CN113317762A - 一种云端服务器 - Google Patents
一种云端服务器 Download PDFInfo
- Publication number
- CN113317762A CN113317762A CN202110622022.1A CN202110622022A CN113317762A CN 113317762 A CN113317762 A CN 113317762A CN 202110622022 A CN202110622022 A CN 202110622022A CN 113317762 A CN113317762 A CN 113317762A
- Authority
- CN
- China
- Prior art keywords
- memory state
- user
- cloud server
- memory
- actual
- 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
- 230000015654 memory Effects 0.000 claims abstract description 356
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims description 64
- 230000000694 effects Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 28
- 238000012549 training Methods 0.000 description 25
- 230000002996 emotional effect Effects 0.000 description 21
- 208000024827 Alzheimer disease Diseases 0.000 description 18
- 206010039966 Senile dementia Diseases 0.000 description 17
- 230000000638 stimulation Effects 0.000 description 15
- 208000010877 cognitive disease Diseases 0.000 description 14
- 210000004556 brain Anatomy 0.000 description 13
- 230000008451 emotion Effects 0.000 description 13
- 230000000474 nursing effect Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000003920 cognitive function Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 7
- 230000002265 prevention Effects 0.000 description 7
- 230000003860 sleep quality Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000003340 mental effect Effects 0.000 description 5
- 230000006996 mental state Effects 0.000 description 5
- 230000033764 rhythmic process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000035807 sensation Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001976 improved effect Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000926 neurological effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 241000238558 Eucarida Species 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000008449 language Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007087 memory ability Effects 0.000 description 1
- 230000008897 memory decline Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 230000007171 neuropathology Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004793 poor memory Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000037152 sensory function Effects 0.000 description 1
- 230000021317 sensory perception Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Neurosurgery (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种云端服务器,所述云端服务器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。以形成针对用户的个性化的记忆力分析算法,从而做到准确检测用户的记忆力水平以做到准确预警和调节方法管理。
Description
本案为申请号为CN201810218097.1,申请日为2018年3月16日, 申请类型为发明专利,申请名称为一种认知障碍预防监测装置的案件的分案 申请。
技术领域
本发明涉及人工智能领域,尤其涉及一种云端服务器。
背景技术
老年痴呆症(又称阿尔茨海默病)是一种会导致记忆力、执行力、视觉空 间、语言交流、抽象思维、学习和计算等多方面大脑认知功能障碍的神经退 行性疾病。目前,老年痴呆症主要是在出现痴呆症状后通过认知-精神有关量 表进行评估,并结合影像学等检查作出临床诊断,但是当临床症状明显时诊 断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,现有情况下,一方面,国内外对老年痴呆症均无有效的治疗方法,现 有治疗手段主要采用药物治疗,但这些药物只能在病情发展的特定阶段有限度地缓解或者稳定病情,不能达到治愈的效果,此外,药物治疗只是老年痴 呆症防治措施中的一个环节,也只能是患者出现痴呆症状后,才予以实施, 因而这种治疗方法难以取得满意的疗效,另一方面,医院内还没有针对老年 痴呆症患者的临床信息系统及辅助预防监测装置,关于认知-心理量表的评价 和MRI图像的解释也很大程度上受医生的个人主观影响,缺乏一致性和客 观性,而且一些认知-心理量表和MRI图像显示的异常也可见于一些其他心 理、精神和脑部等疾病,并不是老年痴呆症的唯一征象,因此临床上老年痴 呆症的确诊很大程度上依赖于医生的经验和水平,这也从客观上导致了老年 痴呆症确诊的困难和确诊时间的延误,从而给老年痴呆症患者和家人造成了 不必要的经济负担和精神痛苦。
CN102930286A公开了一种老年痴呆症图像早期诊断系统。其中,图 像预处理设备将所述第一待检图像向第二待检图像进行配准,并剥离图像中 的头骨,对脑部组织图像进行组织分割,左右脑分离;图像不对称特征提取 装置对预处理后的图像提取各组织的形状、纹理特征,从而获得两个图像各 自的不对称特征集,记为第一图像特征集f1和第二图像特征集f2;合并计 算器对第一图像特征集f1和第二图像特征集f2进行简单的合并运算,生成 一个合并特征集f3;特征向量选择器用所述最优特征子集对所述合并特征集 f3进行特征筛选得到新特征集f4;优化分类器采用所述分类器及其优化参 数对所述新特征集f4进行分类处理,获得分类结果。该技术方案以脑MR 图像中解剖结构的时序不对称性特征作为老年痴呆症早期诊断中的检测标 准,诊断过程耗时长且必须通过专业技术人员方可执行,无法达到简单便捷 的操作性。同时,由于人的个体差异及该发明缺乏对其身体信号、外界条件 及客观感受的监测,该技术方案无法对老年人实施个性化的康复引导,只能 通过药物治疗进行缓解。
CN104545899A公开了一种基于移动互联网的老年痴呆症监护系统。 其中,脑电监测装置用于实时获取老年痴呆症患者或健康人的脑电信息,并 将脑电信息发送到智能终端;所述智能终端用于接收脑电信息、完成认知- 心理测评以及输入临床信息,并通过移动互联网将脑电信息、认知-心理测评 和临床信息上传到云服务器;所述云服务器用于接收医院上传的MRI图像 信息和智能终端上传的信息,从而完成辅助诊断,并生成相应的护理指导建 议,然后将辅助诊断结果和护理指导建议反馈给智能终端。该技术方案利用 了移动互联网技术,可以实现老年痴呆症的自动辅助诊断。但与老年痴呆症 相关的特征数据十分庞杂,致使这些老年痴呆症的特征数据的指向性并不明 确。若单纯基于脑电信息来给出诊断结果和护理方案进行康复引导,往往会 出现相反的效果。同时,该技术方案不能基于个体化之间的差异化特征状态 来实现差异化分析而给出个性化的康复引导。
CN104902806B公开了用于评估神经病理学方面的易患病性、病情进 展和治疗的方法、系统和设备。用于提供与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,给对象呈送刺激序列,其中该刺 激序列基于选定的剖析类别,在呈送该刺激序列之前、期间及之后采集对象 的生理信号以产生生理数据,并且处理生理数据以生成包含与选定的剖析类 别关联的一个或多个定量值的信息集。该技术方案能够向用户呈递刺激序列并收集收到该刺激序列的用户的反馈,以形成数据集合,并基于这些数据调 整用户的治疗管理方案。但该装置只是基于简单的固定的理论算法对客户的 认知状态进行评估,而单个用户影响其记忆力水平的身体情况和环境因素不 同,难以用固定的理论算法得出准确性较高的评估结果。
CN106599582A公开了一种基于智能移动设备的前瞻认知功能评估系 统,数据收集子系统和数据管理子系统。所述数据收集子系统包括任务单元, 其包括:创建任务模块,用于被试者创建任务并记录基本信息和情绪信息; 待完成任务模块,用于被试者操作未完成任务;己完成任务模块,用于被试者 操作己完成的任务。所述数据管理子系统包括任务管理单元和前瞻认知功能 评估单元。所述任务管理单元包括任务列表模块、任务操作统计模块和提醒 线索设置模块。所述前瞻认知功能评估单元包括前瞻记忆能力评估模块和情感预测能力评估模块。还提供了一种基于智能移动设备的前瞻认知功能评估 方法。该技术方案能够对用户的认知功能进行前瞻性的评估,但该预测也未 结合外界环境的信息和用户的历史数据信息对用户的认知功能进行评估,该 评估结果并不具备针对性,准确性有限。
CN102319067A公开了一种用于大脑记忆功能改善的基于脑电信号的 神经反馈训练仪,可利用大脑活动过程采集下来的头皮脑电信号,对记忆力 的即时状态进行定量检测,并将表征记忆力水平的脑电节律波呈现给用户, 指导用户有意识地调节脑电节律波,达到改善记忆力水平的目的。其包括: 首先,用脑电信号采集模块采集经典记忆任务下用户的脑电信号,提取表征 大脑记忆力水平的节律波;然后,利用脑电分析模块刻画大脑的即时记忆力 状态,并以醒目、美观的方式反馈输出给用户。用户可根据实时的反馈,定 向调节脑电节律波,达到改善记忆力的目的。该技术方案的训练仪器能够定 量检测用户的记忆力状态,并指导用户有意识地进行脑电节律波的调节,但 具体的有意识的调节方式是多样的,该系统只能检测用户训练后的记忆力水 平结果,对于调节方式的实际使用效果无法进行分析和个性化调整,在使用 时无法根据每个用户使用不同调节方案后的达到的实际效果为客户调整个 性化的调节方案。
发明内容
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。
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使其避免进入诱发认知功能障碍 的阈值范围的装置及方法。通过本发明,一方面可以通过示教过程来完成对 云端服务器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,使得本发明的装置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。
一种认知功能障碍预防监测装置,至少包括:移动端,用于自动采集和 /或由用户输入实际记忆力状态信息;探测器,用于以间接或直接地接触用 户身体的方式采集身体信号,所述身体信号经由所述移动端发送给云端服务 器;云端服务器,用于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。其特征在于,所述云端服务器基于用户 通过所述移动端输入的感受、所述实际记忆力状态信息和/或外界条件完成 所述理论记忆力状态信息的校正及其变化趋势的分析,并且,所述移动端被 配置为在理论记忆力状态的变化趋势在可预见的时间点超出临界值的情况 下向当前用户发出预警提示并推送护理方案的工作模式。由于个体差异及认 知功能障碍诱发因素的复杂多样性,在依据本发明的认知功能障碍预防监测 装置对用户状态进行评判时,用户可以输入其日常生活中观测到的装置无法 直接获取的精神感受或者外界条件,使得本发明能够更为准确预知老年人记 忆力状态的变化趋势,准确分析老年人当前精神状态并更有针对性的推送护 理方案或训练方案以降低用户患认知功能障碍的风险。
根据一个优选实施方式,所述云端服务器基于用户输入的感受、所述实 际记忆力状态信息、身体信号和/或外界条件来分析所述云端服务器的示教 过程,其中,所述云端服务器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。通过对用户输入的感受信息以 及外界条件变化信息来对云端服务器进行示教以确定记忆力分析算法。在确 定记忆力分析算法后,基于外界条件和身体信号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。在 对监测对象主动进行监测以收集身体信号的过程中,监测对象的看护人员能 够及时输入日常生活中观测的细微细节或监测对象已无法表述的精神感受。 本发明能够尽可能保持客观准确的分析预警结果。
根据一个优选实施方式,所述移动端以文本、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,同时所述探测器采集用户的与所述测 试反馈信息对应的身体信号,所述云端服务器基于示教过程中的所述测试反 馈信息和/或所述身体信号来预先配置记忆力分析算法的参数,并且校正与 所述身体信号对应的理论记忆力状态信息。通过施加测试信息,能够准确获 得用户的相应的记忆力状态以及身体信号,从而对云端服务器进行准确示教。 优选的,通过示教过程,能够优先获得出现概率较少的极端记忆力的相关变 化趋势,从而完善云端服务器的记忆力状态信息。
根据一个优选实施方式,所述用户输入的感受至少包括情绪感受和睡眠 感受,其中,所述云端服务器将所述情绪感受与所述睡眠感受以关联的方式 进行存储,并且,所述移动端被配置为由用户按照输入关键词的方式检索存 储在所述云端服务器中的实际情绪状态信息、实际睡眠状态信息及其关联的 外界条件和身体信号。优选地,所述移动端将用户以文本、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情绪状态以关联的形式 存储或提供至所述云端服务器,或者,所述移动端记录引发用户的实际情绪状态的外界条件并以与对应的实际情绪状态关联的形式存储或提供至所述 云端服务器,所述云端服务器对用户的特定情绪状态和所述外界条件之间的 相关性进行分析,并且基于所述相关性对所述特定情绪状态的引发进行预警。 在确定实际情绪状态与外界条件和身体信号的关联后,有利于在实际情绪状 态向特定情绪状态转变过程中进行引导,使情绪快速转变,从而避免用户在 极端情绪条件下情绪波动导致的记忆力状态的急剧变化,进而导致分析结果 不准确或者记忆力训练的不适时性。
根据一个优选实施方式,所述移动端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云端 服务器,所述云端服务器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,所述云端服务器被设置为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护理方案的工作模式。
根据一个优选实施方式,所述云端服务器基于所述探测器采集的身体信 号来分析确定与之对应的理论记忆力状态并反馈至所述移动端,所述移动端 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。
根据一个优选实施方式,所述云端服务器将用户输入的当前记忆力状态 信息和所述移动端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,所述移动端被设置为由用户按照与外界条件相关的方式 检索存储在所述云端服务器和/或所述移动端的实际记忆力状态信息。
根据一个优选实施方式,所述云端服务器根据所述实际记忆力状态信息 来校正基于所述探测器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移动端。
根据一个优选实施方式,所述云端服务器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,并且所述移动终端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。
根据一个优选实施方式,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云端服务器的数据库,其中,所述云 端服务器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,所述云端服务器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/或护理方案的工作模式。
本发明的有益技术效果:
本发明的认知功能障碍预防监测装置,能够将用户的记忆力状态进行个 性化分析,提高个人的记忆力状态变化的准确判断。并且,本发明能够利用 云平台将记忆力状态的数据进行大数据化进行各行业的共享,有利于政府部 门分析外界条件的变化对群体的记忆力状态的影响,从而分析管理区域中老 年人的生活状态及整个老年人群体的患病风险。通过对老年人精神状态的分 段式或实时监测,能够尽早的发现其患病的风险。通过记忆力训练、积极引 导、合理的护理方案等综合措施,能够帮助老年人调节以记忆力状态为主的 精神状态从而预防认知功能障碍的产生。
附图说明
图1是本发明的数据处理结构示意图;
图2是本发明的逻辑结构示意图;图3是本发明的移动端的显示示意图。
附图标记列表
10:移动端 20:探测器
30:云端服务器 31:数据库
具体实施方式
下面结合附图进行详细说明。
实施例1
如图1所示,本发明提供一种认知功能障碍预防监测装置。本发明的认 知功能障碍预防监测装置至少包括移动端10、探测器20和云端服务器30。 移动端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,移 动端10包括图像采集装置、视频采集装置、记忆力测试装置和记忆力训练 装置。移动端可以是智能终端,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 记忆力状态输入移动端。
优选的,记忆力测试装置和记忆力训练装置通过有线和/或无线的方式 连接至移动端。记忆力训练装置以文本、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。记忆力测试装置以文本、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。云端服务器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,记忆力测试装置和记忆力训练装置可以 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/或经由线被发送到移动端。
本发明的探测器用于以间接或直接地接触用户身体的方式采集身体信 号。探测器包括多种采集人体生理信号的模块。探测器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,探测器中的探测 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。探测器 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,探测器20 采集的身体信号经由所述移动端10发送给云端服务器30。
本发明的云端服务器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,云端服务器30设置有 存储若干记忆力分析算法的数据库31。所述云端服务器30根据探测器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移动端 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。
例如,云端服务器的记忆力分析算法如下所述。
本实施例中将记忆力的分类计算结果划分为健康状态、记忆力亚健康状 态和记忆力严重衰退状态。以健康状态、记忆力亚健康状态和记忆力严重衰 退状态为三个聚类中心,采用模糊C均值算法对其聚类分析。具体地,假设 待分类的记忆力状态水平的集合为X={x1,x2,...xn}∈Rd,集合为有限数据 即身体信号数据、外界条件数据和感受特征数据等数据的集合。元素x为d 维向量,寻找到一个模糊划分矩阵(uij)c×n以及c个聚类中心点V={v1, v2,...vn}使得目标函数:
其中,m∈[1,+∞]称为模糊加权系数,uij称为隶属度,xj表示向量隶 属于中心点的程度,d(xj,vi)是目标函数xj与vi的欧式距离。
优选的,云端服务器30基于用户对所述移动端1O的操作完成对所述 云端服务器30的示教过程。优选的,云端服务器至少包括CPU、处理器、 微处理器、服务器、服务器组中的一种或几种。首先,云端服务器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。
例如,在用户使用本发明装置的示教过程中,需要通过移动端输入情绪 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, 移动端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,云端服务器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。
例如:示教过程的方法步骤包括:
S1:启动示教模式;
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,则通过移动端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;
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 移动端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;
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;
S5:效果评估:云端服务器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。
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。
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 式存储在云端服务器中时,云端服务器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。用户与云端服务器30通过移动端10的 示教次数越多,则云端服务器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。
其中,所述云端服务器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。
优选的,在示教过程中,所述移动端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。同时所述探测器20采集用户的与所述刺激信息对应的身 体信号。所述云端服务器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,云端服务器 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。
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。移动端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。
优选的,云端服务器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。
通过持续性分析当前用户的理论记忆力状态,本发明的认知功能障碍预 防监测装置就能够利用云端服务器30来确定记忆力状态的变化趋势。优选 的,云端服务器或移动端基于身体信号、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,通过与云端服务器进行 实时通信的记忆力测试装置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 测试装置以图片、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,云端服务器和/或移动端对测试 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。
优选的,在所述移动端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/或在所述云端服务器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 云端服务器通过所述移动端向当前用户发出预警提示。具体地,移动端10 或云端服务器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,云端服 务器30通过移动端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或者输出护 理方案并指导看护人员对用户进行康复照料。
优选的,所述移动端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 所述云端服务器30。或者,所述移动端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云 端服务器30。所述云端服务器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。
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,此时探测器实时采集用户的身体信 号。移动端10或云端服务器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。云端服 务器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。
优选的,所述云端服务器30将用户输入的当前记忆力状态信息和所述 移动端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。所述移动端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云端服务器30和/或所述移动端10的实际 记忆力状态信息。
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云端服务器的数据库,其中,所述云端服务器基于数 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,所述云端服务器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/或护理方案的工作模式。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。 云端服务器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。云端服务器分析得出在 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。云端服务器基于上述相关性,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。
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云端服务器的实际记 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,也可以是由移动端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 护人员对其进行康复训练。
优选的,所述移动端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。
优选的,所述移动端10自动采集用户的实际记忆力状态的步骤包括: 所述移动端10通过记忆力测试装置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。
特别的,移动端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。
虽然云端服务器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,使云端服务器30的分析能够适 应独立的个体。优选的,所述云端服务器30根据所述实际记忆力状态信息 来校正基于所述探测器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移动端。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。
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,从而在较大程度上降低了用户患认知功能障碍的风险。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,调节移动端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。
优选的,移动端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,云端服务器将通过移动端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移 动端实时显示。用户在移动端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。
例如,所述移动端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。
优选的,所述云端服务器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。
移动端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。
如图2所示,所述移动端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。
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。
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,移动端10以 声音、振动或闪烁的方式向用户示警用户具有患认知功能障碍的风险,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,云端服务器30可以通过移动端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。
实施例2
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。
本实施例提供一种老年人记忆力训练方法,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;基于用户通过所述移动端输入的感受、所述实际记 忆力状态信息和/或外界条件,由所述云端服务器完成所述理论记忆力状态 信息的校正及其变化趋势的分析,并且,在理论记忆力状态的变化趋势在可 预见的时间点超出临界值的情况下,由所述移动端向当前用户发出预警提示 并推送护理方案的工作模式。
优选的,所述方法还包括:所述云端服务器基于用户输入的感受、所述 实际记忆力状态信息、身体信号和/或外界条件来分析所述云端服务器的示 教过程,其中,所述云端服务器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。
优选的,所述方法还包括:所述移动端以文本、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,同时所述探测器采集用户的与所述 测试反馈信息对应的身体信号,所述云端服务器基于示教过程中的所述测试 反馈信息和/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 与所述身体信号对应的理论记忆力状态信息。
优选的,所述方法还包括:所述用户输入的感受至少包括情绪感受和睡 眠感受,其中,所述云端服务器将所述情绪感受与所述睡眠感受以关联的方 式进行存储,并且,所述移动端被配置为由用户按照输入关键词的方式检索 存储在所述云端服务器中的实际情绪状态信息、实际睡眠状态信息及其关联 的外界条件和身体信号。
优选的,所述方法还包括:所述移动端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云 端服务器,所述云端服务器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,所述云端服务器被设置为对用户特定的记忆 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护理方案的工作模式。
优选的,所述方法还包括:所述云端服务器基于所述探测器采集的身体 信号来分析确定与之对应的理论记忆力状态并反馈至所述移动端,所述移动 端以文本、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。
优选的,所述方法还包括:所述云端服务器将用户输入的当前记忆力状 态信息和所述移动端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,所述移动端被设置为由用户按照与外界条件相关的方 式检索存储在所述云端服务器和/或所述移动端的实际记忆力状态信息。
优选的,所述方法还包括:所述云端服务器根据所述实际记忆力状态信 息来校正基于所述探测器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移动端。
优选的,所述方法还包括:所述云端服务器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,并且所述移动终端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。
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。
Claims (10)
1.一种云端服务器,其特征在于,所述云端服务器(30)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。
2.如权利要求1所述的云端服务器,其特征在于,所述云端服务器(30)配置为按照如下步骤完成示教过程:
S1:启动示教模式;S2:用户选择,获取用户信息;S3:选取样例记忆力内容和示教匹配内容;S4: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;S5:效果评估,记录与该记忆力状态关联的外界条件和感受。
3.如权利要求2所述的云端服务器,其特征在于,所述云端服务器(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。
4.如权利要求2所述的云端服务器,其特征在于,所述云端服务器(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。
5.如权利要求4所述的云端服务器,其特征在于,所述云端服务器(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。
6.如前述权利要求之一所述的云端服务器,其特征在于,所述云端服务器(30)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/或护理方案的工作模式。
7.如权利要求6所述的云端服务器,其特征在于,所述云端服务器(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并通过所述移动端向当前用户发出预警提示。
8.如权利要求7所述的云端服务器,其特征在于,所述云端服务器(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。
9.如权利要求8所述的云端服务器,其特征在于,所述云端服务器(30)基于用户通过所述移动端(10)输入的感受、所述实际记忆力状态信息和/或外界条件完成所述理论记忆力状态信息的校正。
10.如权利要求9所述的云端服务器,其特征在于,所述云端服务器(30)配置为按照如下步骤根据实际记忆力状态校正理论记忆力状态: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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622022.1A CN113317762A (zh) | 2018-03-16 | 2018-03-16 | 一种云端服务器 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622022.1A CN113317762A (zh) | 2018-03-16 | 2018-03-16 | 一种云端服务器 |
CN201810218097.1A CN108652587B (zh) | 2018-03-16 | 2018-03-16 | 一种认知功能障碍预防监测装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810218097.1A Division CN108652587B (zh) | 2018-03-16 | 2018-03-16 | 一种认知功能障碍预防监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113317762A true CN113317762A (zh) | 2021-08-31 |
Family
ID=63785200
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810218097.1A Active CN108652587B (zh) | 2018-03-16 | 2018-03-16 | 一种认知功能障碍预防监测装置 |
CN202110622021.7A Pending CN113317761A (zh) | 2018-03-16 | 2018-03-16 | 一种数据分析系统 |
CN202110622022.1A Pending CN113317762A (zh) | 2018-03-16 | 2018-03-16 | 一种云端服务器 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810218097.1A Active CN108652587B (zh) | 2018-03-16 | 2018-03-16 | 一种认知功能障碍预防监测装置 |
CN202110622021.7A Pending CN113317761A (zh) | 2018-03-16 | 2018-03-16 | 一种数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN108652587B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110752033A (zh) * | 2019-08-30 | 2020-02-04 | 康美健康云服务有限公司 | 一种认知评估的信息化方法、系统及可读存储介质 |
CN112704500B (zh) * | 2020-12-02 | 2022-04-26 | 中南大学 | 一种精神状态筛查系统、精神状态筛查方法及存储介质 |
CN115188447B (zh) * | 2022-09-08 | 2022-12-09 | 浙江强脑科技有限公司 | 一种基于脑电信号的记忆力训练方法和训练装置 |
CN116168805B (zh) * | 2023-01-20 | 2023-08-01 | 北京瑞帆科技有限公司 | 一种用于认知训练的思维训练装置及认知训练系统 |
TWI833570B (zh) * | 2023-02-06 | 2024-02-21 | 亞東學校財團法人亞東科技大學 | 輕度認知障礙語音檢測系統 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011051955A2 (en) * | 2009-11-02 | 2011-05-05 | Jonathan Bentwich | Computerized system or device and method for diagnosis and treatment of human, physical and planetary conditions |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN104306006A (zh) * | 2014-10-15 | 2015-01-28 | 东南大学 | 便携式工作记忆评测与训练装置 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
WO2015168579A1 (en) * | 2014-05-02 | 2015-11-05 | Stephanie Littell | Methods of measuring head, neck, and brain function and predicting and diagnosing memory impairment |
US20160042140A1 (en) * | 2013-02-27 | 2016-02-11 | Applaud, Llc | Method for creating a personalized memory compilation for collaborative therapeutic reminiscence |
CN106599582A (zh) * | 2016-10-27 | 2017-04-26 | 中国科学院心理研究所 | 一种基于智能移动设备的前瞻认知功能评估系统和方法 |
WO2018029679A1 (en) * | 2016-08-07 | 2018-02-15 | Hadasit Medical Research Services And Development Ltd. | Methods and system for assessing a cognitive function |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4167596B2 (ja) * | 2001-08-10 | 2008-10-15 | コッグステイト リミテッド | 認知機能のテスト装置及びコンピュータ可読媒体 |
US20060183980A1 (en) * | 2005-02-14 | 2006-08-17 | Chang-Ming Yang | Mental and physical health status monitoring, analyze and automatic follow up methods and its application on clothing |
US20080057483A1 (en) * | 2006-09-05 | 2008-03-06 | Lawrence H Avidan | Apparatus and System for Testing Memory |
US20140057232A1 (en) * | 2011-04-04 | 2014-02-27 | Daniel Z. Wetmore | Apparatus, system, and method for modulating consolidation of memory during sleep |
WO2014031083A1 (en) * | 2012-08-24 | 2014-02-27 | Agency For Science, Technology And Research | Autodidactic cognitive training device and method thereof |
WO2014172775A1 (en) * | 2013-04-22 | 2014-10-30 | Personal Neuro Devices Inc. | Methods and devices for brain activity monitoring supporting mental state development and training |
CN105407800B (zh) * | 2013-09-11 | 2019-04-26 | 麦克赛尔株式会社 | 脑功能障碍评价装置及存储介质 |
US20150148621A1 (en) * | 2013-11-22 | 2015-05-28 | Grant Joseph Sier | Methods and systems for creating a preventative care plan in mental illness treatment |
GB2538698B (en) * | 2015-04-02 | 2019-05-15 | Cambridge Cognition Ltd | Systems and methods for assessing cognitive function |
US20170042463A1 (en) * | 2015-08-13 | 2017-02-16 | Abishek Rajkumar | Human Emotion Assessment Based on Physiological Data Using Semiotic Analysis |
AU2017262666A1 (en) * | 2016-05-09 | 2018-11-22 | Neurovision Imaging, Inc. | Apparatus and method for recording and analysing lapses in memory and function |
CN106295986A (zh) * | 2016-08-08 | 2017-01-04 | 赵宏杰 | 基于智能移动终端的健康检测管理系统 |
CN106388793A (zh) * | 2016-09-06 | 2017-02-15 | 华南理工大学 | 基于vr技术与生理体征监测的老年痴呆症辅助治疗系统 |
CN107007291A (zh) * | 2017-04-05 | 2017-08-04 | 天津大学 | 基于多生理参数的紧张情绪强度识别系统及信息处理方法 |
CN107088051A (zh) * | 2017-04-12 | 2017-08-25 | 潘晓东 | 一种用于脑健康认知障碍诊断及风险评估方法及系统 |
CN107464188A (zh) * | 2017-06-23 | 2017-12-12 | 浙江大学 | 一种基于物联网情绪感知技术的互联网社交应用系统 |
CN107463792B (zh) * | 2017-09-21 | 2023-11-21 | 北京大智商医疗器械有限公司 | 神经反馈装置、系统及方法 |
-
2018
- 2018-03-16 CN CN201810218097.1A patent/CN108652587B/zh active Active
- 2018-03-16 CN CN202110622021.7A patent/CN113317761A/zh active Pending
- 2018-03-16 CN CN202110622022.1A patent/CN113317762A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011051955A2 (en) * | 2009-11-02 | 2011-05-05 | Jonathan Bentwich | Computerized system or device and method for diagnosis and treatment of human, physical and planetary conditions |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
US20160042140A1 (en) * | 2013-02-27 | 2016-02-11 | Applaud, Llc | Method for creating a personalized memory compilation for collaborative therapeutic reminiscence |
WO2015168579A1 (en) * | 2014-05-02 | 2015-11-05 | Stephanie Littell | Methods of measuring head, neck, and brain function and predicting and diagnosing memory impairment |
CN104306006A (zh) * | 2014-10-15 | 2015-01-28 | 东南大学 | 便携式工作记忆评测与训练装置 |
WO2018029679A1 (en) * | 2016-08-07 | 2018-02-15 | Hadasit Medical Research Services And Development Ltd. | Methods and system for assessing a cognitive function |
CN106599582A (zh) * | 2016-10-27 | 2017-04-26 | 中国科学院心理研究所 | 一种基于智能移动设备的前瞻认知功能评估系统和方法 |
Non-Patent Citations (2)
Title |
---|
杨礼;秦琴保;: "老年高干人群轻度认知功能障碍调查及危险因素分析", 中国神经精神疾病杂志, no. 08, 27 August 2011 (2011-08-27), pages 29 - 32 * |
罗雪丹;: "60例轻度认知障碍的临床分析", 中国医药导报, no. 08, 15 March 2009 (2009-03-15), pages 47 - 48 * |
Also Published As
Publication number | Publication date |
---|---|
CN108652587A (zh) | 2018-10-16 |
CN108652587B (zh) | 2021-06-22 |
CN113317761A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108652587B (zh) | 一种认知功能障碍预防监测装置 | |
CN108652648B (zh) | 一种用于老年人抑郁症的抑郁监控装置 | |
CN108310587B (zh) | 一种睡眠控制装置与方法 | |
US20170319063A1 (en) | Apparatus and method for recording and analysing lapses in memory and function | |
CN110584601B (zh) | 一种老人认知功能监测和评估系统 | |
CN110544541B (zh) | 一种老年生活及健康状态的监护及评价系统 | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
US20200205709A1 (en) | Mental state indicator | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
WO2019075522A1 (en) | RISK INDICATOR | |
US11583214B2 (en) | Adaptive psychological assessment tool | |
CN109691983A (zh) | 一种智能帕金森患者监护系统 | |
CN110881987A (zh) | 一种基于可穿戴设备的老年人情绪监测系统 | |
Venkata Phanikrishna et al. | Deep review of machine learning techniques on detection of drowsiness using EEG signal | |
CN115862873A (zh) | 一种睡眠节律量化及干预的方法、系统和装置 | |
CN113288144A (zh) | 一种基于情绪引导的情绪状态显示终端及方法 | |
CN116570283A (zh) | 一种围手术期患者情绪监测系统及方法 | |
CN117133464B (zh) | 一种老年人健康智能监测系统及监测方法 | |
IL268575A (en) | Patient monitoring system and method | |
CN108109696B (zh) | 一种数据处理方法和装置 | |
CN108461125B (zh) | 一种针对老年人的记忆力训练装置 | |
Rafique et al. | Towards estimation of emotions from eye pupillometry with low-cost devices | |
Massoz | Non-invasive, automatic, and real-time characterization of drowsiness based on eye closure dynamics | |
US20240282469A1 (en) | Monitoring a person using machine learning | |
KR20190133900A (ko) | 뇌신경 질환 진단 시스템 및 방법 |
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 |