加能够获取用户的记忆力状态信息的测试信息，并基于所述测试信息的反馈结果确定记忆力状态的变化趋势。基于所述边界触发条件和/或所述记忆力状态的变化趋势来分析记忆力训练的示教过程，其中，根据所述示教过程确定的至少两种极端记忆力状态信息来预先配置记忆力分析算法的参数。
[0089]
优选的，以文本、语音、视频和/或图形的方式向用户施加能够获取用户的记忆力状态信息的测试信息，并且自动采集与所述测试信息对应的测试反馈信息。同时采集用户的与所述测试反馈信息对应的身体信号、用户输入的感受和/或外界条件。基于所述测试反馈信息、所述外界条件、所述用户输入的感受和/或所述身体信号来预先配置记忆力分析算法的参数，并且校正理论记忆力状态信息。
[0090]
优选的，基于持续不断地定性和/或定量地调整所述理论记忆力状态信息生成与当前用户相关的用户记忆力配置文件。其中，基于所述边界触发条件、所述记忆力状态的变化趋势和/或所述用户记忆力配置文件来分析记忆力训练的示教过程。
[0091]
优选的，记录引发用户的实际记忆力状态的外界条件并以与对应的实际记忆力状态关联的形式存储，将用户输入的当前记忆力状态信息与所述外界条件以彼此关联的方式进行存储。对用户特定的记忆力状态与所述外界条件的相关性进行分析后，基于所述相关性对所述特定记忆力状态的引发进行推送记忆力训练方案。
[0092]
优选的，基于采集的身体信号来分析确定与之对应的理论记忆力状态。以文本、语音、视频和/或图形的形式输出刺激信息以改变所述外界条件和/或直接向用户提供记忆力训练以改善用户的当前记忆力状态。
[0093]
优选的，用户输入的当前记忆力状态信息和与实际记忆力状态信息相关的外界条件以彼此关联的方式进行存储。用户按照与外界条件相关的方式检索所述实际记忆力状态信息。
[0094]
优选的，根据所述实际记忆力状态信息来校正基于采集的身体信号分析确定的理论记忆力状态，由校正后的理论记忆力状态构成的记忆力管理配置文件按照可根据身体信号进行检索的方式存储。
[0095]
优选的，基于对每一时刻的至少一个外界条件、身体信号和/或感受的迭代分析来记录实际记忆力状态和理论记忆力状态。并且以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、感受变化和实际记忆力状态的变化趋势，以颜色变化、声音和/或振动的方式提醒用户实际记忆力状态的极端变化趋势，和/或显示改变实际记忆力状态的建议。
[0096]
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。