一种基于深度学习的老年人认知功能评估预警方法及系统与流程

本发明涉及认知障碍评估，尤其涉及一种基于深度学习的老年人认知功能评估预警方法及系统。

背景技术：

1、认知功能评估技术，是指通过一系列的测试和评估工具，对个体的认知功能进行客观地测量和评估的一种技术，这些评估工具可以包括问卷调查、认知任务以及神经心理学测试等多种形式，旨在评估个体在注意力、记忆、语言、执行功能以及空间感知等方面的认知能力。

2、现有的认知功能评估技术通常只能评估出已经患有认知功能障碍的用户，难以根据评估结果对具有潜在风险的用户进行认知功能障碍预警，且现有的认知功能评估技术通常都是通过问卷调查等主动输入的形式，通过用户对自己日常行为的主观认识或其家人的客观认识进行认知功能评估，此方法过于主观，采集得到的数据难以有信服力，比如在申请公开号为 “cn114023452a”的中国专利中，公开了“一种筛查认知障碍高风险的多维预警模型构建方法及其评估系统”，该方案的数据采集就是通过用户主动输入，此方法过于主观，评估结果完全取决于用户的自我认知水平，现有的认知功能评估技术还存在评估不够全面以及数据获取过于主观，导致难以对具有潜在风险的用户进行认知功能障碍预警以及评估结果取决于用户的自我认知水平的问题。

技术实现思路

1、针对现有技术存在的不足，本发明提供了一种基于深度学习的老年人认知功能评估预警方法，能够通过游戏测试的方式，针对用户的计算能力、抽象能力、记忆能力以及反应能力进行客观性的评估，再进行综合评估判断用户是否患有认知功能障碍或存在患认知功能障碍的风险，以解决现有的认知功能评估技术还存在评估不够全面以及数据获取过于主观，导致难以对具有潜在风险的用户进行认知功能障碍预警以及评估结果取决于用户的自我认知水平的问题。

2、为了实现上述目的，第一方面，本发明提供一种基于深度学习的老年人认知功能评估预警方法，包括如下步骤：

3、步骤s1，用户选择开始评估后，对用户进行计算力测试，得到用户的计算力测试结果；

4、步骤s2，计算力测试完成后对用户进行抽象力测试，得到用户的抽象力测试结果；

5、步骤s3，抽象力测试完成后对用户进行记忆力测试，得到用户的记忆力测试结果；

6、步骤s4，对计算力测试结果、抽象力测试结果以及记忆力测试结果进行分析，得到用户的认知综合评分；

7、步骤s5，建立评测数据库，录入所有用户的认知综合评分，根据年龄段进行分类，再对不同年龄段的评测得分进行分析，得到年龄段综合水平；

8、步骤s6，对用户的评测得分以及评测数据库内的年龄段综合水平进行分析，得到用户的认知功能评测结果，根据认知功能评测结果对用户进行认知风险预警。

9、进一步地，所述步骤s1包括如下子步骤：

10、步骤s101，用户选择开始评估后，发送计算力测试规则；

11、步骤s102，在每次计算测试回合内随机生成三位数以下的数字以及简单公式并显示到用户端，将数字标记为测试数字，将测试数字以及简单公式整合为测试数据，所述简单公式为三位数以下的正整数加减法；每次显示一定数量的测试数据；

12、步骤s103，记录计算测试回合的数量，标记为计算测试回合数，将计算测试回合数分别与第一回合阈值、第二回合阈值以及第三回合阈值进行比对，若计算测试回合数小于等于第一回合阈值，则输出第一计算阶段信号；若计算测试回合数大于第一回合阈值且小于等于第二回合阈值，则输出第二计算阶段信号；若计算测试回合数大于第二回合阈值且小于等于第三回合阈值，则输出第三计算阶段信号；若计算测试回合数大于第三回合阈值，则输出第四计算阶段信号；

13、步骤s104，若输出第一计算阶段信号，则生成第一生成数量且为正整数的测试数字；

14、步骤s105，若输出第二计算阶段信号，则生成第二生成数量且为整数的测试数字；

15、步骤s106，若输出第三计算阶段信号，则生成第一生成数量且为整数的测试数字，同时生成第三生成数量的简单公式；

16、步骤s107，若输出第四计算阶段信号，则生成第二生成数量且为整数的测试数字，同时生成第四生成数量的简单公式；

17、步骤s108，对用户所点击的测试数字或简单公式进行分析，分析用户的计算测试分。

18、进一步地，所述步骤s108包括如下子步骤：

19、步骤s1081，当测试数据显示完成后开始计时，当用户第一次点击测试数字时停止计时，将记录的时间标记为计算回合反应时长；

20、步骤s1082，获取用户点击的测试数字或简单公式，标记为点击数字，查找点击数字是否为测试数据中的最小值，若为是，则输出计算点击正确信号；若为否，则输出计算点击错误信号；

21、步骤s1083，若输出计算点击正确信号，则将用户的计算测试分增加第一加分阈值并将用户端以及测试数据中对应的测试数字或简单公式消除；获取测试数据中是否还存在数据，若还存在数据，则输出回合继续信号；若不存在数据，则输出回合结束信号；

22、步骤s1084，若输出回合结束信号，则将用户的计算测试分增加第二加分阈值并进入下一计算测试回合；若输出计算点击错误信号，则直接进入下一计算测试回合；

23、步骤s1085，获取计算力测试的持续时长，标记为计算力测试时长，将计算力测试时长与第一测试时长阈值进行比对，若计算力测试时长小于等于第一测试时长阈值，则输出计算测试未完成信号；若计算力测试时长大于第一测试时长阈值，则输出计算测试已完成信号；

24、步骤s1086，若输出计算测试未完成信号，则继续进行计算力测试；若输出计算测试已完成信号，则停止计算力测试，得到用户的计算测试分；获取计算回合反应时长的总和以及当前的计算测试回合数，通过公式rta=rts/ctr计算用户的计算回合平均反应时长，其中，rta为计算回合平均反应时长，rts为计算回合反应时长的总和，ctr为计算测试回合数。

25、进一步地，所述步骤s2包括如下子步骤：

26、步骤s201，计算力测试完成后，发送抽象力测试规则；

27、步骤s202，建立图案数据库，录入不同图案分类以及种类分类的数据库图案；所述图案分类为种类分类中的子分类；

28、步骤s203，随机抽取同一种类分类中第一测试数量的图案分类，发送图案分类的分类名称至用户端，获取其中所有的数据库图案，标记为测试图案；

29、步骤s204，随机抽取一张测试图案显示在用户端，同时开始计时，当用户选择分类名称时停止计时，将所计时间标记为抽象反应时长；

30、步骤s205，获取用户选择的分类名称，标记为选择分类，获取当前显示的测试图案的分类名称，标记为测试分类，将选择分类与测试分类进行比对，若选择分类与测试分类相同，则输出选择正确信号；若选择分类与测试分类不相同，则输出选择错误信号；

31、步骤s206，记录输出选择正确信号的数量，标记为连对数量，若输出选择正确信号，则将用户的抽象测试分增加第一抽象分，所述第一抽象分为连对数量乘以第一加分阈值且最大值为第三加分阈值；若输出选择错误信号，则将连队数量清零并重新开始记录，切换下一测试图案；

32、步骤s207，根据用户当前的抽象测试分更改测试难度并对用户进行最终的抽象力评估。

33、进一步地，所述步骤s207包括如下子步骤：

34、步骤s2071，获取用户的抽象测试分，将抽象测试分与第一抽象难度阈值以及第二抽象难度阈值进行比对，若抽象测试分小于第一抽象难度阈值、大于第一抽象难度阈值且小于第二抽象难度阈值或大于第二抽象难度阈值，则输出难度不变信号；若抽象测试分等于第一抽象难度阈值，则输出类型更换信号；若抽象测试分等于第二抽象难度阈值，则输出难度提升信号；

35、步骤s2072，若输出难度不变信号，则维持当前抽象力测试；若输出类型更换信号，则重新随机选取种类分类以及图案分类；若输出难度提升信号，则读取图案数据库，选取两个不同的种类分类，并分别选取两个图案分类对用户进行抽象力测试；

36、步骤s2073，获取用户进行抽象力测试的时长，标记为抽象力测试时长，将抽象力测试时长与第一测试时长阈值进行比对，若抽象力测试时长小于等于第一测试时长阈值，则输出抽象测试未完成信号；若抽象力测试时长大于第一测试时长阈值，则输出抽象测试已完成信号；

37、步骤s2074，若输出抽象测试未完成信号，则继续进行抽象力测试；若输出抽象测试已完成信号，则停止抽象力测试，得到用户的抽象测试分；

38、步骤s2075，获取用户选择分类名称的次数，标记为选择次数；获取用户每次选择的抽象反应时长，计算总和并标记为抽象反应总时长，通过公式ata=ats/nc计算用户的抽象反应平均时长，其中，ata为抽象反应平均时长，ats为抽象反应总时长，nc为选择次数。

39、进一步地，所述步骤s3包括如下子步骤：

40、步骤s301，抽象力测试完成后，发送记忆力测试规则；

41、步骤s302，将用户端的显示区域划分为第一划分数量的测试区域；

42、步骤s303，随机抽取第一测试比例的测试区域，标记为标记区域并向标记区域内添加图形标记；

43、步骤s304，添加完成后向用户展示测试区域，经过第一展示时间后隐藏标记区域内的图形标记，并开始计时，当用户点击测试区域后停止计时，将记录的时间标记为记忆反应时长；

44、步骤s305，获取用户点击的测试区域，标记为点击区域，查找点击区域是否为标记区域，若为是，则输出记忆点击正确信号；若为否，则输出记忆点击错误信号；

45、步骤s306，若输出记忆点击正确信号，则将用户的记忆测试分增加第一加分阈值并将对应标记区域消除；获取测试区域内是否还存在标记区域，若还存在标记区域，则继续当前测试；若不存在标记区域，则将用户的记忆测试分增加第二加分阈值并重新抽取标记区域；若输出记忆点击错误信号，则重新抽取标记区域；

46、步骤s307，记录抽取标记区域的次数，标记为记忆测试次数，对记忆测试次数进行分析并根据分析结果更改记忆力测试的难度，同时对用户进行最终的记忆力评估。

47、进一步地，所述步骤s307包括如下子步骤：

48、步骤s3071，将记忆测试次数与第一记忆难度阈值、第二记忆难度阈值以及第三记忆难度阈值进行比对，若记忆测试次数等于第一记忆难度阈值、第二记忆难度阈值或第三记忆难度阈值，则输出记忆测试难度增加信号，否则输出记忆测试难度不变信号；

49、步骤s3072，若输出记忆测试难度增加信号，则将第一划分数量增加第一增幅数量，所述第一增幅数量为1/第一测试比例；若输出记忆测试难度不变信号，则维持当前第一划分数量；

50、步骤s3073，记录记忆力测试的时长，标记为记忆力测试时长，将记忆力测试时长与第一测试时长阈值进行比对，若记忆力测试时长小于等于第一测试时长阈值，则输出记忆测试未完成信号；若记忆力测试时长大于第一测试时长阈值，则输出记忆测试已完成信号；

51、步骤s3074，若输出记忆测试未完成信号，则继续进行记忆力测试；若输出记忆测试已完成信号，则停止记忆力测试，得到用户的记忆测试分；

52、步骤s3075，获取用户的记忆反应时长，计算其总和并标记为记忆反应总时长，通过公式mta=mts/nt计算用户的记忆反应平均时长，其中，mta为记忆反应平均时长，mts为记忆反应总时长，nt为记忆测试次数。

53、进一步地，所述步骤s4包括如下子步骤：

54、步骤s401，获取用户的计算测试分、计算反应平均时长、抽象测试分、抽象反应平均时长、记忆测试分以及记忆反应平均时长；

55、步骤s402，将计算反应平均时长、抽象反应平均时长以及记忆反应平均时长相加并计算平均值，得到综合反应时长；将综合反应时长与第一健康反应时长进行比对，若综合反应时长小于等于第一健康反应时长，则将用户的综合反应分设置为反应满分；若综合反应时长大于第一健康反应时长，则通过综合反应分算法计算用户的综合反应分；

56、所述综合反应分算法配置为：r=f-α×ta；其中，r为综合反应分，f为反应满分，ta为综合反应时长，α为综合反应系数；

57、步骤s403，通过综合测试算法计算用户的认知综合评分；

58、所述综合测试算法设置为：；其中，s为认知综合评分，rf为计算测试分，af为抽象测试分，mf为记忆测试分，β为测试分系数，a为计算测试满分，b为抽象测试满分，c为记忆测试满分。

59、进一步地，所述步骤s5包括如下子步骤：

60、步骤s501，建立评测数据库，获取用户年龄，将用户年龄、计算测试分、抽象测试分、记忆测试分、综合反应分以及认知综合评分录入评测数据库，并按照年龄段分级进行分类，所述年龄段分级包括第一年龄段、第二年龄段、第三年龄段以及第四年龄段；

61、步骤s502，计算年龄段分级中计算测试分、抽象测试分、记忆测试分以及综合反应分的平均值，分别标记为计算测试平均分、抽象测试平均分、记忆测试平均分以及综合反应平均分。

62、进一步地，所述步骤s6包括如下子步骤：

63、步骤s601，获取用户的认知综合评分，将认知综合评分与第一认知健康阈值、第二认知健康阈值以及第三认知健康阈值进行比对，若认知综合评分小于第一认知健康阈值，则输出认知功能预警信号；若认知综合评分大于等于第一认知健康阈值且小于第二认知健康阈值，则输出认知功能风险信号；若认知综合评分大于等于第二认知健康阈值且小于第三认知健康阈值，则输出认知功能正常信号；若认知综合评分大于等于第三认知健康阈值，则输出认知功能优秀信号；

64、步骤s602，若输出认知功能预警信号，则向用户发送认知功能障碍检测信息；若输出认知功能风险信号，则判定用户具备患认知功能障碍的风险，向用户发送认知功能障碍风险预警信息；若输出认知功能正常或认知功能优秀信号，则判定用户认知功能正常；

65、步骤s603，获取用户年龄，查找评测数据库中用户年龄所属的年龄段分级，获取对应年龄段分级的计算测试平均分、抽象测试平均分、记忆测试平均分以及综合反应平均分；

66、步骤s604，将用户的计算测试分与计算测试平均分进行比对，若计算测试分小于计算测试平均分，则输出计算能力低信号；若计算测试分大于等于计算测试平均分，则输出计算能力正常信号；若输出计算能力低信号，则判定用户的计算能力低于同年龄段的平均水平；

67、步骤s605，将用户的抽象测试分与抽象测试平均分进行比对，若抽象测试分小于抽象测试平均分，则输出抽象能力低信号；若抽象测试分大于等于抽象测试平均分，则输出抽象能力正常信号；若输出抽象能力低信号，则判定用户的抽象能力低于同年龄段的平均水平；

68、步骤s606，将用户的记忆测试分与记忆测试平均分进行比对，若记忆测试分小于记忆测试平均分，则输出记忆能力低信号；若记忆测试分大于等于记忆测试平均分，则输出记忆能力正常信号；若输出记忆能力低信号，则判定用户的记忆能力低于同年龄段的平均水平；

69、步骤s607，将用户的综合反应分与综合反应平均分进行比对，若综合反应分小于综合反应平均分，则输出反应能力低信号；若综合反应分大于等于综合反应平均分，则输出反应能力正常信号；若输出反应能力低信号，则判定用户的反应能力低于同年龄段的平均水平。

70、第二方面，本发明提供一种基于深度学习的老年人认知功能评估预警系统，包括认知功能测试模块、用户数据获取模块、认知功能分析模块、用户数据存储模块以及认知风险预警模块；所述认知功能测试模块与用户数据获取模块数据连接，认知功能测试模块、用户数据获取模块、用户数据存储模块以及认知风险预警模块分别与认知功能分析模块数据连接；

71、所述认知功能测试模块包括计算力测试单元、抽象力测试单元以及记忆力测试单元，所述计算力测试单元用于对用户进行计算力测试；所述抽象力测试单元用于对用户进行抽象力测试；所述记忆力测试单元用于对用户进行记忆力测试；

72、所述用户数据获取模块包括测试数据获取单元以及用户信息获取单元，所述测试数据获取单元用于获取用户在计算力测试、抽象力测试以及记忆力测试中的计算力反馈数据、抽象力反馈数据以及记忆力反馈数据；所述用户信息获取单元用于获取用户年龄；

73、所述认知功能分析模块包括计算力分析单元、抽象力分析单元、记忆力分析单元以及认知功能分析单元；所述计算力分析单元用于分析计算力反馈数据，得到计算力测试结果；所述抽象力分析单元用于分析抽象力反馈数据，得到抽象力测试结果；所述记忆力分析单元用于分析记忆力反馈数据，得到记忆力测试结果；所述认知功能分析单元用于分析计算力测试结果、抽象力测试结果以及记忆力测试结果，得到用户的认知综合评分；

74、所述用户数据存储模块用于存储用户的计算力测试结果、抽象力测试结果以及记忆力测试结果以及认知综合评分；

75、所述认知风险预警模块用于对用户进行认知功能风险预警。

76、第三方面，本技术提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上所述方法中的步骤。

77、第四方面，本技术提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上所述方法中的步骤。

78、本发明的有益效果：本发明通过针对用户的计算能力、抽象能力、记忆能力以及反应能力进行测试，客观判断用户各能力的水平并进行综合分析，得到用户是否患有认知功能障碍或存在患认知功能障碍的风险，优势在于，通过对用户进行数据采集，能够提高用户的测试兴趣，有助于提高采集数据的准确性以及客观性；

79、本发明通过结合用户的计算能力、抽象能力、记忆能力以及反应能力进行分析，判断用户是否患有认知功能障碍或存在患认知功能障碍的风险，优势在于，能够基于用户自身多种因素对用户的认知功能进行评估，同时根据评估结果进行预警，提高了评估结果的准确性；

80、本发明通过建立评测数据库，收集不同年龄段用户的计算能力、抽象能力、记忆能力以及反应能力，再对其计算平均值，得到年龄段不同能力的平均水平，再将用户的计算能力、抽象能力、记忆能力以及反应能力与年龄段的平均水平进行比对分析，判断用户的能力是否低于平均水平，优势在于，可以尽早发现用户的弱势能力并提醒用户进行训练，降低用户患认知功能障碍的风险，提高了认知功能评估的全面性。

81、本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。