CN107145739A - 基于多种数据下阿尔茨海默病的判别方法 - Google Patents
基于多种数据下阿尔茨海默病的判别方法 Download PDFInfo
- Publication number
- CN107145739A CN107145739A CN201710314910.0A CN201710314910A CN107145739A CN 107145739 A CN107145739 A CN 107145739A CN 201710314910 A CN201710314910 A CN 201710314910A CN 107145739 A CN107145739 A CN 107145739A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- state
- value
- answer
- 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.)
- Pending
Links
- 208000024827 Alzheimer disease Diseases 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims description 30
- 230000002996 emotional effect Effects 0.000 claims description 26
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 16
- 201000010099 disease Diseases 0.000 claims description 15
- 230000008451 emotion Effects 0.000 claims description 13
- 230000036651 mood Effects 0.000 claims description 8
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 6
- 206010029216 Nervousness Diseases 0.000 claims description 6
- 230000007278 cognition impairment Effects 0.000 claims description 5
- 206010002368 Anger Diseases 0.000 claims description 3
- 208000019901 Anxiety disease Diseases 0.000 claims description 3
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 230000036506 anxiety Effects 0.000 claims description 3
- 235000019658 bitter taste Nutrition 0.000 claims description 3
- 206010022437 insomnia Diseases 0.000 claims description 3
- 230000003860 sleep quality Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 210000004556 brain Anatomy 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000002636 symptomatic treatment Methods 0.000 abstract description 5
- 230000001225 therapeutic effect Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 206010039966 Senile dementia Diseases 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 230000018199 S phase Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000002651 drug therapy Methods 0.000 description 2
- 230000004064 dysfunction Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 206010054196 Affect lability Diseases 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002475 olfactory pathway Anatomy 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Emergency Management (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于多种数据下阿尔茨海默病的判别方法，采用题目测试分析、语音通话收集分析和生活起居收集分析的结果，运营方结合相关系统对用户是否患有阿尔茨海默病以及患病的程度进行判别，使用时，用户先用通信设备下载运营方的测试软件，并经软件注册，运营方通过云服务器存储系统将个人信息记录备案。本发明使用时，通过主动测试向老人通信设备推送题目，并根据答题结果，判断出老人状态并发送数据到家属；还可通过被动收集的老人通话信息、生活起居监测信息相关数据，判断出老人状态并发送数据到家属。家属掌握相关信息后，能尽可能早期就能发现病症，从而对症治疗，以达到最佳的治疗效果。基于以上，所以本发明具有好的应用前景。
Description
技术领域
本发明涉及疾病预防技术领域，特别是一种基于多种数据下阿尔茨海默病的判别方法。
背景技术
阿尔茨海默病（Alzheimerdisease，AD）,又叫老年痴呆症，是一种中枢神经系统变性病，其具有发病进程缓慢的特点，随着时间的推移，会不断恶化从而产生持续性不可逆神经功能病变，主要病症表现为渐进性记忆及认知功能障碍、人格改变和语言障碍等神经精神症状，会导致患者无法认识子女、无法正常言语、容易迷路、情绪不稳定、丧失长期记忆等后果，因而严重影响了患者的社交、职业与生活功能；患病的风险随着年龄增长而成倍增加，据统计，年过60岁 患病率一般为4％-8％，65岁后增加到10％，80岁后会超过30％。
老年痴呆症属于医学领域世界性的疑难病，发病率逐年增高，目前，科学研究已知老年痴呆症最早期的病理性改变是大脑海马体内嗅皮质病变而引起的，由于初期老年痴呆症状不太明显，易与生理性老化相混淆，使得老年痴呆症难以早期发现，容易被患者及家属忽视，从而失去了最佳的治疗时机，当临床症状明显时诊断出的老年痴呆症患者基本都处于中晚期，而且老年痴呆症在病理上具有不可逆性，现有医疗技术条件下，没有有效的治疗方法和药物治疗这一病症，只能采用药物保守治疗，有限度地缓解或者稳定病情，不能根本达到治愈的效果，给患者本人、家庭及社会带来了巨大负担；但如果在发病的初期能及时发现病症，并采取药物治疗，结合家人以及社会对患者予以精神上的安慰治疗却能取得较满意的效果，从而对病情的发展起到积极的延缓作用。
综上所述，提供一种在老年痴呆症患病的初期能让患者本人和家属及时发现病症，为尽可能早的对患者进行药物上的保守治疗和精神上的安慰治疗，对病情发展起到延缓作用的方法显得尤为必要。
发明内容
为了克服现有技术中，没有一种可靠的方法，能让患者本人和家属及时发现老年痴呆症初期病症，导致延误最佳的治疗时间，给患者本人、家属及社会带来不良后果的弊端，本发明提供了一种采用语音技术和移动互联网技术，结合主动测试以及被动对老人通话信息、生活起居信息进行监测的相关数据，运营方通过相关系统，将汇总数据自动进行分析，从而判断出老人是否处于老年痴呆病症，并将所得数据及时推送给监护人，以及时发现处于早期的老年痴呆病症，为后续及时采取包括药物保守治疗和精神上安慰治疗，对延缓病情发展起到积极效果的基于多种数据下阿尔茨海默病的判别方法。
本发明解决其技术问题所采用的技术方案是：
基于多种数据下阿尔茨海默病的判别方法，其特征在于采用题目测试分析、语音通话收集分析和生活起居收集分析的结果，运营方结合相关系统对用户是否患有阿尔茨海默病以及患病的程度进行判别，使用时，用户先用通信设备下载运营方的测试软件，并经软件注册，运营方通过云服务器存储系统将个人信息记录备案，用户通信设备包括手机、台式电脑、平板电脑。
所述的采用题目测试分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下四个步骤判别，第一步，运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，第二步，用户经通信设备对推送的题目进行答复，并将答题结果经移动互联网上传给运营方题库存储系统，题库存储系统将用户答案进行记录存储并输出至答题核对服务系统，第三步，答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，第四步，运营方将用户答题分数值以及分析后用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。
所述的运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，能按时、按周、按月、按季度向用户推送测试题目，测试题目根据国际通用简易精神状态测试题目要求进行出题，测试题目具有多道题目，每道题目具有一定分值，满分30分，每次推送的测试题目不一致。
所述的答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种答题分数值数据下对应的状态模式，分值≤17分时，答题核对服务系统判断出用户相当于文盲，用户处于阿尔茨海默病的痴呆状态，分值≤20分时，答题核对服务系统判断出用户相当于小学文化，用户处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，答题核对服务系统判断出用户相当于中学及以上文化程度者，用户处于正常状态。
所述的采用语音通话收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下五个步骤判别，第一步，通过运营商语音输入系统收集用户经通信设备通话发出的语音信息，并将收集的语音信息输入至云服务器存储系统，第二步，云服务器存储系统将收集的语音信息数据发送至情绪识别系统，第三步，情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，第四步，状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，第五步，运营方通过预警系统，在用户情绪状态超过阈值时，及时将用户状态信息推送给监护人，提示监护人及时对用户进行心理关照，并按时、按周、按月、按季度将平时用户状态信息推送给用户的监护人。
所述的情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，情绪识别系统能根据语音通话信息的声调、语速的快慢得出通话中用户的情绪状态值高低，情绪状态包括激动模式，急躁、着急、憋躁、憋闷模式，心乱、分心、空想、思念模式，暴躁、烦躁、憋火、悸动模式，伤感、哭泣、痛心、低落模式，怯懦、犹豫、纠结、郁闷模式，生气、指责、攻击、冲动模式，紧张、失调、失控、宣泄模式，压抑、窝心、别扭、想念模式，哀伤、失落、幽怨、寂寞模式，记恨、怨恨、仇恨、哀怨模式，消极、灰暗、低迷、颓废模式，恐惧、害怕、惊恐、焦虑模式，每种情绪状态模式下对应一定分数值，情绪状态值满分为30分。
所述的状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，状态判别系统自身数据库内包含有多种情绪状态分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户处于阿尔茨海默病的痴呆状态，分值≤20分时，状态判别系统判断出用户处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
所述的采用生活起居收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，结合安装在室内的微波传感器单元和灯具传感器单元，经以下五个步骤判别，第一步，微波传感器单元收集到用户实时室内活动动态数据，并将收集数据经移动互联网络实时上传给运营方动态信息存储系统，第二步， 灯具传感器单元对用户在家中晚上的灯光开启和关闭时间进行收集，从而达到对用户的睡眠时间及睡眠质量进行收集，并将收集数据实时经移动互联网络上传给运营方动态信息存储系统，第三步，运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分值数据输出至状态判别系统，第四步，状态判别系统根据分值自动判断出用户现在的状态，第五步，运营方将用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。
所述的微波传感器单元具有收集室内人员活动信息，并能将收集后信息通过移动互联网络实时上传给运营方动态信息存储系统的功能，灯具传感器单元具有收集室内人员晚上开启灯光及关闭灯光的时间信息，并能将收集后信息通过移动互联网络实时上传给运营方动态信息存储系统的功能。
所述的运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分值数据输出至状态判别系统，分数值满分是30分。
所述的状态判别系统根据分值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种人员活动信息分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户活动量很少并且严重失眠，处于阿尔茨海默病的痴呆状态，分值≤20分时，状态判别系统判断出用户处于活动量较少并且中度失眠，处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
本发明有益效果是：本发明使用时，可采用主动测试向老人通信设备推送，根据国际通用简易精神状态测试题目要求进行出题的测试题目，老人回传答题的数据经运营商相关软件系统处理后得出老人所处的状态信息，并推送给老人亲属；本发明还可通过被动收集的老人通话信息、生活起居监测信息相关数据，经运营商相关软件系统作用得出老人所处的状态信息，并推送给老人亲属；家属掌握相关信息后，能根据需要及时让老人进入医院进行全方位检查，尽可能早期就能发现病症，从而对症治疗，以达到最佳的治疗效果。基于以上，所以本发明具有好的应用前景。
附图说明
以下结合附图和实施例对本发明工作原理作进一步说明。
图1是本发明工作流程框图。
具体实施方式
图1中所示，基于多种数据下阿尔茨海默病的判别方法，采用题目测试分析、语音通话收集分析和生活起居收集分析的结果，运营方结合相关系统对用户是否患有阿尔茨海默病以及患病的程度进行判别，使用时，用户先用通信设备下载运营方的测试软件，并经软件注册，运营方通过云服务器存储系统将个人信息记录备案，用户通信设备包括手机、台式电脑、平板电脑。
图1中所示，采用题目测试分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下四个步骤判别，第一步，运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，第二步，用户经通信设备对推送的题目进行答复，并将答题结果经移动互联网上传给运营方题库存储系统，题库存储系统将用户答案进行记录存储并输出至答题核对服务系统，第三步，答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，第四步，运营方将用户答题分数值以及分析后用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，能按时、按周、按月、按季度向用户推送测试题目，测试题目根据国际通用简易精神状态测试题目要求进行出题，测试题目具有多道题目，每道题目具有一定分值，满分30分，每次推送的测试题目不一致。答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种答题分数值数据下对应的状态模式，分值≤17分时，答题核对服务系统判断出用户相当于文盲，用户处于阿尔茨海默病的痴呆状态，分值≤20分时，答题核对服务系统判断出用户相当于小学文化，用户处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，答题核对服务系统判断出用户相当于中学及以上文化程度者，用户处于正常状态。
图1中所示，采用语音通话收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下五个步骤判别，第一步，通过运营商语音输入系统收集用户经通信设备通话发出的语音信息，并将收集的语音信息输入至云服务器存储系统，第二步，云服务器存储系统将收集的语音信息数据发送至情绪识别系统，第三步，情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，第四步，状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，第五步，运营方通过预警系统，在用户情绪状态超过阈值时，及时将用户状态信息推送给监护人，提示监护人及时对用户进行心理关照，并按时、按周、按月、按季度将平时用户状态信息推送给用户的监护人。情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，情绪识别系统能根据语音通话信息的声调、语速的快慢得出通话中用户的情绪状态值高低，情绪状态包括激动模式，急躁、着急、憋躁、憋闷模式，心乱、分心、空想、思念模式，暴躁、烦躁、憋火、悸动模式，伤感、哭泣、痛心、低落模式，怯懦、犹豫、纠结、郁闷模式，生气、指责、攻击、冲动模式，紧张、失调、失控、宣泄模式，压抑、窝心、别扭、想念模式，哀伤、失落、幽怨、寂寞模式，记恨、怨恨、仇恨、哀怨模式，消极、灰暗、低迷、颓废模式，恐惧、害怕、惊恐、焦虑模式，每种情绪状态模式下对应一定分数值，情绪状态值满分为30分。状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，状态判别系统自身数据库内包含有多种情绪状态分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户处于精神失控状态，分值≤20分时，状态判别系统判断出用户处于精神波动状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
图1中所示，采用生活起居收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，结合安装在室内的微波传感器单元和灯具传感器单元，经以下五个步骤判别，第一步，微波传感器单元收集到用户实时室内活动动态数据，并将收集数据经移动互联网络实时上传给运营方动态信息存储系统，第二步， 灯具传感器单元对用户在家中晚上的灯光开启和关闭时间进行收集，从而达到对用户的睡眠时间及睡眠质量进行收集，并将收集数据实时经移动互联网络上传给运营方动态信息存储系统，第三步，运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分值数据输出至状态判别系统，第四步，状态判别系统根据分数值自动判断出用户现在的状态，第五步，运营方将用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。微波传感器单元具有收集室内人员活动信息，并能将收集后信息通过移动互联网络实时上传给运营方动态信息存储系统的功能，灯具传感器单元具有收集室内人员晚上开启灯光及关闭灯光的时间信息，并能将收集后信息通过移动互联网络实时上传给运营方动态信息存储系统的功能。运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分数值数据输出至状态判别系统，分数值满分是30分。状态判别系统根据分数值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种人员活动信息分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户活动量很少并且严重失眠，处于阿尔茨海默病的痴呆状态，分值≤20分时，状态判别系统判断出用户处于活动量较少并且中度失眠，处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
图1中所示，本发明使用时，可采用主动测试向老人安装了相关测试软件的通信设备推送，根据国际通用简易精神状态测试题目要求进行出题的测试题目；老人回传答题的数据经移动互联网上传给运营方题库存储系统后，题库存储系统将答案进行记录存储并输出至答题核对服务系统，继而，答题核对服务系统将上传题目的答复结果和答题核对服务系统内的题目结果数据进行对比，给出老人答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，最后，运营方将老人答题分数值以及分析后用户现在的状态信息，按时、按周、按月、按季度推送给老人的监护人。家属掌握相关信息后，能根据需要及时让老人进入医院进行全方位检查，尽可能早期就能发现病症，从而对症治疗，以达到最佳的治疗效果。
图1中所示，本发明还可通过被动收集的老人通话信息数据，对老人是否患有阿尔茨海默病以及患病的程度进行判别，运营商通过语音输入系统收集用户经通信设备通话发出的语音信息后，将收集的语音信息输入至云服务器存储系统，云服务器存储系统将收集的语音信息数据发送至情绪识别系统，情绪识别系统将输入的语音信息数据进行识别，得到老人通话中情绪状态值高低数据，并输出数据至状态判别系统后，状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比自动分析，判断出老人通话时的状态，最后，运营方通过预警系统，在用户情绪状态超过阈值时，及时将用户状态信息推送给监护人，提示监护人及时对用户进行心理关照，并按时、按周、按月、按季度将平时用户状态信息推送给用户的监护人。家属掌握相关信息后，能根据需要及时让老人进入医院进行全方位检查，尽可能早期就能发现病症，从而对症治疗，以达到最佳的治疗效果。
图1中所示，本发明还可通过被动收集的老人生活起居数据，对老人是否患有阿尔茨海默病以及患病的程度进行判别，微波传感器单元收集用户实时室内活动动态数据，并将收集数据经移动互联网络实时上传给运营方动态信息存储系统， 灯具传感器单元对用户在家中晚上的灯光开启和关闭时间信息进行收集，并将收集数据实时经移动互联网络上传给运营方动态信息存储系统后，运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出老人现在的状态，最后，运营方将老人现在的状态信息，按时、按周、按月、按季度推送给老人的监护人。家属掌握相关信息后，能根据需要及时让老人进入医院进行全方位检查，尽可能早期就能发现病症，从而对症治疗，以达到最佳的治疗效果。
应当说明的是，本实施例为本发明较佳实例，并不用以限制本发明，凡在本发明原则范围内做任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.基于多种数据下阿尔茨海默病的判别方法，其特征在于采用题目测试分析、语音通话收集分析和生活起居收集分析的结果，运营方结合相关系统对用户是否患有阿尔茨海默病以及患病的程度进行判别，使用时，用户先用通信设备下载运营方的测试软件，并经软件注册，运营方通过云服务器存储系统将个人信息记录备案，用户通信设备包括手机、台式电脑、平板电脑。
2.根据权利要求1所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于采用题目测试分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下四个步骤判别，第一步，运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，第二步，用户经通信设备对推送的题目进行答复，并将答题结果经移动互联网上传给运营方题库存储系统，题库存储系统将用户答案进行记录存储并输出至答题核对服务系统，第三步，答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，第四步，运营方将用户答题分数值以及分析后用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。
3.根据权利要求2所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于运营方间隔一定时间经移动互联网络向用户通信设备推送测试题目，能按时、按周、按月、按季度向用户推送测试题目，测试题目根据国际通用简易精神状态测试题目要求进行出题，测试题目具有多道题目，每道题目具有一定分值，满分30分，每次推送的测试题目不一致。
4.根据权利要求2所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于答题核对服务系统将用户上传题目的答复结果和答题核对服务系统内的题目正确结果数据进行对比，给出用户答题分数值，并将分数值数据输出至状态判别系统，状态判别系统根据分数值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种答题分数值数据下对应的状态模式，分值≤17分时，答题核对服务系统判断出用户相当于文盲，用户处于阿尔茨海默病的痴呆状态，分值≤20分时，答题核对服务系统判断出用户相当于小学文化，用户处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，答题核对服务系统判断出用户相当于中学及以上文化程度者，用户处于正常状态。
5.根据权利要求1所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于采用语音通话收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，经以下五个步骤判别，第一步，通过运营商语音输入系统收集用户经通信设备通话发出的语音信息，并将收集的语音信息输入至云服务器存储系统，第二步，云服务器存储系统将收集的语音信息数据发送至情绪识别系统，第三步，情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，第四步，状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，第五步，运营方通过预警系统，在用户情绪状态超过阈值时，及时将用户状态信息推送给监护人，提示监护人及时对用户进行心理关照，并按时、按周、按月、按季度将平时用户状态信息推送给用户的监护人。
6.根据权利要求5所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于情绪识别系统将输入的语音信息数据进行识别，得到用户通话中情绪状态值高低数据，并输出数据至状态判别系统，情绪识别系统能根据语音通话信息的声调、语速的快慢得出通话中用户的情绪状态值高低，情绪状态包括激动模式，急躁、着急、憋躁、憋闷模式，心乱、分心、空想、思念模式，暴躁、烦躁、憋火、悸动模式，伤感、哭泣、痛心、低落模式，怯懦、犹豫、纠结、郁闷模式，生气、指责、攻击、冲动模式，紧张、失调、失控、宣泄模式，压抑、窝心、别扭、想念模式，哀伤、失落、幽怨、寂寞模式，记恨、怨恨、仇恨、哀怨模式，消极、灰暗、低迷、颓废模式，恐惧、害怕、惊恐、焦虑模式，每种情绪状态模式下对应一定分数值，情绪状态值满分为30分。
7.根据权利要求5所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于状态判别系统将输入的情绪状态值数据和自身数据库内数据进行对比分析，判断出用户通话时的状态，状态判别系统自身数据库内包含有多种情绪状态分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户处于精神失控，分值≤20分时，状态判别系统判断出用户处于精神波动状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
8.根据权利要求1所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于采用生活起居收集分析的结果，对用户是否患有阿尔茨海默病以及患病的程度进行判别，结合安装在室内的微波传感器单元和灯具传感器单元，经以下五个步骤判别，第一步，微波传感器单元收集到用户实时室内活动动态数据，并将收集数据经移动互联网络实时上传给运营方动态信息存储系统，第二步， 灯具传感器单元对用户在家中晚上的灯光开启和关闭时间进行收集，从而达到对用户的睡眠时间及睡眠质量进行收集，并将收集数据实时经移动互联网络上传给运营方动态信息存储系统，第三步，运营方动态信息存储系统将收集的用户活动时间、睡眠时间数据和自身数据库内数据进行对比，得到用户一定时间内室内活动以及睡眠数据对应分数值，并将分值数据输出至状态判别系统，第四步，状态判别系统根据分值自动判断出用户现在的状态，第五步，运营方将用户现在的状态信息，按时、按周、按月、按季度推送给用户的监护人。
9.根据权利要求8所述的基于多种数据下阿尔茨海默病的判别方法，其特征在于状态判别系统根据分值自动判断出用户现在的状态，状态判别系统自身数据库内包含有多种人员活动信息分数值数据下对应的状态模式，分值≤17分时，状态判别系统判断出用户活动量很少并且严重失眠，处于阿尔茨海默病的痴呆状态，分值≤20分时，状态判别系统判断出用户处于活动量较少并且中度失眠，处于阿尔茨海默病的轻度认知功能障碍状态，分值≤24分时，状态判别系统判断出用户处于正常状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710314910.0A CN107145739A (zh) | 2017-05-07 | 2017-05-07 | 基于多种数据下阿尔茨海默病的判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710314910.0A CN107145739A (zh) | 2017-05-07 | 2017-05-07 | 基于多种数据下阿尔茨海默病的判别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107145739A true CN107145739A (zh) | 2017-09-08 |
Family
ID=59776858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710314910.0A Pending CN107145739A (zh) | 2017-05-07 | 2017-05-07 | 基于多种数据下阿尔茨海默病的判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107145739A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320734A (zh) * | 2017-12-29 | 2018-07-24 | 安徽科大讯飞医疗信息技术有限公司 | 语音信号处理方法及装置、存储介质、电子设备 |
| CN109241257A (zh) * | 2018-08-20 | 2019-01-18 | 重庆柚瓣家科技有限公司 | 一种基于知识图谱的智慧问答系统及其方法 |
| CN109473173A (zh) * | 2018-09-30 | 2019-03-15 | 华中科技大学 | 一种基于视频的老年人认知功能缺陷评估系统及装置 |
| CN113940634A (zh) * | 2021-11-18 | 2022-01-18 | 江西希尔康泰制药有限公司 | 一种基于高电位治疗的阿尔茨海默症分类诊断系统 |
| CN114305457A (zh) * | 2021-12-28 | 2022-04-12 | 上海仪器仪表研究所 | 老年痴呆判断系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7478000B2 (en) * | 2006-04-03 | 2009-01-13 | International Business Machines Corporation | Method and system to develop a process improvement methodology |
| CN101983613A (zh) * | 2010-10-15 | 2011-03-09 | 浙江大学 | 计算机辅助筛查老年轻度认知损害的装置 |
| CN103546503A (zh) * | 2012-07-10 | 2014-01-29 | 百度在线网络技术（北京）有限公司 | 基于语音的云社交系统、方法及云分析服务器 |
| CN105078449A (zh) * | 2015-08-24 | 2015-11-25 | 华南理工大学 | 基于健康服务机器人的老年痴呆症监护系统 |
| CN205176850U (zh) * | 2015-10-30 | 2016-04-20 | 郑伟宏 | 阿尔茨海默病筛查装置 |
| CN105740621A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 人体行为数据的移动监测及智能养老健康云平台 |
-
2017
- 2017-05-07 CN CN201710314910.0A patent/CN107145739A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7478000B2 (en) * | 2006-04-03 | 2009-01-13 | International Business Machines Corporation | Method and system to develop a process improvement methodology |
| CN101983613A (zh) * | 2010-10-15 | 2011-03-09 | 浙江大学 | 计算机辅助筛查老年轻度认知损害的装置 |
| CN103546503A (zh) * | 2012-07-10 | 2014-01-29 | 百度在线网络技术（北京）有限公司 | 基于语音的云社交系统、方法及云分析服务器 |
| CN105078449A (zh) * | 2015-08-24 | 2015-11-25 | 华南理工大学 | 基于健康服务机器人的老年痴呆症监护系统 |
| CN205176850U (zh) * | 2015-10-30 | 2016-04-20 | 郑伟宏 | 阿尔茨海默病筛查装置 |
| CN105740621A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 人体行为数据的移动监测及智能养老健康云平台 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320734A (zh) * | 2017-12-29 | 2018-07-24 | 安徽科大讯飞医疗信息技术有限公司 | 语音信号处理方法及装置、存储介质、电子设备 |
| CN109241257A (zh) * | 2018-08-20 | 2019-01-18 | 重庆柚瓣家科技有限公司 | 一种基于知识图谱的智慧问答系统及其方法 |
| CN109241257B (zh) * | 2018-08-20 | 2022-07-19 | 重庆柚瓣家科技有限公司 | 一种基于知识图谱的智慧问答系统及其方法 |
| CN109473173A (zh) * | 2018-09-30 | 2019-03-15 | 华中科技大学 | 一种基于视频的老年人认知功能缺陷评估系统及装置 |
| CN113940634A (zh) * | 2021-11-18 | 2022-01-18 | 江西希尔康泰制药有限公司 | 一种基于高电位治疗的阿尔茨海默症分类诊断系统 |
| CN114305457A (zh) * | 2021-12-28 | 2022-04-12 | 上海仪器仪表研究所 | 老年痴呆判断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107145739A (zh) | 基于多种数据下阿尔茨海默病的判别方法 | |
| Kenner | Breathtaking: Asthma care in a time of climate change | |
| Irwin et al. | Comparative meta-analysis of behavioral interventions for insomnia and their efficacy in middle-aged adults and in older adults 55+ years of age. | |
| Fisher et al. | Intervention effects on foster parent stress: Associations with child cortisol levels | |
| Falck et al. | The independent associations of physical activity and sleep with cognitive function in older adults | |
| Gambhir et al. | Insomnia in the elderly—A hospital-based study from North India | |
| Shen et al. | Quitting patterns and predictors of success among participants in a tobacco cessation program provided by pharmacists in New Mexico | |
| LAYTHE et al. | A Test of an Occult-Themed Séance: Examining Anomalous Events, Psychosomatic Symptoms, Transliminality, and Electromagnetic Fields. | |
| Stocco et al. | Women drug abuse in Europe: gender identity | |
| Orzeck et al. | Men who abuse drugs and their experience of loneliness | |
| Speth et al. | The borderlands of waking: Quantifying the transition from reflective thought to hallucination in sleep onset | |
| Zhang et al. | Influence of narrative medicine-based health education combined with an online patient mutual assistance group on the health of patients with inflammatory bowel disease and arthritis | |
| Hare et al. | Objective investigation of the sleep–wake cycle in adults with intellectual disabilities and autistic spectrum disorders | |
| Christodoulou et al. | Factors associated with insomnia symptoms: A cross‐sectional study during a Covid‐19 fully restrictive lockdown | |
| Uhlenhuth et al. | Subjective change with medical student therapists: I. Course of relief in psychoneurotic outpatients | |
| Ame et al. | Mental Health Law in Ghana: The Rights of Children with Mental Disorders. | |
| Sloneem et al. | Self‐injurious behaviour in Cornelia de Lange syndrome: 2. association with environmental events | |
| Almodóvar‐Fernandez et al. | The effectiveness of a brief motivational nursing intervention to reduce psychoactive substance consumption in entertainment‐sector workers: A transversal, observation, and semi‐experimental study | |
| Runida et al. | Effect of COVID-19 fear and COVID-19 anxiety on sleep quality of breast cancer patients | |
| Kgatitswe et al. | Motivation to use cannabis among young adults at a University in Botswana | |
| Tanaka et al. | Clinical utility of an assessment scale for engagement in activities for patients with moderate‐to‐severe dementia: additional analysis | |
| Carr et al. | Graphic sleep monitoring: a clinical program to improve sleep in residents with mental retardation | |
| Ruf et al. | Investigating the many facets of spirituality that mediate the relationship between exposure to nature and psychological well-being | |
| Derks | A forensic day treatment program for personality-disordered criminal offenders | |
| Chen | E-health and Artificial Intelligence for Social Work and Addiction |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170908 |