CN115471903A - 认知评估系统 - Google Patents

认知评估系统 Download PDF

Info

Publication number
CN115471903A
CN115471903A CN202210651393.7A CN202210651393A CN115471903A CN 115471903 A CN115471903 A CN 115471903A CN 202210651393 A CN202210651393 A CN 202210651393A CN 115471903 A CN115471903 A CN 115471903A
Authority
CN
China
Prior art keywords
user
cognitive
performance data
server
job
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
Application number
CN202210651393.7A
Other languages
English (en)
Inventor
李魁安
简颂恩
张嘉洋
简韶逸
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.)
Jianzhen Technology Co ltd
Original Assignee
Jianzhen Technology Co ltd
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 Jianzhen Technology Co ltd filed Critical Jianzhen Technology Co ltd
Publication of CN115471903A publication Critical patent/CN115471903A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • 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
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • A61B5/168—Evaluating attention deficit, hyperactivity

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Physiology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Neurology (AREA)
  • Educational Technology (AREA)
  • Social Psychology (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

一种认知评估系统，包含运算装置、服务器耦接于所述运算装置，及眼动追踪装置耦接于运算装置。运算装置包含认知评估程序，用以执行至少一认知评估作业以评估用户的认知功能。服务器包含数据库。数据库存储有所述用户的历史表现数据、用户的历史表现模型、健康群体的作业表现数据及病患群体的作业表现数据。眼动追踪装置用以撷取用户的眼动信息。

Description

认知评估系统
技术领域
本发明关于一种认知评估系统，尤其是指一种使用眼动追踪装置的认知评估系统。
背景技术
认知能力容易随着年龄的增长而逐渐下降。据统计，65岁以上的老年人中，每十二人中就有一人患有失智症，而且这数字还在继续增长。认知能力异常的人口比例迅速增加，随之而来的就是社会沉重的看护负担。因此，如何有效地发现认知衰退，维持老龄个体的认知健康是众多研究作业的重点。
认知评估是指通过访谈、问卷调查、测试等多种方法和工具对个体的认知能力进行评估。传统的认知功能评估大多以访谈和纸笔问卷的形式进行，如蒙特利尔认知评估(Montreal Cognitive Assessment,MoCA)测试和简易精神智能量表(Mini-mental stateexamination,MMSE)。这些测试的优点是他们可以在短时间内得到结果。然而，纸笔测试不适合在短时间内对同一个体重复测试。此局限性使得传统的纸笔测试不适合长期持续评估个体认知能力的变化。针对上述限制，出现了越来越多的基于计算机系统评估测试。基于计算机系统的评估测试的优点是测试的执行不受时间和空间的限制。用户可以通过自己的计算机装置进行认知功能评估，例如平板计算机、智能手机和个人计算机。也可以在家中或实验室环境中进行评估。此外，基于计算机系统的评估测试在测试问题的出题类型可以更加灵活，因此结果可以更准确。
随着最近各种感测技术的进步，传感器轻松测量心率、呼吸频率、肤电活动，甚至脑电波和眼球运动。其中，眼球运动是评估认知功能最合适且最被广泛讨论的指标。因其不仅反映了个体的注意力方向，而且提供了具有高时间空间分辨率的动态数据。与传统评估相比，眼球运动可以更有效地衡量个人的行为决策过程，并提供更准确的认知能力评估。
当今有许多基于眼动的认知评估系统。然而，这些系统仍处于开发阶段，需要克服许多限制。尤其是眼动追踪评估的潜力尚未完全被实现。大多数基于眼动的认知评估系统采用单一作业，这些系统难以区分不同认知功能随着时间的变化。此外，现有的基于眼动的认知评估大多通过将用户单次测验的结果与病患或健康群体的常模比较来检测认知功能异常，缺乏监测和预测个体认知随时间变化的功能。
发明内容
实施例提供一种认知评估系统，包含运算装置、服务器及眼动追踪装置。运算装置包含认知评估程序，用以执行至少一认知评估作业。至少一认知评估作业用以评估用户的认知功能。服务器耦接于所述运算装置，并包含数据库。数据库存储有所述用户的历史表现数据、用户的历史表现模型、健康群体的作业表现数据及病患群体的作业表现数据。眼动追踪装置耦接于所述运算装置，用以撷取用户的眼动信息。用户由所述运算装置执行的认知评估程序进行至少一认知评估作业，运算装置根据至少一认知评估作业产生用户的作业表现数据，服务器从运算装置接收用户的作业表现数据，服务器将用户的作业表现数据和用户的所述历史表现数据与健康群体的作业表现数据和所述病患群体的作业表现数据进行比对以产生比对结果，服务器根据比对结果产生风险指标，并根据风险指标和比对结果产生认知功能评估报告。用户的作业表现数据包含一眼动信息。
附图说明
图1是实施例中认知评估系统的示意图。
图2A和图2B是实施例中认知评估程序的方法的流程图。
图3A和图3B是实施例中简单图像记忆作业的过程和简单记忆作业的对应示意图。
图4A和图4B是实施例中重复视觉搜寻作业的过程和对应示例的示意图。
图5是实施例中反扫视作业的示意图。
图6和图7是实施例中空间预测作业和目标的移动路线的示意图。
图8A和图8B是实施例中关系记忆作业的示意图。
图9是另一实施例中视觉搜寻作业的示意图。
附图标记说明如下：
100: 认知评估系统
110: 运算装置
120: 眼动追踪装置
130: 服务器
112,132: 处理器
114,134: 内存装置
116: 输入/输出装置
118: 显示器
122: 图像传感器
200: 方法
S102～S130: 步骤
具体实施方式
图1是本发明实施例的认知评估系统100的示意图。认知评估系统100包括服务器130、眼动追踪装置120以及耦接于服务器130和眼动追踪装置120的运算装置110。
运算装置110包括处理器112、内存装置114、输入/输出装置116和显示器118。输入/输出装置116可为键盘、麦克风、相机等，也可以是外部装置，例如鼠标或游戏手柄等。显示器118可以嵌入在运算装置110中，或者是外部装置。存储认知评估程序和相关媒体材料的内存装置114可以是随机存取内存(RAM,random access memory)、闪存、硬盘或它们的任何组合。处理器112用于根据从用户或服务器130接收到的命令来执行内存装置114中的程序。处理器112还可以基于注视相关信息数据计算用户在认知评估作业中的作业表现数据，将作业表现数据从运算装置110传输到服务器130，并响应服务器130的指令。内存装置114还可以存储眼动追踪程序。在这样的实施例中，处理器112还可用以从眼动追踪装置120接收图像数据，并根据接收到的图像数据和存储在内存装置114中的眼动追踪程序计算用户的注视相关信息数据。注视相关信息数据包括注视位置、瞳孔大小、眼球运动分类(如注视、跳视、眨眼等)。运算装置110可以是智能手机、平板计算机、笔记本电脑、扩展实境(例如，AR、VR和MR)装置及/或智能眼镜。
眼动追踪装置120包括用于捕捉用户面部或眼睛的图像的图像传感器。图像传感器可以是网络摄像头、红外线摄像头或任何其他可以撷取图像的传感器。眼动追踪装置120可以是外部装置或嵌入在运算装置110中。在一实施例中，眼动追踪装置120还包括独立的处理器，其接收由眼动追踪装置120撷取的图像以计算与眼睛的注视相关的信息数据。独立的处理器可以实现为小型低功耗专用集成电路、数字信号处理器或现场可编程门阵列。在这样的实施例中，眼动追踪装置120将注视相关信息数据发送到运算装置110。在其他实施例中，眼动追踪装置120撷取的图像将被发送到运算装置110并由运算装置110处理。在一些实施例中，眼动追踪装置120还可以包括面向用户的发光装置，以照亮用户的面部及/或眼睛，便于图像撷取。眼动追踪装置120可以是远距眼动追踪器或可穿戴式眼动追踪器，例如嵌入在可穿戴装置(例如，扩展现实装置、智能眼镜)中的眼动追踪装置、眼镜式眼动追踪器或嵌入在用户自身眼镜上的眼动追踪装置。眼动追踪装置120可通过有线网络、无线网络(例如：无线热点、蓝牙)及/或通用串行总线与运算装置110连接。
在眼动追踪装置120为可穿戴眼动追踪器的实施例中，眼动追踪装置120可进一步包括用于捕捉用户视野图像的图像传感器122。图像传感器122可以是独立的图像传感器，或者是嵌入在运算装置中的图像传感器。注视位置由以用户为中心的坐标(例如，由图像传感器或可穿戴装置的嵌入式显示器定义的坐标系)表示，其中原点将随着头部移动而移动。为了更准确地分析用户的视线相关信息数据，眼动追踪装置120需要记录用户的头部运动，并将信息从以用户为中心的坐标转换为世界坐标。为了记录头部运动，在一些实施例中，认知评估系统100还可以包括一组机器可读标记，其可以是呈现在运算装置的显示器上的数字信号或设置在环境中的物理对象。这种机器可读标记可以是几何图形、文字、符号、特定颜色、颜色梯度或具有特定强度及/或波长的光信号。眼动追踪装置120的图像传感器122可以捕捉包括机器可读标记的用户视图的图像。运算装置110或眼动追踪装置120可以基于图像传感器122撷取的连续图像帧中标记的位移来计算头部运动。在另一个实施例中，系统还可以包括陀螺仪及/或加速度计，用于记录用户的头部运动。一旦头部运动被记录，运算装置110或眼动追踪装置120可以基于头部运动将注视相关信息数据的坐标从以用户为中心的坐标转换为世界坐标。
服务器130可以是通过有线网络或无线网络与运算装置110连接的云端服务器。服务器130包括处理器132和内存装置134。内存装置134存储进行评估的个体(即用户)的历史数据、健康群体的认知评估数据和病患群体的认知评估数据。
从用户、健康群体和病患群体收集的数据包括认知评估的绝对和相对(即当前表现与第一次评估的作业表现之间的差异)作业表现。通过使用机器学习，上述数据可用于形成模型，以估计用户被归类为特定群体(例如，健康群体或病患群体)的概率以及个体患病的风险。模型是基于个人在单次认知评估中的作业表现以及在多次认知评估中的相对作业表现模式而建立的。
图2A及2B是实施例中认知评估程序的方法200的流程图。方法200包括以下步骤：
S102：用户输入运算装置110的背景信息；
S104：用户校准眼动追踪装置120；
S106：运算装置110为用户执行基础作业，得到用户的基础作业表现数据；
S108：运算装置110将用户的基础作业表现数据传输给服务器130；
S110：服务器130将基础作业表现数据与存储的数据进行比对，产生第一比对结果；
S112：服务器130根据第一比对结果计算第一风险指标；
S114：服务器130判断第一风险指标是否大于第一阈值；如果是，则进行步骤S116；若否，则进行步骤S130；
S116：服务器130根据第一风险指标产生第一异常指标；
S118：运算装置110为用户执行进阶作业，得到用户的进阶作业表现数据；
S120：运算装置110将用户的进阶作业表现数据传输到服务器130；
S122：服务器130将进阶作业表现数据与存储的数据进行比对，产生第二比对结果。
S124，服务器根据第二比对结果计算第二风险指标；
S126：服务器130判断第二风险指标是否大于第二阈值；如果是，则进行步骤S128；若否，则进行步骤S130；
S128：服务器130根据第二风险指标产生第二异常指标；
S130：服务器130产生认知评估报告。
在步骤S102中，用户可通过输入输出装置116输入背景信息。背景信息可包括姓名、性别、年龄、教育背景、母语等。在另一实施例中，背景信息还可包括指纹及/或用户的面部身份。运算装置110可以在识别用户的指纹及/或面部身份时自动加载存储的用户信息。背景信息可以存储在运算装置110中或存储在服务器130中。
在运算装置110接收到背景信息后，在步骤S104中，用户按照运算装置110的指令完成眼动追踪装置120的校准。校准过程包括三个步骤。在第一步中，运算装置110指示用户确认眼动追踪装置120的位置。用户可以根据图形或语音指令将眼动追踪装置120移动到正确的位置。此步骤可在眼动追踪装置120初始开机后自动执行。如果眼动追踪装置120正确定位，则运算装置110将继续执行第二步骤。在第二步骤中，用户查看单个或多个注视点。注视点可以是呈现在屏幕或纸上的虚拟对象。在检测到用户凝视注视点后提供视觉及/或音频反馈。在另一个实施例中，第二步骤也可以以互动游戏的形式进行。在第三步骤中，运算装置110会呈现校准的校准结果，以供用户评估眼动追踪装置120的效能。用户可判断接收到的视线相关信息数据的质量是否足够。校准结果可以是在校准过程中查看的所有注视点的平均分数或在校准过程中查看的每个注视点的分数。上述分数可以是基于眼动追踪算法计算的准确度及/或可靠度的值(例如，接收到的注视位置和特定注视点之间的数值距离)。校准结果可以以视觉信息及/或音频信息的形式显示。如果校准结果不够准确，则可以重复第二步骤以重新校准眼动追踪装置120。在一实施例中，如果眼动追踪装置120之前已经被校准过，运算装置110可以根据用户的背景信息使用先前的校准数据。在眼动追踪装置120校准之后，在步骤S106，运算装置110自动执行基础作业。以下段落将描述在方法200中采用的作业。根据应用，这些作业可以被分为基础作业或进阶作业。
图3A和3B是简单图像记忆作业的过程和简单记忆作业的对应示意图。记忆作业分为两个阶段：(1)记忆阶段；(2)回忆阶段。在作业执行之前，运算装置可以预先加载作业的配置数据(configuration data)和媒体素材(media material)。配置数据包括关于图像呈现的三种时间信息：(1)第一时段是指每个图像在显示器上显示的时间；(2)第二时段是指显示两个接续呈现的图像之间的间隔时间；(3)第三时段是指记忆阶段和回忆阶段之间的时间。配置数据还包括：(1)第一数字，指在记忆阶段预定的尝试次数；(2)第二数字，指在回忆阶段预定的尝试次数；(3)作业中执行的尝试顺序。在简单的图像记忆作业中，每次尝试都是指一对特定的两个图像的显示。两个图像可以彼此相同或不同。媒体素材包括分别用于记忆阶段和回忆阶段的第一图库(gallery)和第二图库。
在记忆阶段，运算装置110从第一图库中随机选择图像。每个选定的图像形成一个尝试。该选定的图像将呈现给用户并维持第一时段(例如，5秒)。之后，会显示第一空白屏幕并维持第二时段(例如，1秒)。第一空白屏幕结束之后，运算装置110可确认执行的尝试次数是否已达到第一数字。如果已经达到第一数字，则运算装置110可以结束记忆阶段并且第二空白屏幕随后显示并维持第三时段(例如，1秒)。否则，运算装置110可以继续执行一新的尝试。
在第二空白屏幕之后，运算装置110即执行回忆阶段。回忆阶段的过程类似于记忆阶段，除了在每个图像呈现(即尝试)期间，并排显示两个不同的图像。一个是在记忆阶段呈现给用户的图像(即重复图像)，另一个是从第二个图库中随机选择在记忆阶段尚未显示的图像(即新图像)。然后，运算装置110要求用户注视新图像。类似于记忆阶段，在每个第一空白屏幕结束时，运算装置110确定回忆阶段中的尝试次数是否已达到第二次数。若是，运算装置110可以结束作业并计算作业表现。作业表现数据是基于作业信息数据和用户视线相关信息数据的组合计算得出的。作业信息数据包括图像在呈现过程中显示和消失的时间戳，以及图像在记忆阶段和回忆阶段的位置。
作业表现可以通过回忆阶段的以下作业表现数据来确定：(1)用户分别注视重复图像和新图像的时间比例；(2)用户注视重复图像和新图像的时间比例差；(3)分别位于重复图像和新图像的注视点数；(4)重复图像和新图像之间的跳视(saccades)次数；(5)重复图像中的跳视眼动移动次数；(6)新图像中的跳视眼动移动次数；(7)图像呈现开始到第一次注视落在重复图像上的时间；(8)从图像呈现开始到第一次注视落在新图像上的时间。通过进一步将上述作业表现数据依照同一张图像在记忆阶段和回忆阶段呈现之间的时段进行分析，可以进行进一步的详细评估认知功能。上述的时序分析可包含不同作业表现数据的趋势分析，及/或是设定一阈值(例如：120秒)，依照每个尝试其所涉及的图片，在记忆阶段与回忆阶段呈现之间的时段大于阈值与否进行分组，并比进行组间比较。
例如，对于给定的图像，在记忆阶段呈现的图像与在回忆阶段呈现的相同图像之间的时间可能是从10s到180s。随着时间的增加，用户注视新图像的时间比例会减小，用户注视重复图像和新图像的时间比例差异会减小。这种现象可能表明随着时间的增加，用户将图像保存在记忆中变得更加困难。记忆力受损的人在较长的时间间隔会有的较差的表现。除了上述注视相关参数外，用户的表现还可以通过其他参数来确定，例如扫视眼球运动和瞳孔大小。
图4A和4B是重复视觉搜寻作业的过程和对应示例的示意图。在执行视觉搜寻作业之前，运算装置110可以预加载作业的配置数据和媒体素材。配置数据包括作业中每个步骤所花费的时间、单个尝试中的搜寻次数(例如，每次尝试两次搜寻)、每个尝试中显示的对象数量以及尝试总数。
每个尝试的第一个搜寻目标(search target)和搜寻阵列(search array)由系统随机产生。搜寻阵列中的对象可以是模型、数字或图形信息。进入尝试阶段时，在第一个时段，例如1秒，占位符(placeholder)会在搜寻阵列中显示。占位符用于告知用户对象所在的位置(包括目标对象和非目标对象)。在第一个时段之后，目标指示对象显示在屏幕上(占位符仍然存在)。然后，在第二时段后，例如1秒，占位符可以移除。第一时段可以长于第二时段。在第二时段之后，用户被要求要尽快从对象中搜寻并注视目标对象。用户无论是否选对或选错目标对象，结果都会被发送到运算装置110。在用户每次搜寻之后，运算装置110可以确认在当前尝试中执行的搜寻次数是否达到了预定的次数。若否，则重复上述尝试，运算装置110可根据本次搜寻所收集的注视相关信息数据选择下一个搜寻目标。例如，如果搜寻阵列包括十个目标对象，并且用户仅正确注视了三个目标对象，则可以从正确注视的三个目标中选择下一个搜寻目标对象。
当执行的尝试次数已达到预定的尝试总数时，运算装置110可根据注视相关信息数据和作业信息数据(例如，每个对象的位置和搜寻的时间戳)计算作业表现数据。
以下是在重复视觉搜寻作业中计算的作业表现数据示例，用于估计各种认知能力：(1)注视到非目标对象的所需时间；(2)注视非目标对象前的注视次数；(3)注视非目标对象的次数；(4)对非目标对象的注视时间；(5)注视到目标对象的所需时间；(6)注视目标对象前的注视次数；(7)注视目标对象的次数；(8)对目标对象的注视时间；(9)重新注视目标指示对象的次数。作业表现数据可用于估计用户的执行功能(executive function)。接续的搜寻之间的差异可用于估计用户的记忆功能。为了增加作业表现数据的敏感性，也可以改变对象以使重复的视觉搜寻作业更加困难(例如，更多的对象及/或搜寻对象之间的更高的相似性)。此外，在对象选择中也可以采用联结搜寻(conjunction search)的概念。如果使用的对象包括语义关系，则重复的视觉搜寻作业也可以用于估计语言相关的能力。最后，重复的视觉搜寻作业可以以具有更高生态效度的方式实现。也就是说，搜寻阵列不仅仅可以是一组抽象的对象。重复的视觉搜寻作业可以要求用户在一个场景中搜寻一个对象，例如在壁橱里找衣服，或者在房间里找一本特定的书。搜寻可以使用二维或三维图像，甚至可以在扩展实境中进行。
在步骤S108中，运算装置110将用户的基本作业表现数据传送给服务器130。在步骤S110中，服务器130将基本作业表现数据与数据库中群体的基本作业表现数据进行比对，以产生第一比对结果。在步骤S112中，服务器130根据第一比对结果计算第一风险指标。在一实施例中，为了计算第一风险指标，服务器130首先在数据库中选择与用户的背景信息(例如，年龄、性别、教育背景)相对应的群体，并将用户的基础作业表现数据与一组数据进行比对。该组数据包括用户的历史表现数据、健康群体及/或病患群体的作业表现数据(例如，主观认知能力下降、轻度认知障碍、阿兹海默病等涉及认知障碍的疾病)。此外，作业表现包括总体的绝对作业表现和相对作业表现的分布，以及个体在多个认知评估中相对作业表现的趋势，可以以此构建历史表现模型。第一比对结果可以包括用户在特定群体中的排名，以及用户被归类为特定群体的概率。
历史表现模型可用以估计一段时间内认知功能的变化，历史表现模型是基于在多个认知评估中的相对作业表现数据产生的。用户的数据、健康群体的数据及/或患者的数据都会分别被用以形成一个历史数据模型。用户被归类为健康群体或患者群体的概率则可以基于用户的相对表现数据与健康群体的历史表现数据模型，及/或患者群体的历史表现模型的适配性(goodness-of-fit)来计算适配性可以以可能性、均方根误差或任何其他可以描述所观察到的表现数据与历史表现模型之间差异的统计方法实现。在其他实施例中，作业表现数据还可以包括个体在认知评估中的绝对作业表现的趋势，并且历史表现模型也可以基于这些绝对作业表现的趋势来产生。
服务器130还包括一基于第一比对结果的区辨模型，用以计算第一风险指标。区辨模型可以将具有一定程度的认知障碍的用户与健康群体区分开来。实施例可以根据用户的作业表现数据与区辨模型定义的阈值之间的数值距离来估计风险指标。具体来说，判别模型可以将用户的表现估计为几何空间中的位置。第一次比对结果中的每个参数(例如，用户在每个群体中的排名，以及用户数据与每个群体的历史表现模型之间的差异)都可为该空间的一个维度，并且可以通过这些参数之间的关系合并参数来进一步减少空间的维度。根据空间的维度，阈值可以是空间中的点、线或平面。用户的作业表现数据与阈值之间的数值距离可以计算为欧几里得距离(Euclidean distance)。累积分布函数可用于估计风险指标。在函数中，x轴是欧几里得距离，y轴是将用户分类为给定群体的概率。估计的风险指标是对应于给定数值距离处的概率。在其他实施例中，服务器130可根据基础作业表现数据产生判别模型。
在步骤S114中，服务器130判断用户的第一风险指标是否大于第一阈值。当第一风险指标大于第一阈值时，服务器130产生第一异常指示，运算装置110执行进阶作业。否则，服务器130将产生用户的认知评估报告。若用户先前已进行认知评估且识别出用户的第二异常指标，则不论第一风险指标与第二风险指标是否大于前述阈值，认知评估系统100都会执行步骤S118。
在步骤S118中，运算装置110响应来自服务器130的命令并执行进阶作业。进阶作业可以进一步检查用户的认知障碍是否是多面向的。例如，进阶作业可以包括：(1)反向跳视作业；(2)空间预测作业；(3)新编重复视觉搜寻作业；(4)阅读作业；(5)关联记忆作业。
图5是反向跳视作业的示意图。作业配置数据(configuration data)包括注视点持续时间、中心目标持续时间、外围目标持续时间、回馈标记持续时间、尝试总数和外围目标位置。作业配置数据在作业开始之前会被预先加载到运算装置110。在作业开始后，注视点显示在屏幕的中心并持续第一预定时间(first predetermined time)。注视点可以是圆盘、十字或其他几何形状。然后注视点会被中心目标替换并持续第二预定持续时间(例如，500-1500毫秒)。中心目标可以是与注视点不同的圆盘、靶心或其他几何形状。然后，外围目标会在外围位置显示，并维持第三预定时间(例如，1000毫秒)。外围位置可以是在一定视角内远离屏幕中心的任何位置。例如，外围位置可以在水平轴上距屏幕中心6°或12°视角。一旦外围目标显示，用户被要求要尽可能快速地看向指定位置，该指定位置为外围位置的镜像位置。在外围目标显示时间结束后，认知评估系统100会将结果回馈给用户。回馈标记可以是通知用户是否正确注视指定位置的视觉标记。显示回馈标记后，所有图像都会从屏幕上消失。运算装置110可检查执行的尝试次数是否已达到尝试总数。如果是，则作业结束。否则可以重复上述过程。
运算装置110可以分析作业信息数据和用户注视相关信息数据。作业信息数据包括上述步骤的时间戳数据(例如，中心目标的显示时间戳和外围目标的显示时间戳)。然后运算装置110通过计算目标位置与用户注视相关信息数据之间的对应关系来评估用户的作业表现数据。用于评价作业表现数据的数据包括：(1)外围目标显示后，用户正确注视屏幕指定位置的次数及/或比例；(2)在开始显示外围目标后，用户先注视外围目标，后将视线转移到指定位置的次数及/或比例；(3)用户在开始显示回馈标记前，只注视外围目标而未将视线移至指定位置的次数及/或比例；(4)从开始显示外围目标到用户第一次注视指定位置的反应时间；(5)开始显示外围目标的时间与用户看到外围目标后，视线转移到指定位置的时间点之间的反应时间；(6)注视位置与指定位置之间的数值距离。上述作业表现数据也可以通过作业表现数据随尝试次数变化的趋势分析来评估。
图6及图7是实施例中空间预测作业和目标的移动路线的示意图。作业配置数据包括几何形状阵列、实验总数、目标移动时间、目标移动路线以及移动路线内显示的每个目标位置的持续时间。目标移动路线可以包括移动方式、移动长度和作业难度。在实施例的空间预测作业中，可以在屏幕上显示一系列几何形状。例如图6所示的5×8的圆阵列。
每个尝试开始时，运算装置110可以在多个目标移动路线中随机选取一条移动路线，并可以选择阵列中的一个空心圆作为起始位置(如标记的几何形状)。这是为了通知用户目标的起始位置以尝试即将开始。标记可以持续显示一定的时间(例如，1000ms)，然后标记的空心圆将被目标(实心圆)替换。实心圆可以显示一定的时间(例如，1000毫秒)。然后，按照默认的移动路线，目标在阵列内的不同位置显示，每次显示的持续时间不同(例如，800ms-1200ms)。认知评估系统100会要求用户通过使用输入/输出装置116或其他方式对目标物的移动做出反应。当目标从移动路线的最后一个位置消失时，尝试即结束。图7展示了用于空间预测作业的7×10阵列上的一些示例性移动路线。
当尝试结束时，运算装置110可以检查是否已经达到尝试总数。如果是，则作业完成。否则，将重复上述过程。作业信息数据和用户视线相关信息数据可用于计算作业表现数据。作业信息数据包括：(1)目标显示在各个位置的时间戳；(2)所示目标的位置。从用户的视线相关信息数据与作业信息数据之间的对应关系可以得到用户的预测行为。在实施例中，主要的预测行为是预测的跳视，其可以定义为在目标移动到下一个位置之前进行的跳视，且跳视的终点落于阵列的其他位置。如果该预测的跳视的终点与下一个目标位置一致，则该预测跳视是正确的预测跳视，反之，则是错误的预测跳视。
以下是可以从预测跳视中可获得的作业表现数据，以评估用户的认知功能。作业表现数据包括：(1)正确和错误的预期跳视次数；(2)正确和错误预期跳视的比例。实施例可以通过取所有尝试的平均值来计算移动路线的每个位置的作业表现数据。此外，移动路线的每个位置的数据可能不是同等重要的。至少在前两个位置，用户可能还不知道目标所遵循的移动路线。因此，在某些情况下，用户的作业表现数据可以通过在移动路线的最后几个位置检测到的跳视来确定。最后，实施例还可以将上述的作业表现数据以与移动路线中位置的函数关系来呈现。
图8A和8B是实施例中关系记忆作业的示意图。在关于记忆作业中，每个实验包括：(1)搜寻阶段；(2)回忆阶段。作业配置数据包括：(1)注视点的呈现时间；(2)纵横线网格的位置信息；(3)每次尝试，网格中目标物与参照物的类型、数量、位置；(4)每次尝试的设置持续时间；(5)搜寻阶段和回忆阶段的持续时间；(6)尝试次数；(7)搜寻阶段和回忆阶段之间的时间；(8)回馈时间；(9)每次尝试的作业难度。
在关于记忆作业中，目标物可能是几何形状，与参照物相似，但在颜色、方向、形状等至少一个特征上有所不同。在每次尝试的开始时，目标物持续显示在屏幕中心2秒。然后屏幕上会显示一个搜寻阵列，可持续6秒。在搜寻阵列中，显示了目标对象和多个参照对象。参照对象的位置、数量和相似度由作业配置数据确定。用户需要在搜寻阵列中找到并注视目标对象。运算装置110可以确定用户是否成功地注视目标对象。接下来，屏幕会显示一个注视点，持续时间为3秒或更长(例如，6秒)，如图8A所示。注视点可以是几何形状，例如圆盘或十字。注视点的几何形状可以不同于目标对象和参照对象的几何形状。
接下来，实验进入回忆阶段。回忆阵列会显示6秒。回忆阶段与记忆阶段会显示相同的网格，但仅显示参照对象并且参照对象的位置会有偏移。这样网格中参照对象的绝对位置将改变，而它们之间的相对位置会保持一致。用户需要在网格中找到目标对象的正确相对位置(例如，分别在图8A和8B中的空心形状和虚线形状)。如果用户成功地注视目标对象的相对位置，运算装置110可以确认用户的所注视的位置是正确的。在回忆阶段之后，系统100会显示回馈信息以告知用户的作业表现。回馈信息可以是视觉信息或音频信息。类似于上述作业，在每次尝试结束时，运算装置110可以检查是否已经达到预定的尝试总数。若是，则作业完成，并通过分析作业信息数据和注视相关信息数据之间的对应关系来评估用户的作业表现数据。否则，可以重复尝试。尝试阶段的时间长度仅为示例，本发明不限于此。
图8B示出搜寻阶段的示例性搜寻阵列和对应于搜寻阵列的回忆阶段的一些回忆阵列。在图8B上部，黑点表示在搜寻阶段用户应该注视的目标对象位置。在图8B下部，空心圆表示在回忆阶段用户应该注视的目标对象的相对位置。这些阵列只是示例。在其他实施例中，目标对象和参照对象也可以是光栅图案，例如Gabor patch。本发明不限于此。
以下是用于作业表现评估的作业表现数据。作业表现数据包括：(1)搜寻阶段正确反应的次数及/或比例；(2)在搜寻阶段注视目标对象的反应时间；(3)在搜寻阶段得到正确反应所需的注视次数；(4)用户在搜寻阶段注视目标对象、参照对象和网格中其他位置的时间比例；(5)搜寻阶段对目标对象、参照对象和网格中其他位置的注视次数；(6)回忆阶段正确反应的数量及/或比例；(7)在回忆阶段寻找目标对象相对位置的反应时间；(8)在回忆阶段得到正确反应所需的注视次数；(9)在回忆阶段注视目标对象相对位置、参照对象和其他位置的数量及/或比例；(10)用户在回忆阶段注视目标对象相对位置、参照对象和其他位置的时间长度。所有这些作业表现数据都可以按作业难度进一步分组，并且还可以对不同组的作业表现数据进行比对。
每个尝试的作业难度与目标对象和参照对象的特征的相似性有关。这些特征包括方向、形状和颜色。例如，目标对象和参照对象可以是带有光栅图案的圆形图像。图像上的光栅图案可以有不同的方向。例如，0°的目标对象和10°的参照对象之间的相似度高于0°的目标对象和15°的参照对象之间的相似度。此外，作业难度与搜寻阶段和回忆阶段之间的时间呈正相关。
图9是另一实施例的视觉搜寻作业的示意图。作业配置数据包括：(1)目标的设置时间；(2)搜寻阶段和测试阶段的持续时间；(3)反馈的持续时间；(4)搜寻阶段和测试阶段之间的时间；(5)搜寻阶段和测试阶段的尝试次数；(6)描述搜寻阶段和测试阶段目标的列表；(7)测试阶段各尝试的情境列表；(8)具有垂直和水平线的阵列，用于显示每个阶段的视觉对象；(9)阵列中显示的视觉对象的类型；(10)视觉对象在阵列中的位置。作业中使用的视觉对象可以是几何图形或图片等，也可以是具有不同旋转度的几何图形。
当搜寻阶段开始时，屏幕会显示一个目标对象(例如三角形)以告知用户要搜寻什么。然后搜寻阵列在屏幕上显示2秒。用户需要在此搜寻时间内搜寻目标对象。搜寻时间结束后，阵列中的目标对象将被标记为不同的颜色或粗体做为回馈。在尝试结束后，运算装置110可以检查是否已经达到预定的尝试总数。如否，可以重复上述尝试。若已经达到预定的尝试总数，尝试可进入测试阶段。测试阶段的过程类似于搜寻阶段的过程，不同之处在于在测试阶段，根据情境列表，在部分尝试中，运算装置110可以随机将目标对象与其中一搜寻阵列上的非目标对象调换位置(例如，与目标对象具有相同形状但具有不同旋转度的三个对象之一，如图9所示)，并且不向用户提供回馈。
在作业完成后，运算装置110可以通过分析作业信息数据和用户的视线相关信息数据来评估用户的作业表现。作业信息数据包括每一步骤的时间戳和每一步骤中物体的位置。作业表现数据包括：(1)用户注视目标对象和非目标对象的时间比例；(2)测试阶段注视目标和非目标对象的次数。作业表现数据也可以基于以下条件进行分组：(1)由情境列表确定的测试阶段的情境；(2)在搜寻阶段搜寻特定对象与在测试阶段搜寻同一对象的时间间隔。
在步骤S118完成进阶作业后，在步骤S120，运算装置110将用户的进阶作业表现数据传送到服务器130。在步骤S122，服务器130将用户的进阶作业表现数据与用户的进阶作业表现数据进行比对，以产生第二比对结果。在步骤S124中，服务器130根据第二比对结果计算第二风险指标。在一个实施例中，为了计算第二风险指标，服务器130首先在数据库中选择与用户的背景信息(例如，年龄、性别、教育背景)相对应的群体，并将用户的进阶作业表现数据与一组数据进行比对。该组数据包括用户的历史作业表现数据、健康群体及/或病患群体的作业表现数据(例如，主观认知能力下降、轻度认知障碍、阿兹海默病等涉及认知障碍的疾病)。
此外，作业表现包括绝对和相对作业表现的分布，以及个体在多项认知评估中相对作业表现的趋势和模式，并且可以基于认知评估的相对作业表现，为至少一组数据(即，用户、健康群体及/或病患群体的数据)产生历史表现模型。在其他实施例中，作业表现还包括在多个认知评估中的绝对作业表现，并且可以基于绝对作业表现数据来产生历史作业表现。第二比对结果可以包括用户在特定群体中的排名，以及用户被归类为特定群体的概率。用户被归类为特定群体的概率可以基于用户在多个认知评估中的相对作业表现与健康群体及/或病患群体的历史表现模型之间的适配度来计算，适配度可以以可能性、均方根误差或任何其他可以描述作业数据与历史表现模型之间差异的统计方法实现。
为了计算第二风险指标，服务器130可以进一步根据步骤S112中描述的方法为每个作业计算本地风险指标(local risk value)，然后根据所有本地风险指标计算第二风险指标。第二风险指标可以是每个由特定常数加权的所有局部风险指标的平均值。常数可以由灵敏度、特异性、接受者操作特征曲线下面积及/或每项作业的准确性来定义。这些常数用于区分病患群体和健康群体。在其他实施例中，服务器130还可以将第一比对结果纳入本地风险指标和第二风险指标的计算中。在其他实施例中，为了计算第二风险指标，服务器130可以形成由基础作业表现数据和进阶作业表现数据两者构建的区分模型以区分病患群体和健康群体。上述作业表现数据包括单次测试的作业表现数据和接续数次测试的作业表现数据。在这种情况下，第二个风险指标可以是用户的整体作业表现与在欧几里得空间中定义区辨模型的阈值之间的欧几里得距离(Euclidean distance)。
更具体地，区辨模型可以将用户的表现估计为几何空间中的位置。每个作业表现数据可以构建一个维度的空间。在某些情况下，可以使用统计方法(即因子分析和主成分分析)来提取影响作业表现数据的主要因素。空间的维度可以进一步减少到主要因素的数量。根据空间的维度数，阈值可以是空间中的点、线或平面。用户的作业表现数据与阈值之间的数值距离可以定义为欧几里得距离。累积分布函数可用于估计风险指标。在此函数中，x轴是欧几里得距离，y轴是将用户分类为特定群体的概率。估计的风险指标对应于特定数值距离处的概率。
在步骤S124取得第二风险指标后，服务器130在步骤S126判断第二风险指标是否大于第二阈值。若第二风险指标大于第二阈值，则在步骤S128，服务器130可产生第二异常指标。
在步骤S130中，服务器130可产生认知评估报告给用户。认知评估报告可以包括：(1)分数、图表及/或符号，指示用户相对于与其背景数据相符的健康群体的作业表现；(2)风险指标，表示用户会发展成某种认知障碍的概率；(3)给予用户的日常活动建议，以降低罹患认知疾病的风险。
服务器130还可以根据用户的作业表现数据以及第一异常指标和第二异常指标的分布情况，确认用户何时应该再次参与认知评估作业。如果认知评估系统100产生第一异常指标及/或第二异常指标，用户应在短时间(例如一周)内再次参与认知评估作业。否则，用户可以在更长的时间(例如，六个月)内再次参加参与认知评估作业。服务器130可以进一步与用户的个人日历(例如，谷歌日历)连接并安排认知评估。
在另一实施例中，运算装置110可根据第一异常指标及/或第二异常指标提醒用户。如果第一异常指标及/或第二异常指标在几次连续的评估中频繁出现，则运算装置110可以确定用户的认知功能正在下降并且会提醒用户取得就医信息。
在另一个实施例中，认知评估系统100的服务器130可以与医疗平台及/或医疗机构连接。认知评估报告和警报可以被发送到医疗平台及/或医疗机构以供医疗专业人员评估。
基础作业和进阶作业也可以根据应用进行修改。例如，如果记忆功能的损伤对于特定应用至关重要，则基础作业可以包括评估记忆功能的作业。在其他情况下，如果应用程序的关键因素是确定用户是否患有多面向的认知障碍，则基础作业可以包括评估记忆功能的子作业和评估执行功能的其他子作业。此外，如果从基础作业中发现特定认知功能损害，例如执行功能，认知评估系统100可以根据这一点选择评估执行功能的进阶作业。
以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，都应属本发明的涵盖范围。

Claims (19)

1.一种认知评估系统，其特征在于，包含：
一运算装置，包含一认知评估程序，用以执行至少一认知评估作业，所述至少一认知评估作业用以评估一用户的一认知功能；
一服务器，耦接至所述运算装置，包含一数据库，存储有所述用户的一历史表现数据、所述用户的一历史表现模型、一健康群体的作业表现数据及一病患群体的作业表现数据；及
一眼动追踪装置，耦接于所述运算装置，用以撷取所述用户的一眼动信息；
其中：
所述用户由所述运算装置执行的所述认知评估程序进行所述至少一认知评估作业；
所述运算装置根据所述至少一认知评估作业产生所述用户的一作业表现数据；
所述服务器从所述运算装置接收用户的所述作业表现数据；
所述服务器将所述用户的所述作业表现数据和所述用户的所述历史表现数据与所述健康群体的作业表现数据和所述病患群体的作业表现数据进行比对，以产生一比对结果；
所述服务器根据所述比对结果产生一风险指标，并根据所述风险指标和比对结果产生一认知功能评估报告；及
所述用户的所述作业表现数据包含一眼动信息。
2.如权利要求1所述的认知评估系统，其特征在于，所述至少一个认知评估作业包含一基础作业及一进阶作业。
3.如权利要求2所述的认知评估系统，其特征在于，所述基础作业用以评估复数个认知功能。
4.如权利要求2所述的认知评估系统，其特征在于，所述进阶作业包含复数个评估特定认知功能的作业，所述运算装置依据所述基础作业的评估结果，选择执行所述复数个评估特定认知功能的作业中至少一评估特定认知功能的作业。
5.如权利要求1所述的认知评估系统，其特征在于，所述历史表现模型是根据所述用户的所述历史表现数据所产生的。
6.如权利要求5所述的认知评估系统，其特征在于，所述数据库还包含所述病患群体的一历史表现模型及所述健康群体的一历史表现模型。
7.如权利要求6所述的认知评估系统，其特征在于：
所述比对结果包括所述用户的作业表现排名；及
所述用户被分类到所述数据库的哪个群体的概率；
其中：
所述用户被分类到所述数据库的哪个群体的概率是根据所述用户的历史表现数据与所述数据库中每一群体的历史表现模型的适配性所决定的。
8.如权利要求7所述的认知评估系统，其特征在于，所述服务器还包含一区辨模型，用以根据所述比对结果区分所述病患群体与所述健康群体。
9.如权利要求8所述的认知评估系统，其中所述风险指标是所述区辨模型的一阈值与所述用户的所述作业表现数据的一数值距离。
10.如权利要求9所述的认知评估系统，其特征在于，所述病患群体是一群有认知障碍的个体。
11.如权利要求1所述的认知评估系统，其特征在于，所述认知功能评估报告包含：
分数、图表及/或符号，指示用户相对于与其背景数据相符的健康群体的作业表现；
风险指标，表示用户会发展成某种认知障碍的概率；及
给予用户的日常活动建议，以降低罹患认知疾病的风险。
12.如权利要求11所述的认知评估系统，其特征在于，若所述用户的所述风险指标大于一阈值，所述服务器产生一异常标记。
13.如权利要求12所述的认知评估系统，其特征在于，所述服务器根据所述异常标记协助所述用户安排下一次认知评估的时间。
14.如权利要求12所述的认知评估系统，其特征在于，若所述异常标记的出现频率大于一阈值，所述服务器发出根据所述异常标记发出一警告信息，以警告所述用户认知功能衰退的情形。
15.如权利要求14所述的认知评估系统，其特征在于，若所述服务器判断所述用户有认知衰退时，所述认知功能评估报告包含相关的就医信息。
16.如权利要求15所述的认知评估系统，其特征在于，所述服务器是一云端服务器。
17.如权利要求16所述的认知评估系统，其特征在于，所述服务器与一医疗平台或一医疗机构进行联机。
18.如权利要求17所述的认知评估系统，其特征在于，所述服务器传送所述认知功能评估报告及/或所述警告信息给联机的所述医疗平台或所述医疗机构。
19.如权利要求1所述的认知评估系统，其特征在于，所述眼动信息包含注视位置、瞳孔大小及眨眼信息。
CN202210651393.7A 2021-06-11 2022-06-10 认知评估系统 Pending CN115471903A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202163209406P 2021-06-11 2021-06-11
US63/209,406 2021-06-11

Publications (1)

Publication Number Publication Date
CN115471903A true CN115471903A (zh) 2022-12-13

Family

ID=84364989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210651393.7A Pending CN115471903A (zh) 2021-06-11 2022-06-10 认知评估系统

Country Status (3)

Country Link
US (1) US20220395206A1 (zh)
CN (1) CN115471903A (zh)
TW (1) TWI813329B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117257304A (zh) * 2023-11-22 2023-12-22 暗物智能科技(广州)有限公司 一种认知能力测评方法、装置、电子设备及存储介质
WO2024197695A1 (zh) * 2023-03-30 2024-10-03 中国科学院深圳先进技术研究院 基于脑机接口的意图预测方法、装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201516892A (zh) * 2013-10-16 2015-05-01 Utechzone Co Ltd 監控方法、裝置及系統
WO2019060995A1 (en) * 2017-09-27 2019-04-04 Apexk Inc. APPARATUS AND METHOD FOR EVALUATING COGNITIVE FUNCTION
EP3711680A4 (en) * 2017-11-14 2021-08-18 Osaka University COGNITIVE MALFUNCTION DIAGNOSIS AND COGNITIVE MALFUNCTION DIAGNOSIS PROGRAM
CN109044378A (zh) * 2018-09-20 2018-12-21 复理智能科技（上海）有限公司 一种多动症评估和诊断系统
CN110801237B (zh) * 2019-11-10 2022-11-11 中科搏锐（北京）科技有限公司 一种基于眼动和脑电特征的认知能力评估系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024197695A1 (zh) * 2023-03-30 2024-10-03 中国科学院深圳先进技术研究院 基于脑机接口的意图预测方法、装置、设备及存储介质
CN117257304A (zh) * 2023-11-22 2023-12-22 暗物智能科技(广州)有限公司 一种认知能力测评方法、装置、电子设备及存储介质
CN117257304B (zh) * 2023-11-22 2024-03-01 暗物智能科技(广州)有限公司 一种认知能力测评方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
TWI813329B (zh) 2023-08-21
TW202249026A (zh) 2022-12-16
US20220395206A1 (en) 2022-12-15

Similar Documents

Publication Publication Date Title
EP3617815B1 (en) Work support device, work support method, and work support program
Nourbakhsh et al. GSR and blink features for cognitive load classification
KR101785255B1 (ko) 형상 구별 시력 평가 및 추적 시스템
US9872615B2 (en) Systems and methods for improved ease and accuracy of gaze tracking
TWI813329B (zh) 認知評估系統
Chandra et al. Eye tracking based human computer interaction: Applications and their uses
US20090082692A1 (en) System And Method For The Real-Time Evaluation Of Time-Locked Physiological Measures
CN112535479B (zh) 一种情绪加工倾向的确定方法及相关产品
EP3815621B1 (en) Assessment device, assessment method, and assessment program
CN116982932B (zh) 一种基于眼动双任务的脑疾病预测设备、系统及可读存储介质
Yamada et al. Fatigue detection model for older adults using eye-tracking data gathered while watching video: Evaluation against diverse fatiguing tasks
CN112987910B (zh) 眼球追踪设备的测试方法、装置、设备及存储介质
Rescio et al. Ambient and wearable system for workers’ stress evaluation
KR101984993B1 (ko) 사용자 맞춤형 시표 제어가 가능한 시야검사기
US20210236023A1 (en) TECHNOLOGY ADAPTED TO ENABLE IMPROVED COLLECTION OF INVOLUNTARY EYELlD MOVEMENT PARAMETERS, INCLUDING COLLECTION OF EYELlD MOVEMENT PARAMETERS TO SUPPORT ANALYSIS OF NEUROLOGICAL FACTORS
US20220392624A1 (en) Apparatus and method for providing artificial intelligence based virtual reality psychological test service
CN115543091A (zh) 综合容错的眼动追踪交互方法及系统
CN115444422A (zh) 一种基于眼动数据的真实环境心理负荷评估方法和系统
US20210074389A1 (en) System and method for collecting, analyzing, and utilizing cognitive, behavioral, neuropsychological, and biometric data from a user's interaction with a smart device with either physically invasive or physically non-invasive means
Ekiz et al. Long short-term memory network based unobtrusive workload monitoring with consumer grade smartwatches
Shin et al. Classification of Hand-Movement Disabilities in Parkinson’s Disease Using a Motion-Capture Device and Machine Learning
Białek et al. Selected problems of image data preprocessing used to perform examination in Parkinson’s disease
EP4252733A1 (en) Evaluation device, method, and program for evaluating ability to identify object
CN117577299B (zh) 认知障碍筛查系统及设备
CN110781846B (zh) 一种融合视觉广度特点的视觉注意计算方法

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