CN113268525A - 一种自动优化常模的认知评估方法及系统 - Google Patents

Abstract

本申请提供了一种自动优化常模的认知评估方法及系统，方法包括：步骤100、获取被测人员基础信息，根据被测人员基础信息判断被测人员类型，确定对应的常模数据库；步骤200、获取被测人员进行认知测试产生的测试原始数据；步骤300、将测试原始数据与现有常模参数进行对比，产出测试报告；步骤400、将测试原始数据加入对应的常模数据库中，生成新的常模参数。通过将每次测试的数据代入对应的常模数据库中，实现了常模的自动优化，将数据采集过程和测试过程融合，避免了以人工方式对样本数据的收集和筛选，提高了效率。同时，能够确保常模保持更新，测试准确度也更高。

Description

一种自动优化常模的认知评估方法及系统

技术领域

本发明涉及认知评估技术，尤其涉及一种自动优化常模的认知评估方法及系统。

背景技术

现有的认知评估系统中，通常以常模作为参照标准来对测验分数进行比较和解释。常模是一种供比较的标准量数，由标准化样本测试结果计算而来。较为常见的常模参数包括平均数和方差。随着时代的发展和变迁，常模需要定期维护和更新，以保证依据常模参数计算出的测验分数能够准确地反映作答者当下的实际情况。

常规常模更新优化方法是人工定期将收集到的样本数据添加到数据库中，这种方法更新周期较长，而滞后的常模会影响测验的准确性。此外，人工更新常模需要投入大量时间和精力进行数据维护管理和筛选，导致人工成本和时间成本较高。

此外，现有的认知评估系统缺少针对自闭症、注意缺陷与多动障碍(Attentiondeficit and hyperactiVity disorder，ADHD)、阿尔茨海默病等特殊人群的常模数据库，因而难以精确地、有针对性地对特殊人群的测试结果进行对比评价。而特殊人群的数据样本量本身就较少，采集难度较大，常规的常模数据收集和更新方法更加困难。

发明内容

本发明的目的在于提供一种将数据采集过程和测试过程融合，从而能够自动优化常模的认知评估方法及系统。

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

根据本发明的一方面，提供了一种自动优化常模的认知评估方法，包括以下步骤：

步骤100、获取被测人员基础信息，根据被测人员基础信息判断被测人员类型，确定对应的常模数据库；

步骤200、获取被测人员进行认知测试产生的测试原始数据；

步骤300、将测试原始数据与现有常模参数进行对比，产出测试报告；

步骤400、将测试原始数据加入对应的常模数据库中，生成新的常模参数。

在一实施例中，该方法的所述被测人员基础信息包括：被测人员的年龄、性别、国别、左右利手和教育程度。

在一实施例中，该方法的所述步骤100还包括：确定对应的常模数据库时，如果没有对应的常模数据库，则新建一个与该被测人员类型对应的常模数据库。

在一实施例中，该方法的所述步骤200中的认知测试包括：词语记忆测验模块、视觉记忆测验模块、符号数字编码模块、注意力转移测验模块、持续性操作测验模块、情绪感知测验模块、推理测验模块、由四部分组成的持续性操作测验模块、面孔识别模块和情绪识别模块。

在一实施例中，该方法的所述步骤200中的所述面孔识别模块和情绪识别模块基于被测人员所属国家人群的面孔数据和情绪数据进行识别。

在一实施例中，该方法的所述步骤200中的认知测试涉及复合记忆、视觉记忆、言语记忆、心理运动速度、反应时间、复杂记忆、认知灵活性、处理速度、执行功能、社交敏感度、推理、工作记忆、持续性注意、简单注意和运动速度认知指标。

在一实施例中，该方法的所述步骤300中的测试报告以表格形式和/或图形形式呈现。

在一实施例中，该方法的所述步骤300中，在将测试原始数据与现有常模参数进行对比之前，还包括：判断测试原始数据是否在对应的常模数据库的阈值范围内，如是，继续进行后续步骤；如否，重新判断被测人员类型，确定对应的常模数据库，然后进行后续步骤。

在一实施例中，该方法的所述步骤400中的常模参数包括均值和标准差。

根据本发明的另一方面，还提供了一种自动优化常模的认知评估系统，包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序；所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行上述任一实施例所述的方法。

本发明实施例的有益效果是：通过将每次测试的数据代入对应的常模数据库中，实现了常模的自动优化，将数据采集过程和测试过程融合，避免了以人工方式对样本数据的收集和筛选，提高了效率。同时，能够确保常模保持更新，测试准确度也更高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1是本发明方法实施例的流程图；

图2是本发明方法实施例的表格形式的测试结果示意图；

图3是本发明方法实施例的图形形式的测试结果示意图；

图4是本发明系统实施例的模块示意图。

具体实施方式

以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。

现有常模更新方式通常由人工采集数据并进行更新，由于人工更新常模的成本高、周期长，通常情况下测验常模不会频繁更新和维护。如果采用长期未更新的常模对被测人员进行认知测试对比，测试结果的准确性将受到影响。

因此，如图1所示，本公开实施例提供了一种自动优化常模的认知评估方法，包括以下步骤：

步骤100、获取被测人员基础信息，根据被测人员基础信息判断被测人员类型，确定对应的常模数据库；

被测人员基础信息包括被测人员是否有认知障碍，例如自闭症、多动症等。此外，被测人员基础信息还可以包括被测人员身份信息、年龄、性别、左右利手、国别、教育程度等。根据被测人员的基础信息，可以将被测人员进行分类，确定最合适的常模数据库，从而确保测试的准确性。

步骤200、获取被测人员认知测试完毕后产生的测试原始数据；

在可能的实施例中，认知测试包括词语记忆测验模块、视觉记忆测验模块、符号数字编码模块、注意力转移测验模块、持续性操作测验模块、情绪感知测验模块、推理测验模块、由四部分组成的持续性操作测验模块、面孔识别模块和情绪识别模块等。其中，由于不同国家的人群面孔特征和情绪表达方式不同，优选地，面孔识别模块和情绪识别模块基于被测人员所属国家人群的面孔数据和情绪数据进行识别。

涉及复合记忆、视觉记忆、言语记忆、心理运动速度、反应时间、复杂记忆、认知灵活性、处理速度、执行功能、社交敏感度、推理、工作记忆、持续性注意、简单注意、运动速度等认知指标。

被测人员通过电脑等终端执行完毕认知测试项目后，会产生正确率、点击数、反应速度等测试原始数据。常模数据库中包含有一定数量已经采集到的测试原始数据。

步骤300、将测试原始数据与现有常模参数进行对比，产出测试报告。

测试结果可以通过直观化的表格形式展示，例如可以如图2所示，通过不同颜色(图中表现为灰度)来标记测试数值，也可以采用柱状图等图形形式展示，如图3所示，使测试结果更加浅显易懂，让被测人员清楚明白自己的认知状况。

步骤400、将测试原始数据加入对应的常模数据库中，计算新的常模参数；通常常模参数包括均值和标准差。

现有的常模数据库中可能没有与患有自闭症、多动症、阿尔茨海默病等特殊人群对应的类型，因此在上述实施例的基础上，步骤100还可以包括：确定对应的常模数据库时，如果没有对应的常模数据库，则新建一个与该被测人员类型对应的常模数据库。

例如，一个被测人员为自闭症患者，而现有常模数据库中没有对应常模数据，则新建一个自闭症患者常模数据库，将该被测人员的测试原始数据添加到该数据库中。此时，该常模数据库由于数据量过少，测试报告结果没有参考价值。当自闭症患者常模数据库积累到一定数量后，得到的测试报告结果才具备一定参考价值。通过该步骤，能够将特殊人群的测试结果进行收集并用于构建相应的常模数据库，从而降低了数据收集的难度。

此外，还需要考虑到步骤100中获取到被测人员基础信息是否准确。因此需要加入校验步骤。

在可能的实施例中，一种校验方法为，在步骤300中，在将测试原始数据与现有常模参数进行对比之前，还包括：判断测试原始数据是否在对应的常模数据库的阈值范围内，如是，继续进行后续步骤；如否，重新判断被测人员类型，确定对应的常模数据库，然后进行后续步骤。

通常，某一类别人群的认知测试数据呈正态分布于一定区间内，如果明显超出该区间范围，则很有可能是之前的被测人员类型确定错误。通过这样的校验步骤，能够防止由于常模不对应而导致的测试结果不准确的情况发生。

上述方法通过将每次测试的数据代入对应的常模数据库中，实现了常模的自动优化，将数据采集过程和测试过程融合，避免了以人工方式对样本数据的收集和筛选，提高了效率。同时，能够确保常模保持更新，测试准确度也更高。

如图4所示，本公开实施例还提供了一种自动优化常模的认知评估系统，包括：处理器410，以及与所述处理器410相连接的存储器420；处理器410用于调用并执行存储器420中的计算机程序，以执行上述任一项实施例中所述的方法。

处理器410可以包括但不限于微处理器(MCU，Micro Controller Unit)或可编程逻辑器件(FPGA，Field Programmable Gate Array)等的处理装置。

存储器420用于存储计算机程序。存储器420可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器420可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。此外，可以将数据存储到云服务器中，以方便后续自由下载查看，也能够方便技术人员整合被测人员评估信息，对被测人员的评估结果进行进一步的分析。

此外，该认知评估系统还可包括输入设备和输出设备。例如，当在电脑端进行本方法时，电脑应至少具备显示器和键盘以和被测人员进行交互。优选地，电脑可外接第二块显示器以便于实时查看系统信息。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

以上所述仅为本申请的较佳实例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (10)

1.一种自动优化常模的认知评估方法，其特征在于，包括以下步骤：

步骤100、获取被测人员基础信息，根据被测人员基础信息判断被测人员类型，确定对应的常模数据库；

步骤200、获取被测人员进行认知测试产生的测试原始数据；

步骤300、将测试原始数据与现有常模参数进行对比，产出测试报告；

步骤400、将测试原始数据加入对应的常模数据库中，生成新的常模参数。

2.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述被测人员基础信息包括：被测人员的年龄、性别、国别、左右利手和教育程度。

3.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述步骤100还包括：确定对应的常模数据库时，如果没有对应的常模数据库，则新建一个与该被测人员类型对应的常模数据库。

4.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述步骤200中的认知测试包括：词语记忆测验模块、视觉记忆测验模块、符号数字编码模块、注意力转移测验模块、持续性操作测验模块、情绪感知测验模块、推理测验模块、由四部分组成的持续性操作测验模块、面孔识别模块和情绪识别模块。

5.根据权利要求4所述的自动优化常模的认知评估系统，其特征在于，所述面孔识别模块和情绪识别模块基于被测人员所属国家人群的面孔数据和情绪数据进行识别。

6.根据权利要求4所述的自动优化常模的认知评估系统，其特征在于，所述步骤200中的认知测试涉及复合记忆、视觉记忆、言语记忆、心理运动速度、反应时间、复杂记忆、认知灵活性、处理速度、执行功能、社交敏感度、推理、工作记忆、持续性注意、简单注意和运动速度认知指标。

7.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述步骤300中的测试报告以表格形式和/或图形形式呈现。

8.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述步骤300中，在将测试原始数据与现有常模参数进行对比之前，还包括：判断测试原始数据是否在对应的常模数据库的阈值范围内，如是，继续进行后续步骤；如否，重新判断被测人员类型，确定对应的常模数据库，然后进行后续步骤。

9.根据权利要求1所述的自动优化常模的认知评估系统，其特征在于，所述步骤400中的常模参数包括均值和标准差。

10.一种自动优化常模的认知评估系统，其特征在于，包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序；所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如权利要求1-9任一项所述的方法。

Images