CN110693459B - 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置 - Google Patents

诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置 Download PDF

Info

Publication number
CN110693459B
CN110693459B CN201911051263.4A CN201911051263A CN110693459B CN 110693459 B CN110693459 B CN 110693459B CN 201911051263 A CN201911051263 A CN 201911051263A CN 110693459 B CN110693459 B CN 110693459B
Authority
CN
China
Prior art keywords
rhythm
intonation
score
tones
test
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
Application number
CN201911051263.4A
Other languages
English (en)
Other versions
CN110693459A (zh
Inventor
张小川
陈显扬
赵春婷
高彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing musical instrument research institute
Original Assignee
Beijing musical instrument research institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing musical instrument research institute filed Critical Beijing musical instrument research institute
Priority to CN201911051263.4A priority Critical patent/CN110693459B/zh
Publication of CN110693459A publication Critical patent/CN110693459A/zh
Application granted granted Critical
Publication of CN110693459B publication Critical patent/CN110693459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Neurology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Hospice & Palliative Care (AREA)
  • Primary Health Care (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Developmental Disabilities (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Epidemiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于诊断装置技术领域，具体涉及键盘乐器及打击乐器在制造诊断阿尔茨海默症的装置中的用途，其中，采用键盘乐器对待诊断者进行音准测试以得到音准得分，采用打击乐器对待诊断者进行节奏测试以得到节奏得分，将音准得分和节奏得分代入通过机器学习方法预先建立的诊断模型中计算，得到诊断结果。本发明还涉及一种诊断阿尔茨海默症的装置。本发明方法能简单、准确、快速地诊断阿尔茨海默症，并且适于大规模使用。

Description

诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置
技术领域
本发明属于诊断装置技术领域，具体涉及键盘乐器及打击乐器在制造诊断阿尔茨海默症的装置中的用途，还涉及一种诊断阿尔茨海默症的装置。
背景技术
阿尔茨海默症(Alzheimer’s disease，AD)是一种与年龄相关的慢性进行性中枢神经系统退行性疾病。在大于65岁的老年人中，AD患病率约为5％，之后每增龄5岁，AD发病风险增加1倍。2015年全球AD患病人数约为4680万。2017年最新统计表明，在我国的65岁及以上人群中，AD患病率为5.56％。目前，该病无法治愈，主要通过药物干预来缓解症状，延缓疾病发展。因此，早预测、早发现、早诊断和早干预，是解决阿尔茨海默症这一医学和社会难题的重要手段。
目前，阿尔茨海默症主要通过诊断阿尔茨海默症的量表(例如MMSE量表)来进行检查。但是，量表诊断方法的过程枯燥、测试时间长，AD患者较难坚持完成，并且，量表诊断方法需进行一对一测试，耗费人力大，不适于大规模采用。
因此，需要研究一种新的方法来诊断阿尔茨海默症。
键盘乐器和打击乐器属于乐器中的不同分类。键盘乐器是装有键盘装置的乐器，乐器键盘上的每个键具有固定的音高，演奏者操作键盘通过乐器内的机械机构或电子组件来弹奏出乐音。打击乐器是以打、摇动、摩擦、刮等方式发声的乐器，也称“敲击乐器”。目前研究主要发现的是，器乐欣赏对阿尔茨海默症患者的认知功能、日常生活自理能力、记忆功能、行为功能、语言功能和情绪功能等有改善效果，能够缓解阿尔茨海默症的临床症状，具有一定的治疗效果。
发明内容
本发明提供了键盘乐器及打击乐器在制造诊断阿尔茨海默症的装置中的用途，其耗费时间短，人力需求量小，方法简单、灵活、有趣，适于大规模使用。在此基础上，本发明还提供了一种诊断阿尔茨海默症的装置。
本发明第一方面涉及键盘乐器及打击乐器在制造诊断阿尔茨海默症的装置中的用途，其中，通过如下的步骤诊断阿尔茨海默症：
使待诊断者进行至少一次音准测试，得到至少一个音准得分；
使待诊断者进行至少一次节奏测试，得到至少一个节奏得分；
将所有的音准得分和所有的节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果。
本发明第一方面的一些实施方式中，所述诊断模型通过如下的步骤建立：
使样本群体进行至少一次音准测试，得到至少一个样本音准得分；
使样本群体进行至少一次节奏测试，得到至少一个样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据所有的样本音准得分、所有的样本节奏得分及样本诊断结果建立诊断模型。
本发明第一方面的一些实施方式中，
所述音准测试包括如下步骤：使被测者耳听2个以上(优选2～10个，例如3、4、5、6、7、8、9个)的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为二至八度(例如三度、四度、五度、六度、七度)的音程关系；如全部弹奏正确，每个乐音计1分(即弹奏几个乐音得几分)；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述节奏测试包括如下步骤：使被测者耳听并观察至少一条节奏的演奏，然后采用打击乐器演奏同样的节奏，其中，每条节奏包括2～8小节(例如3、4、5、6、7小节)，以四分音符为一拍，每小节包括二至四拍(例如三拍、四拍)，并且区分左手演奏和右手演奏；每小节演奏正确计1分、演奏错误不计分。
本发明第一方面的一些实施方式中，所述键盘乐器选自安格隆、卡林巴和钢琴。
本发明第一方面的一些实施方式中，所述打击乐器选自非洲鼓、竹鼓和沙锤。
本发明第一方面的一些实施方式中，待诊断者和样本群体的音准测试次数相同、节奏测试次数相同。
本发明第一方面的一些实施方式中，待诊断者和样本群体对应次序的音准测试方法相同、对应次序的节奏测试方法相同。
本发明第一方面的一些实施方式中，多次音乐测试的方法可以相同，也可以不同。
本发明第一方面的一些实施方式中，多次节奏测试的方法可以相同，也可以不同。
本发明一些实施方式中，被测者为待诊断者和/或样本群体。
本发明第一方面的一些实施方式中，通过如下的步骤诊断阿尔茨海默症：
使待诊断者进行第一音准测试，得到第一音准得分；
使待诊断者进行第二音准测试，得到第二音准得分；
使待诊断者进行节奏测试，得到节奏得分；
将第一音准得分、第二音准得分和节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果；
其中：
所述第一音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述第二音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述节奏测试包括如下步骤：使被测者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏。
本发明第一方面的一些实施方式中，所述诊断模型通过如下的步骤建立：
使样本群体进行第一音准测试，得到第一样本音准得分；
使样本群体进行第二音准测试，得到第二样本音准得分；
使样本群体进行节奏测试，得到样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果建立诊断模型。
本发明一些实施方式中，通过逻辑回归法建立诊断模型。
本发明第一方面的一些实施方式中，用于诊断阿尔茨海默症的量表为MMSE量表。
本发明第一方面的一些实施方式中，诊断模型为：
Y＝a+b×R2+c×R4+d×R6
其中，a选自20～30，b选自-5～-0.01，c选自-4～-0.005，d选自-7～-0.01，Y表示诊断结果，R2表示第一音准得分，R4表示第二音准得分，R6表示节奏得分；并且，Y＞0，诊断结果为患病，否则，诊断结果为不患病。
本发明第一方面的一些实施方式中，诊断模型包括如下1)至4)中的一项或多项：
1)a为24.111、21、22、23、24、25、26、27、28或29；
2)b为-2.722、-4、-3、-2、-1、-0.8、-0.6、-0.5、-0.3或-0.1；
3)c为-1.196、-3、-2、-1、-0.8、-0.5、-0.1或-0.01；
4)d为-2.812、-6、-5、-4、-3、-2、-2、-0.8、-0.6、-0.5、-0.3、-0.1、-0.08、-0.05、-0.03或-0.02。
本发明第一方面的一些实施方式中，所述用途包括如下A至D中的一项或多项：
A.第一音准测试中，3个乐音属于同一音组，例如大字一组、大字组、小字组、小字一组、小字二组；
优选地，3个乐音的唱名依次为do、mi、sol；
B.第二音准测试中，3个乐音属于相邻两个音组，例如小字一组和小字二组；
优选地，3个乐音的唱名依次为同一音组(例如小字一组)中的do、sol及上行相邻音组(例如小字二组)中的do；
C.节奏测试的节奏一包括4小节，每小节有两拍；
D.节奏测试的节奏二包括4小节，每小节有三拍。
本发明第二方面涉及一种诊断阿尔茨海默症的装置，其包括：
采集模块，用于采集待诊断者的至少一个音准得分和至少一个节奏得分；
计算模块，用于将待诊断者的所有音准得分和所有节奏得分代入通过机器学习方法建立的诊断模型中，计算出诊断结果。
本发明还涉及一种建立诊断模型的设备或者本发明第二方面所述装置包括建立诊断模型的设备，所述设备包括：
数据收集模块，用于收集样本群体的至少一个音准得分、至少一个节奏得分及诊断结果；
数据处理模块，用于根据样本群体的所有音准得分、所有节奏得分及诊断结果建立诊断模型。
本发明第二方面的一些实施方式中，待诊断者和样本群体音准得分的个数相同、节奏得分的个数也相同。
本发明第二方面的一些实施方式中，待诊断者和样本群体对应次序的音准得分的测试方法相同、对应次序的节奏得分的测试方法也相同。
本发明第二方面的一些实施方式中，多个音准得分的测试方法可以相同，也可以不同。
本发明第二方面的一些实施方式中，多个节奏得分的测试方法可以相同，也可以不同。
本发明第二方面的一些实施方式中，所述装置还包括输出模块，用于输出诊断结果。
本发明的一些实施方式中，本发明第二方面所述装置和/或所述建立诊断模型的设备包括如下的(a)和/或(b)项：
(a)至少一个音准测试模块，用于使被测者(例如待诊断者和/或样本群体)耳听2个以上(优选2～10个，例如3、4、5、6、7、8、9个)的乐音，然后采用键盘乐器弹奏听到的乐音以获得音准得分，其中，相邻乐音为二至八度(例如三度、四度、五度、六度、七度)的音程关系；如全部弹奏正确，每个乐音计1分(即弹奏几个乐音得几分)；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
优选地，多个音准测试模块不同；
优选地，所述装置和/或设备包括第一音准测试模块和第二音准测试模块，其中，
第一音准测试模块，用于使被测者(例如待诊断者和/或样本群体)耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以得到第一音准得分，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
第二音准测试模块，用于使被测者(例如待诊断者和/或样本群体)耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以获得第二音准得分，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
更优选地，第一音准测试模块中，3个乐音属于同一音组(例如大字一组、大字组、小字组、小字一组、小字二组、)，唱名依次为do、mi、sol；
更优选地，第二音准测试模块中，3个乐音属于相邻两个音组(例如小字一组和小字二组)，唱名依次为同一音组(例如小字一组)中的do、sol及上行相邻音组(例如小字二组)中的do；
(b)至少一个节奏测试模块，用于使被测者(例如待诊断者和/或样本群体)耳听并观察至少一条节奏的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，其中，每条节奏包括2～8小节(例如3、4、5、6、7小节)，以四分音符为一拍，每小节包括二至四拍(例如三拍、四拍)，并且区分左手演奏和右手演奏；每小节演奏正确计1分、演奏错误不计分；
优选地，所述节奏测试模块，用于使被测者(例如待诊断者和/或样本群体)耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏；
更优选地，节奏一包括4小节，每小节有两拍；
更优选地，节奏二包括4小节，每小节有三拍。
本发明第二方面的一些实施方式中，所述建立诊断模型的设备包括：
诊断模块，用于采用诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果。
本发明第二方面的一些实施方式中，所述诊断阿尔茨海默症的量表为MMSE量表。
本发明第二方面的一些实施方式中，诊断模型为：
Y＝a+b×R2+c×R4+d×R6
其中，a选自20～30(例如24.111、21、22、23、24、25、26、27、28、29)，b选自-5～-0.01(例如-2.722、-4、-3、-2、-1、-0.8、-0.6、-0.5、-0.3、-0.1)，c选自-4～-0.005(例如-1.196、-3、-2、-1、-0.8、-0.5、-0.1、-0.01)，d选自-7～-0.01(例如-2.812、-6、-5、-4、-3、-2、-2、-0.8、-0.6、-0.5、-0.3、-0.1、-0.08、-0.05、-0.03、-0.02)，Y表示诊断结果，R2表示第一音准得分，R4表示第二音准得分，R6表示节奏得分；
并且，Y＞0，诊断结果为患病，否则，诊断结果为不患病。
本发明第三方面涉及一种诊断阿尔茨海默症的方法，其包括如下步骤：
使待诊断者进行至少一次音准测试，得到至少一个音准得分；
使待诊断者进行至少一次节奏测试，得到至少一个节奏得分；
将所有的音准得分和所有的节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果。
本发明第三方面的一些实施方式中，所述诊断模型通过如下的步骤建立：
使样本群体进行至少一次音准测试，得到至少一个样本音准得分；
使样本群体进行至少一次节奏测试，得到至少一个样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据所有的样本音准得分、所有的样本节奏得分及样本诊断结果建立诊断模型。
本发明第三方面的一些实施方式中，
所述音准测试包括如下步骤：使被测者耳听2个以上(优选2～10个，例如3、4、5、6、7、8、9个)的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为二至八度(例如三度、四度、五度、六度、七度)的音程关系；如全部弹奏正确，每个乐音计1分(即共弹奏几个乐音就得几分)；如弹奏出现误差且误差未超过三度音程，得分为1分(即音准得分为1分)；其余情况，不得分(即音准得分为0分)；
所述节奏测试包括如下步骤：使被测者耳听并观察至少一条节奏的演奏，然后采用打击乐器演奏同样的节奏，其中，每条节奏包括2～8小节(例如3、4、5、6、7小节)，以四分音符为一拍，每小节包括二至四拍(例如三拍、四拍)，并且区分左手演奏和右手演奏；每小节演奏正确计1分、演奏错误不计分。
本发明第三方面的一些实施方式中，待诊断者和样本群体的音准测试次数相同、节奏测试次数相同。
本发明第三方面的一些实施方式中，待诊断者和样本群体的对应次序的音准测试方法相同、对应次序的节奏测试方法相同。
本发明第三方面的一些实施方式中，多次音乐测试的方法可以相同，也可以不同。
本发明第三方面的一些实施方式中，多次节奏测试的方法可以相同，也可以不同。
本发明第三方面的一些实施方式中，被测者为待诊断者和/或样本群体。
本发明第三方面的一些实施方式中，诊断阿尔茨海默症的方法包括如下的步骤：
使待诊断者进行第一音准测试，得到第一音准得分；
使待诊断者进行第二音准测试，得到第二音准得分；
使待诊断者进行节奏测试，得到节奏得分；
将第一音准得分、第二音准得分和节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果；
其中：
所述第一音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述第二音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分。
本发明第三方面的一些实施方式中，所述节奏测试包括如下步骤：使被测者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括有3～5小节(例如3、4、5小节)，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏。
本发明第三方面的一些实施方式中，所述诊断模型通过如下的步骤建立：
使样本群体进行第一音准测试，得到第一样本音准得分；
使样本群体进行第二音准测试，得到第二样本音准得分；
使样本群体进行节奏测试，得到样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果建立诊断模型。
本发明第三方面的一些实施方式中，所述方法包括(1)至(3)中的一项或多项：
(1)通过逻辑回归法建立诊断模型；
(2)所述键盘乐器选自安格隆、卡林巴和钢琴；
(3)所述打击乐器选自非洲鼓、竹鼓和沙锤。
本发明第三方面的一些实施方式中，诊断模型为：
Y＝a+b×R2+c×R4+d×R6
其中，a选自20～30，b选自-5～-0.01，c选自-4～-0.005，d选自-7～-0.01，Y表示诊断结果，R2表示第一音准得分，R4表示第二音准得分，R6表示节奏得分；并且，Y＞0，诊断结果为患病，否则，诊断结果为不患病。
本发明第三方面的一些实施方式中，所述方法中，诊断模型包括如下1)至4)中的一项或多项：
1)a为24.111、21、22、23、24、25、26、27、28或29；
2)b为-2.722、-4、-3、-2、-1、-0.8、-0.6、-0.5、-0.3或-0.1；
3)c为-1.196、-3、-2、-1、-0.8、-0.5、-0.1或-0.01；
4)d为-2.812、-6、-5、-4、-3、-2、-2、-0.8、-0.6、-0.5、-0.3、-0.1、-0.08、-0.05、-0.03或-0.02。
本发明第三方面的一些实施方式中，所述方法包括如下A至D中的一项或多项：
A.第一音准测试中，3个乐音属于同一音组，例如大字一组、大字组、小字组、小字一组、小字二组；
优选地，3个乐音的唱名依次为do、mi、sol；
B.第二音准测试中，3个乐音属于相邻两个音组，例如小字一组和小字二组；
优选地，3个乐音的唱名依次为同一音组(例如小字一组)中的do、sol及上行相邻音组(例如小字二组)中的do；
C.节奏测试的节奏一包括4小节，每小节有两拍；
D.节奏测试的节奏二包括4小节，每小节有三拍。
本发明第一方面中所述的诊断阿尔茨海默症的步骤或本发明第三方面所述的方法通过本发明第二方面所述的装置实施或执行。
本发明第四方面又涉及一种诊断阿尔茨海默症的装置，其包括：
存储器，用于存储指令；
处理器，耦合到所述存储器，处理器被配置为基于所述存储器存储的指令执行如本发明第一方面中所述诊断阿尔茨海默症的步骤或者执行如本发明第三方面中所述的诊断阿尔茨海默症的方法。
本发明第五方面涉及一种计算机可读存储介质，其中，所述可读存储介质存储有计算机指令，所述指令被处理器执行时实现如本发明第一方面中所述诊断阿尔茨海默症的步骤或者实现如本发明第三方面中所述的诊断阿尔茨海默症的方法。
本发明第六方面涉及键盘乐器和打击乐器，用于诊断阿尔茨海默症；
优选地，所述诊断按照本发明第三方面所述的方法进行。
本发明第七方面涉及一种治疗阿尔茨海默症的方法，包括如下步骤：
用现有疗法对阿尔茨海默症患者进行治疗；
治疗后，按照本发明第三方面所述方法对患者进行诊断；
优选地，如诊断结果仍为患病，继续对患者进行治疗。
本发明第七方面的一些实施方式中，治疗方法选自音乐疗法、物理疗法和药物疗法。
本发明中，如无另外说明，其中：
术语“音准”是指演唱和乐器演奏中发音高度方面的质量。
术语“节奏”是音乐术语。音乐的基本要素之一。是通过音的长短、强弱有规律的变化而形成的。节奏是音乐中最有活力的一个因素，是音乐发展的推动力。
术语“乐音”是指发音体有规律的振动之后所产生的具有固定音高的音。
术语“音高”即音的高度，是音的主要特性之一。音高决定于发音体的振动频率。在音乐中，每一个音的相对音高是复杂的音乐逻辑关系的基础。
术语“音程”音乐术语。指两音间的距离，也即两音在音高上的差异，以度为计量单位。
术语“小节”音乐术语。乐曲中每个强拍前有一条短竖线，叫小节线，两竖线之间叫一小节。
术语“四分音符”是一种音符，其时值为全音符的四分之一。
术语“安格隆”流行于印度尼西亚的传统乐器。安格隆是在竹制框架上穿以2～3根长短粗细不等、音高彼此相距8度的竹筒，竹筒上端削成长舌形，下端呈凹形，插入框架。
术语“卡林巴”是一种非洲具有民族特色的民族乐器。它主要因用拇指拨动琴体上的薄片(主要有木制的、竹制的，在现代的发展中也有金属做的)而得名。传统的卡林巴利用葫芦制成共鸣器。
术语“非洲鼓”通常指的是来自西非的Djembe(金贝鼓，坚贝鼓)，是西非曼丁文化的代表性乐器。非洲鼓是皮膜类敲击乐器，鼓身约50至60厘米，直径约30至38厘米，用手拍击发声，当拍击的部位不同时，音色也有分别，可以发出高、中及低三种声音。
术语“竹鼓”属于击乐器。鼓身大龙竹制成。竹筒上端蒙以羊皮或牛皮，作共鸣箱，将竹筒下端挖成空条，成蜂腰形鼓架，下设三足，形制美观大方。演奏时，可将鼓立于地上，两手执短棒敲击鼓面
术语“沙锤”亦称沙球。起源于南美印第安人的节奏性打击乐器。传统沙锤用一个球形干葫芦，内装一些干硬的种子粒或碎石子，以葫芦原有细长颈部为柄，摇动时硬粒撞击葫芦壁发声。也有木制、陶制、藤编和塑料制等形状类似的沙锤，内装珠子、铅丸等物。通常双手各持一只摇。
术语“音组”是为了区分音名相同而音高不同的各个音，把乐音体系分成的许多组。并且规定在上行音列中从任何一个c(包括这一个c)到它相邻的下一个c(不包括这一个c)之间所有的音和音与音之间的关系就构成一个音组。
术语“唱名”为音乐术语。为了便于唱谱和区别音级，常用七个拉丁文的音节的唱名来表示自然大调式音阶中的七个音名的唱法，即用do、re、mi、fa、sol、la、si。
本发明取得的有益效果：
本发明方法耗时短、人力需求量小、方法简单灵活有趣，能简单、准确、快速地诊断阿尔兹海默病症，适于大规模采用。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1为本发明诊断阿尔茨海默症的方法的一个实施例的示意图；
图2为本发明建立诊断模型的步骤的一个实施例的示意图；
图3为本发明诊断阿尔茨海默症的装置的一个实施例的示意图；
图4为本发明建立诊断模型的设备的一个实施例的示意图。
具体实施方式
下面将结合实施例对本发明的实施方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明诊断阿尔茨海默症的方法的一个实施例的示意图。
诊断阿尔茨海默症的方法包括：
步骤101：使待诊断者进行第一音准测试，得到第一音准得分；
步骤102：使待诊断者进行第二音准测试，得到第二音准得分；
步骤103：使待诊断者进行节奏测试，得到节奏得分；
步骤104：将第一音准得分、第二音准得分和节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果；
其中：
所述第一音准测试包括如下步骤：使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述第二音准测试包括如下步骤：使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述节奏测试包括如下步骤：使待诊断者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括有3～5小节，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏。
并且，步骤101～步骤103可以同时执行或按任意次序执行。
图2为建立诊断模型方法的一个实施例的示意图；所述建立诊断模型的方法包括：
步骤201：使样本群体进行第一音准测试，得到第一样本音准得分；
步骤202：使样本群体进行第二音准测试，得到第二样本音准得分；
步骤203：使样本群体进行节奏测试，得到样本节奏得分；
步骤204：通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
步骤205：根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果建立诊断模型；
并且，样本群体的第一音准测试、第二音准测试和节奏测试的方法与图1中的相同，步骤201～步骤204可以同时执行或按任意次序执行。
本实施例中，根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果通过逻辑回归法建立诊断模型。
本实施例中，诊断模型为：
Y＝a+b×R2+c×R4+d×R6
其中，a选自20～30，b选自-5～-0.01，c选自-4～-0.005，d选自-7～-0.01，Y表示诊断结果，R2表示第一音准得分，R4表示第二音准得分，R6表示节奏得分；并且，Y＞0，诊断结果为患病，否则，诊断结果为不患病。
本实施例中，所述键盘乐器选自安格隆、卡林巴和钢琴。
本实施例中，所述打击乐器选自非洲鼓、竹鼓和沙锤。
本实施例中，第一音准测试中，3个乐音属于小字一组。
本实施例中，第一音准测试中，3个乐音的唱名依次为do、mi、sol。
本实施例中，第二音准测试中，3个乐音的唱名依次为小字一组中的do、sol及小字二组中的do。
本实施例中，节奏测试的节奏一包括4小节，以四分音符为一拍，每小节有两拍。
本实施例中，节奏测试的节奏二包括4小节，以四分音符为一拍，每小节有三拍。
图3为本发明诊断阿尔茨海默症的装置的一个实施例的示意图。
图1所述的方法通过图3所述的装置实施或执行。
诊断阿尔茨海默症的装置包括：
第一音准测试模块11，用于使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以得到第一音准得分，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
第二音准测试模块12，用于使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以获得第二音准得分，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
节奏测试模块13，用于使待诊断者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括3～5小节，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏；
采集模块14，用于采集待诊断者的第一音准得分、第二音准得分和节奏得分；
计算模块15，用于将待诊断者的第一音准得分、第二音准得分和节奏得分代入通过机器学习方法建立的诊断模型中，计算出诊断结果。
本实施例中，所述诊断装置还包括输出模块16，用于输出诊断结果。
图4为本实施例中建立诊断模型的设备的示意图。
所述建立诊断模型的设备包括：
第一音准测试模块11，用于使样本群体耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以得到第一音准得分，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
第二音准测试模块12，用于使样本群体耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以获得第二音准得分，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
节奏测试模块13，用于使样本群体耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，每小节演奏正确计1分、演奏错误不计分；
诊断模块24，用于采用诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
数据收集模块25，用于收集样本群体的第一音准得分、第二音准得分、节奏得分及诊断结果；
数据处理模块26，用于根据样本群体的第一音准得分、第二音准得分、节奏得分及诊断结果建立诊断模型。
本实施例中，第一音准测试模块11中，3个乐音属于小字一组，唱名依次为do、mi、sol。
本实施例中，第二音准测试模块12中，3个乐音属于小字一组和小字二组，唱名依次为小字一组中的do、sol及小字二组中的do。
本实施例中，节奏一包括4小节，四分音符为一拍，每小节有两拍。
本实施例中，节奏二包括4小节，四分音符为一拍，每小节有三拍。
本发明还涉及一种诊断阿尔茨海默症的装置，其包括：
存储器，用于存储指令；
处理器，耦合到所述存储器，处理器被配置为基于所述存储器存储的指令执行如图1-2中所述的方法。
本发明还涉及一种计算机可读存储介质，其中，所述可读存储介质存储有计算机指令，所述指令被处理器执行时实现如图1-2中所述的方法。
存储器可以包括高速RAM存储器，也可包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器也可以是存储器阵列。存储器还可能被分块，并且块可按一定的规则组合成虚拟卷。
处理器可以是一个中央处理器CPU，或者GPU，或者可以是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
上面描述的装置可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
实施例1建立诊断模型A
按照图2、4的方法或装置建立诊断模型A并进行诊断。
随机抽取15位患有阿尔茨海默症的参与者(MMSE量表评分在15-20分，男8人，女7人)和15位健康参与者(MMSE量表评分在26分以上，男8人，女7人)作为训练集，记录每个人的教育程度(1表示小学，2表示初中，3表示高中)和实际年龄。
(1)音准测试
根据30位参与者实际身体及精神状态，分别选择安格隆、拇指琴(卡林巴kalimba)或钢琴乐器。测试前，向参与者展示所选乐器，并对乐音进行示范弹奏，要求参与者动手尝试直至可熟练弹奏乐音。
音准测试1：由工作人员弹奏小字一组中唱名为do、mi、sol的三个乐音，请参与者耳听后弹奏出来；如全部弹奏正确，得3分；如弹奏出现错误且误差未超过三度音程，得1分；其余情况，不得分；
音准测试2：由工作人员弹奏小字一组中唱名为do、fa、la的三个乐音，请参与者耳听后弹奏出来；如全部弹奏正确，得3分；如弹奏出现错误且误差未超过三度音程，得1分；其余情况，不得分；
音准测试3：由工作人员弹奏小字一组中的do、sol及小字二组中的do，请参与者耳听后弹奏出来；如全部弹奏正确，得3分；如弹奏出现错误且误差未超过三度音程，得1分；其余情况，不得分；
音准测试1～3重复一次，各测试的得分取两次的平均值。
(2)节奏测试
根据30位参与者实际身体及精神状态，分别选择非洲鼓、竹鼓、沙锤乐器。测试前，向参与者展示所选乐器，并示范演奏节奏，要求参与者动手尝试直至可熟练演奏出节奏。
节奏测试1：由工作人员演奏如下的节奏一和节奏二，此过程中要求测试者仔细倾听、观察并记忆，请参与者重复演奏节奏，打击正确一个小节得一分、错误不得分。其中，左表示左手演奏，右表示右手演奏。
节奏一：包括4小节，以四分音符为一拍，每小节有两拍，左右手轮流演奏一小节并从左手开始演奏，其节奏谱为：
2/4│ⅹⅹ│ⅹⅹ│ⅹⅹ│ⅹⅹ‖
左左右右左左右右
节奏二：包括4小节，以四分音符为一拍，每小节有三拍，左右手轮流演奏一小节并从左手开始演奏，其节奏谱为：
3/4│ⅹxⅹ│ⅹxⅹ│ⅹxⅹ│ⅹxⅹ‖
左左左 右右右 左左左 右右右
节奏测试2：由工作人员演奏如下的节奏三和节奏四，此过程中要求测试者仔细倾听、观察并记忆，请参与者重复演奏节奏，打击正确一个小节得一分、错误不得分。其中，左表示左手演奏，右表示右手演奏。
节奏三：包括4小节，以四分音符为一拍，每小节有两拍，左右手交替演奏拍子并从左手开始演奏，其节奏谱为：
2/4│ⅹⅹ│ⅹⅹ│ⅹⅹ│ⅹⅹ‖
左右左右左右左右
节奏四：包括4小节，以四分音符为一拍，每小节有三拍，左右手交替演奏拍子并从左手开始演奏，其节奏谱为：
3/4│ⅹxⅹ│ⅹxⅹ│ⅹxⅹ│ⅹxⅹ‖
左右左右左右左右左右左右
节奏测试3：由工作人员演奏如下的节奏五和节奏六，此过程中要求测试者仔细倾听、观察并记忆，请参与者重复演奏节奏，打击正确一个小节得一分、错误不得分。其中，左表示左手演奏，右表示右手演奏，空表示空一拍。
节奏五：包括4小节，以四分音符为一拍，每小节有两拍，其中，第一拍为左手演奏的前半拍和右手演奏的后半拍，最后一拍为空，其节奏谱为：
2/4│ⅹⅹ○│ⅹⅹ○│ⅹⅹ○│ⅹⅹ○‖
左右空左右空左右空左右空
节奏六：包括4小节，以四分音符为一拍，每小节有三拍，其中，第一拍为左手演奏的两个半拍，第二拍为右手演奏的两个半拍，最后一拍由左手演奏，其节奏谱为：
3/4│ⅹxxxⅹ│ⅹxxxⅹ│ⅹxxxⅹ│ⅹxxxⅹ‖
左左右右左 左左右右左 左左右右左 左左右右左
节奏测试1～3重复一次，各测试的得分取两次的平均值。
表1-2分别列出了健康参与者和阿尔茨海默症参与者各项数据的统计情况，其中，YZ1表示音准测试1得分，YZ2表示音准测试2得分，YZ3表示音准测试3得分，DJ1表示节奏测试1得分，DJ2表示节奏测试2得分，DJ3表示节奏测试3得分。
表1健康参与者各项数据的统计情况
Figure BDA0002255386520000211
表2阿尔茨海默症参与者各项数据的统计情况
Figure BDA0002255386520000212
Figure BDA0002255386520000221
根据所有人的音准测试1(YZ1)、音准测试3(YZ3)、节奏测试2(DJ2)的得分及MMSE诊断结果，通过逻辑回归算法进行参数训练，得到诊断模型A如下：
Y＝24.111+(-2.722)×R2+(-1.196)×R4+(-2.812)×R6
其中，Y表示诊断结果，R2表示音准测试1得分，R4表示音准测试3得分，R6表示节奏测试2得分；并且阈值为0，即Y＞0，诊断结果为患病，否则诊断结果为不患病。
实施例2建立诊断模型B
根据实施例1中所有人的教育程度、音准测试1(YZ1)、节奏测试1(DJ1)数据及MMSE诊断结果，通过逻辑回归算法进行参数训练，得到诊断模型B如下：
Y＝27.663+(-2.180)×R1+(-1.989)×R2+(-2.701)×R5
其中，Y表示诊断结果，R1表示教育程度，R2表示音准测试1得分，R5表示节奏测试1得分；并且阈值为0，即Y＞0，诊断结果为患病，否则诊断结果为不患病。
实施例3建立诊断模型C
根据实施例1中所有人的教育程度、音准测试1(YZ1)、音准测试2(YZ2)、节奏测试1(DJ1)、节奏测试2(DJ2)的数据及MMSE诊断结果，通过逻辑回归算法进行参数训练，得到诊断模型C如下：
Y＝15.4818+0.8629×R1+(-0.7602)×R2+(-0.5532)×R3+0.3974×R5+(-2.9928)×R6
其中，Y表示诊断结果，R1表示教育程度，R2表示音准测试1得分，R3表示音准测试2得分，R5表示节奏测试1得分，R6表示节奏测试2得分；并且阈值为0.667，即Y＞0.667，诊断结果为患病，否则诊断结果为不患病。
实施例4建立诊断模型D
根据实施例1中所有人的教育程度、音准测试1(YZ1)、音准测试2(YZ2)、音准测试3(YZ3)、节奏测试1(DJ1)、节奏测试2(DJ2)、节奏测试3(DJ3)数据及MMSE诊断结果，通过逻辑回归算法进行参数训练，得到诊断模型D如下：
Y＝121.242+14.776×R1+(-25.776)×R2+(-15.503)×R3+(-5.418)×R4+15.
01×R5+(-61.9)×R6+39.653×R7
其中，Y表示诊断结果，R1表示教育程度，R2表示音准测试1得分，R3表示音准测试2得分，R4表示音准测试3得分，R5表示节奏测试1得分，R6表示节奏测试2得分，R7表示节奏测试3得分；并且阈值为0.947，即Y＞0.947，诊断结果为患病，否则诊断结果为不患病。
实施例5诊断模型A～D的准确度、敏感度和特异性评测
另随机抽取15位阿尔茨海默症参与者(MMSE量表评分在15-20分，男7人，女8人)和15位健康参与者(MMSE量表评分在26分以上，男7人，女8人)。对这些参与者按照实施例1中的方法进行音准测试和节奏测试，并记录教育程度(R1)、音准测试1得分(R2)、音准测试2得分(R3)、音准测试3得分(R4)、节奏测试1得分(R5)、节奏测试2得分(R6)、节奏测试3得分(R7)，将这些数据分别代入诊断模型A～D进行运算，得到诊断结果，如表3-6所示。
表3诊断模型A的诊断结果和实际结果(人)
Figure BDA0002255386520000241
表4诊断模型B的诊断结果和实际结果(人)
Figure BDA0002255386520000242
表5诊断模型C的诊断结果和实际结果(人)
Figure BDA0002255386520000243
表6诊断模型D的诊断结果和实际结果(人)
Figure BDA0002255386520000244
根据诊断结果和实际结果，按照如下公式计算各诊断模型的准确度、敏感度和特异性。
准确度＝(tp+tn)/(tp+tn+fp+fn)
敏感度＝tp/(tp+fn)
特异性＝tn/(tn+fp)
其中，
tp代表模型诊断结果和实际结果均为患病的人数；
tn代表模型诊断结果和实际结果均为不患病的人数；
fp代表模型诊断结果为患病，而实际结果为不患病的人数；
fn代表模型诊断结果为不患病，而实际结果为患病的人数。
另外又随机抽取四批次，每批次包括15位阿尔茨海默症参与者(MMSE量表评分在15-20分)和15位健康参与者(MMSE量表评分在26分以上)，按照前述方法进行测试，计算诊断结果以及各诊断模型的准确度、敏感度和特异性。
绘制各模型的接受者操作特性曲线，确定各诊断模型的准确度、敏感度和特异性的结果如下：
诊断模型A的准确度为93％，敏感度为0.933，特异性为0.933。
诊断模型B的准确度为70％，敏感度为0.533，特异性为0.867。
诊断模型C的准确度为60％，敏感度为0.667，特异性为0.800。
诊断模型D的准确度为67％，敏感度为0.667，特异性为0.800。
各诊断模型的AUC值见表7。
表7各诊断模型的AUC值
诊断模型A 诊断模型B 诊断模型C 诊断模型D
AUC值 0.947 0.613 0.660 0.691
可见，相比于其它诊断模型，本发明诊断模型A的准确度、敏感度和特异性都更高，AUC值也更高。
上述实施例在选取参与者时已通过本领域公知技术手段排除了不确定多因素的干扰，不确定多因素包括但不限于天生音准不准、天生节奏不准等因素，采用的本领域公知技术手段包括但不限于通过多元(多因素)统计模型自动消除多因素干扰。因此，本发明技术方案是能够重复实施的。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (24)

1.一种诊断阿尔茨海默症的装置，其包括：
采集模块，用于采集待诊断者的至少一个音准得分和至少一个节奏得分；
计算模块，用于将待诊断者的所有音准得分和所有节奏得分代入通过机器学习方法建立的诊断模型中，计算出诊断结果；
所述装置还包括至少一个音准测试模块和至少一个节奏测试模块；
至少一个音准测试模块，用于使待诊断者耳听2个以上的乐音，然后采用键盘乐器弹奏听到的乐音以获得音准得分，其中，相邻乐音为二至八度的音程关系；如全部弹奏正确，每个乐音计1分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
至少一个节奏测试模块，用于使待诊断者耳听并观察至少一条节奏的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，其中，每条节奏包括2～8小节，以四分音符为一拍，每小节包括二至四拍，并且区分左手演奏和右手演奏；每小节演奏正确计1分、演奏错误不计分。
2.根据权利要求1所述的装置，其还包括输出模块，用于输出诊断结果。
3.根据权利要求1所述的装置，其中，所述音准测试模块用于使待诊断者耳听2～10个的乐音，然后采用键盘乐器弹奏听到的乐音以获得音准得分。
4.根据权利要求1或2所述的装置，其特征在于如下的(a)和/或(b)项：
(a)所述装置包括第一音准测试模块和第二音准测试模块，其中，
第一音准测试模块，用于使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以得到第一音准得分，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
第二音准测试模块，用于使待诊断者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，以获得第二音准得分，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
(b)所述节奏测试模块，用于使待诊断者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，以获得节奏得分，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括3～5小节，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏。
5.根据权利要求4所述的装置，其中，第(a)项中，第一音准测试模块中，3个乐音属于同一音组，唱名依次为do、mi、sol。
6.根据权利要求5所述的装置，其中，第(a)项中，第一音准测试模块中，3个乐音属于小字一组。
7.根据权利要求4所述的装置，其中，第(a)项中，第二音准测试模块中，3个乐音属于相邻两个音组，唱名依次为同一音组中的do、sol及上行相邻音组中的do。
8.根据权利要求7所述的装置，其中，第(a)项中，第二音准测试模块中，3个乐音属于小字一组和小字二组。
9.根据权利要求7所述的装置，其中，第(a)项中，第二音准测试模块中，3个乐音的唱名依次为小字一组中的do、sol及小字二组中的do。
10.根据权利要求4所述的装置，其中，第(b)项中，节奏一包括4小节，每小节有两拍。
11.根据权利要求4所述的装置，其中，第(b)项中，节奏二包括4小节，每小节有三拍。
12.一种诊断阿尔茨海默症的装置，其包括：
存储器，用于存储指令；
处理器，耦合到所述存储器，处理器被配置为基于所述存储器存储的指令执行如下的诊断阿尔茨海默症的步骤：
使待诊断者进行至少一次音准测试，得到至少一个音准得分；
使待诊断者进行至少一次节奏测试，得到至少一个节奏得分；
将所有的音准得分和所有的节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果；
其中，
所述音准测试包括如下步骤：使被测者耳听2个以上的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为二至八度的音程关系；如全部弹奏正确，每个乐音计1分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述节奏测试包括如下步骤：使被测者耳听并观察至少一条节奏的演奏，然后采用打击乐器演奏同样的节奏，其中，每条节奏包括2～8小节，以四分音符为一拍，每小节包括二至四拍，并且区分左手演奏和右手演奏；每小节演奏正确计1分、演奏错误不计分。
13.根据权利要求12所述的装置，其中，所述音准测试的步骤中，使被测者耳听2～10个的乐音，然后采用键盘乐器弹奏听到的乐音。
14.根据权利要求12所述的装置，其中，所述音准测试的步骤中，所述键盘乐器选自安格隆、卡林巴和钢琴。
15.根据权利要求12所述的装置，其中，所述节奏测试的步骤中，所述打击乐器选自非洲鼓、竹鼓和沙锤。
16.根据权利要求12所述的装置，其中，通过如下的步骤诊断阿尔茨海默症：
使待诊断者进行第一音准测试，得到第一音准得分；
使待诊断者进行第二音准测试，得到第二音准得分；
使待诊断者进行节奏测试，得到节奏得分；
将第一音准得分、第二音准得分和节奏得分代入通过机器学习方法建立的诊断模型中计算，得到诊断结果；
其中：
所述第一音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，相邻乐音为三度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述第二音准测试包括如下步骤：使被测者耳听3个音高依次升高的乐音，然后采用键盘乐器弹奏听到的乐音，其中，前两个乐音为五度音程关系，后两个乐音为四度音程关系；如全部弹奏正确，得分为3分；如弹奏出现误差且误差未超过三度音程，得分为1分；其余情况，不得分；
所述节奏测试包括如下步骤：使被测者耳听并观察如下节奏一和节奏二的演奏，然后采用打击乐器演奏同样的节奏，每小节演奏正确计1分、演奏错误不计分；
节奏一：包括3～5小节，以四分音符为一拍，每小节包括二至三拍，左右手交替演奏拍子并从左手开始演奏；
节奏二：包括3～5小节，以四分音符为一拍，每小节包括三至四拍，左右手交替演奏拍子并从左手开始演奏。
17.根据权利要求12所述的装置，其特征在于如下A至D中的一项或多项：
A.第一音准测试中，3个乐音属于同一音组；
B.第二音准测试中，3个乐音属于相邻两个音组；
C.节奏测试的节奏一包括4小节，每小节有两拍；
D.节奏测试的节奏二包括4小节，每小节有三拍。
18.根据权利要求17所述的装置，其中，第A项中，3个乐音的唱名依次为do、mi、sol。
19.根据权利要求17所述的装置，其中，第B项中，3个乐音的唱名依次为同一音组中的do、sol及上行相邻音组中的do。
20.根据权利要求12所述的装置，其中，所述诊断模型通过如下的步骤建立：
使样本群体进行至少一次音准测试，得到至少一个样本音准得分；
使样本群体进行至少一次节奏测试，得到至少一个样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据所有的样本音准得分、所有的样本节奏得分及样本诊断结果建立诊断模型。
21.根据权利要求12所述的装置，其中，所述诊断模型通过如下的步骤建立：
使样本群体进行第一音准测试，得到第一样本音准得分；
使样本群体进行第二音准测试，得到第二样本音准得分；
使样本群体进行节奏测试，得到样本节奏得分；
通过用于诊断阿尔茨海默症的量表诊断样本群体，得到样本诊断结果；
根据第一样本音准得分、第二样本音准得分、样本节奏得分及样本诊断结果建立诊断模型。
22.根据权利要求20或21所述的装置，其中，诊断模型为：
Y＝a+b×R2+c×R4+d×R6
其中，a选自20～30，b选自-5～-0.01，c选自-4～-0.005，d选自-7～-0.01，Y表示诊断结果，R2表示第一音准得分，R4表示第二音准得分，R6表示节奏得分；并且，Y＞0，诊断结果为患病，否则，诊断结果为不患病。
23.根据权利要求22所述的装置，其特征在于如下1)至4)中的一项或多项：
1)a为24.111；
2)b为-2.722；
3)c取为-1.196；
4)d取为-2.812。
24.一种计算机可读存储介质，其中，所述可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求12至23任一项所述的诊断阿尔茨海默症的装置中的步骤。
CN201911051263.4A 2019-10-31 2019-10-31 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置 Active CN110693459B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911051263.4A CN110693459B (zh) 2019-10-31 2019-10-31 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911051263.4A CN110693459B (zh) 2019-10-31 2019-10-31 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置

Publications (2)

Publication Number Publication Date
CN110693459A CN110693459A (zh) 2020-01-17
CN110693459B true CN110693459B (zh) 2022-04-29

Family

ID=69204006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911051263.4A Active CN110693459B (zh) 2019-10-31 2019-10-31 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置

Country Status (1)

Country Link
CN (1) CN110693459B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0670885A (ja) * 1992-07-09 1994-03-15 A T R Shichokaku Kiko Kenkyusho:Kk 視線検出を用いた医療診断装置
JP2002041065A (ja) * 2000-07-21 2002-02-08 Daiichikosho Co Ltd 音楽療法における診断支援方法および診断支援装置
CN101600973A (zh) * 2007-01-30 2009-12-09 通用电气健康护理有限公司 用于辅助诊断神经退行性疾病的工具
CN107045876A (zh) * 2016-12-30 2017-08-15 南京邮电大学 一种基于语音的帕金森症严重程度诊断方法
WO2019194843A1 (en) * 2018-04-05 2019-10-10 Google Llc System and method for generating diagnostic health information using deep learning and sound understanding

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0670885A (ja) * 1992-07-09 1994-03-15 A T R Shichokaku Kiko Kenkyusho:Kk 視線検出を用いた医療診断装置
JP2002041065A (ja) * 2000-07-21 2002-02-08 Daiichikosho Co Ltd 音楽療法における診断支援方法および診断支援装置
CN101600973A (zh) * 2007-01-30 2009-12-09 通用电气健康护理有限公司 用于辅助诊断神经退行性疾病的工具
CN107045876A (zh) * 2016-12-30 2017-08-15 南京邮电大学 一种基于语音的帕金森症严重程度诊断方法
WO2019194843A1 (en) * 2018-04-05 2019-10-10 Google Llc System and method for generating diagnostic health information using deep learning and sound understanding

Also Published As

Publication number Publication date
CN110693459A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
Seashore The psychology of musical talent
Benade Fundamentals of musical acoustics
Nusseck et al. Music performance anxiety in young musicians: comparison of playing classical or popular music
Nzewi A Contemporary Study of Musical Arts Vol. 1
US8653346B2 (en) Harmonica adapted for chordal jamming and method and use of same for improving pulmonary function
Larrouy-Maestri et al. The effects of stress on singing voice accuracy
Xolmurod THE HISTORY OF KASHGAR RUBOBI'S PERFORMANCE AND ITS PLACE IN THE ORCHESTRA
Zhang et al. The early development of music. Analysis of the Jiahu bone flutes
Demorest Pitch-matching performance of junior high boys: A comparison of perception and production
CN110693459B (zh) 诊断阿尔茨海默症的应用及诊断阿尔茨海默症的装置
Chew Notating disfluencies and temporal deviations in music and arrhythmia
Mertel Auditory perception training (APT)
Toner The gestation of cross-cultural music research and the birth of ethnomusicology
Kubik Nsenga/Shona harmonic patterns and the San heritage in southern Africa
US20130072270A1 (en) Coded vocal beatboxing expression and its use in a beatboxing game
Fox The Jew's harp: a comprehensive anthology
Datta et al. Acoustical Analysis of the Tanpura: Indian Plucked String Instrument
Cruz et al. The immediate effect of vocal technique associated with virtual reality game in people with Parkinsons disease
Maceda In search of a source of pentatonic hemitonic and anhemitonic scales in Southeast Asia
Wiggins et al. Tuning xylophones: Dagara instruments in the town of nandom, north-west ghana
Pradana et al. The Musicality of Gamelan Gong Kebyar Mepacek as a North Bali Traditional Music Identity
Teirilä Physiology of wind-instrument playing and the implications for pedagogy
Hobbs Thailand's gift of musical instruments
Teague Hal Leonard Steelpan Method
Weiss et al. Improvisation: A novel tool to study musicality

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