CN117577299B - 认知障碍筛查系统及设备 - Google Patents
认知障碍筛查系统及设备 Download PDFInfo
- Publication number
- CN117577299B CN117577299B CN202311457525.3A CN202311457525A CN117577299B CN 117577299 B CN117577299 B CN 117577299B CN 202311457525 A CN202311457525 A CN 202311457525A CN 117577299 B CN117577299 B CN 117577299B
- Authority
- CN
- China
- Prior art keywords
- task
- subject
- cognitive
- item capable
- capability
- 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
Links
- 208000010877 cognitive disease Diseases 0.000 title claims abstract description 51
- 238000012216 screening Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 104
- 230000003920 cognitive function Effects 0.000 claims abstract description 64
- 230000007106 neurocognition Effects 0.000 claims abstract description 18
- 210000004556 brain Anatomy 0.000 claims abstract description 17
- 208000028698 Cognitive impairment Diseases 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000003930 cognitive ability Effects 0.000 claims abstract description 11
- 230000016776 visual perception Effects 0.000 claims description 106
- 230000008447 perception Effects 0.000 claims description 76
- 238000000034 method Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 16
- 239000002131 composite material Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000003111 delayed effect Effects 0.000 claims description 7
- 230000000750 progressive effect Effects 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000001149 cognitive effect Effects 0.000 abstract description 4
- 230000003542 behavioural effect Effects 0.000 abstract description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 3
- 230000036541 health Effects 0.000 abstract description 2
- 230000000977 initiatory effect Effects 0.000 description 47
- 230000003936 working memory Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 239000000090 biomarker Substances 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 102000037983 regulatory factors Human genes 0.000 description 3
- 108091008025 regulatory factors Proteins 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000003926 auditory cortex Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007278 cognition impairment Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000000971 hippocampal effect Effects 0.000 description 1
- 230000008449 language Effects 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
Classifications
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于神经科学及健康技术领域，提供了一种认知障碍筛查系统，包括：任务模块，存储有系列任务，所述系列任务由不同数量种类的项目组成，供受试者做出任务反馈，所述项目用于对大脑认知功能进行筛查；数据采集模块，采集受试者完成每个所述项目任务的神经认知功能数据；数据处理分析模块，对所述数据采集模块采集的所述神经认知功能数据进行处理和分析，评估受试者的认知能力，以识别与认知障碍相关的特征和模式，并预测认知障碍趋势。基于神经认知功能性数据的分析，实现了对认知障碍的高准确性判断和评估。从大脑认知功能性出发可提前发现认知障碍，从而实现早期干预和治疗，避免了出现中重度产生行为障碍的情况。
Description
技术领域
本发明属于神经科学及健康领域，具体涉及一种认知障碍筛查系统，还涉及一种认知障碍筛查设备。
背景技术
认知障碍又称认知缺陷，指大脑记忆、语言、推理、计算、情感、注意力、定向力、执行能力等方面出现的异常,从而引起学习、记忆障碍,影响患者社会功能和平时生活质量。认知障碍是一种严重影响个体生活质量的健康问题，患者可同时出现性格、情绪改变、异常行为等表现，其早期诊断和精准评估对于有效治疗和干预至关重要。
现有的认知障碍筛查方法主要依赖于行为量表、生物指标和医生问询。常用的认知障碍行为量表有蒙特利尔认知评估量表、阿茨海默病评定量表和认知失能筛查量表等，这些筛查方法适用范围都有一定局限性，只针对特定症状人群或者选择的项目较少不能完全反应患者认知障碍真实情况。生物指标筛查需要检测与认知障碍相关的生物标记物，当检测到生物标记物时，患者大多已经出现认知障碍症状，错过了早干预的时间。医生问询主观性较强，而且由于患者自身对症状的认识不足，对医生判断病情会产生较大干扰，导致准确率低。现有的认知障碍筛查方法存在一系列问题，包括准确率低、难以早期发现和缺乏趋势指标等。
基于此，本申请提供一种认知障碍筛查系统，通过采集神经认知功能数据并进行处理分析，实现了对大脑认知功能性认知障碍的高准确性判断和评估。
发明内容
本发明的目的是提供一种认知障碍筛查系统，解决现有技术中认知障碍筛查准确率低，发现晚的不足。
一种认知障碍筛查系统，包括：
任务模块，存储有系列任务，所述系列任务由不同数量种类的项目组成，供受试者做出任务反馈，所述项目用于对大脑认知功能进行筛查；
数据采集模块，采集受试者完成每个所述项目任务的神经认知功能数据；
数据处理分析模块，对所述数据采集模块采集的所述神经认知功能数据进行处理和分析，评估受试者的认知能力，以识别与认知障碍相关的特征和模式，并预测认知障碍趋势。
本发明中，所述项目包括能够反应受试者视知觉识别能力的项目，能够反应受试者视知觉专注能力的项目，能够反应受试者视知觉处理能力的项目，能够反应受试者视知觉执行能力的项目，能够反应受试者听知觉识别能力的项目，能够反应受试者听知觉专注能力的项目，能够反应受试者听知觉处理能力的项目，能够反应受试者听知觉执行能力的项目，能够反应受试者排序能力的项目，能够反应受试者逻辑推理能力的项目，能够反应受试者反应控制能力的项目，能够反应受试者处理速度能力的项目，能够反应受试者通过按钮启动任务能力的项目，能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目中的一种或多种。
优选地，所述项目由能够反应受试者视知觉识别能力的项目，能够反应受试者视知觉专注能力的项目，能够反应受试者视知觉处理能力的项目，能够反应受试者视知觉执行能力的项目，能够反应受试者听知觉识别能力的项目，能够反应受试者听知觉专注能力的项目，能够反应受试者听知觉处理能力的项目，能够反应受试者听知觉执行能力的项目，能够反应受试者排序能力的项目，能够反应受试者逻辑推理能力的项目，能够反应受试者反应控制能力的项目，能够反应受试者处理速度能力的项目，能够反应受试者通过按钮启动任务能力的项目，能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目组成。
本发明中，所述项目根据难易程度被分成五个递进的组别，依次是目标认知功能组A1、目标认知功能组A2、目标认知功能组A3、目标认知功能组A4和目标认知功能组A5。
进一步地，所述目标认知功能组A1由能够反应受试者视知觉识别能力的项目、能够反应受试者视知觉专注能力的项目、能够反应受试者视知觉处理能力的项目和能够反应受试者视知觉执行能力的项目组成。
进一步地，所述目标认知功能组A2由能够反应受试者听知觉识别能力的项目、能够反应受试者听知觉专注能力的项目、能够反应受试者听知觉处理能力的项目和能够反应受试者听知觉执行能力的项目组成。
进一步地，所述目标认知功能组A3由能够反应受试者排序能力的项目和能够反应受试者逻辑推理能力的项目组成。
进一步地，所述目标认知功能组A4由能够反应受试者反应控制能力的项目、能够反应受试者处理速度能力的项目和能够反应受试者通过按钮启动任务能力的项目组成。
进一步地，所述目标认知功能组A5包括能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目。
本发明中，所述任务模块通过所述系列任务依次对每个所述项目以递进的组别、阶段、及难易程度来给受试者提供任务，所述数据采集模块获取受试者完成每个所述项目的极限数据。
进一步地，所述系列任务中不同的项目设定有阶梯式的目标值，当受试者多次尝试均无法达到所述目标值时，即可得知受试者所述项目的极限数据，并切换任务组别进行所述系列任务中下一个任务的测试。通过设置阶梯式的目标值，可以方便对受试者完成任务过程中对任务进程进行调整，比如降低任务难度或者提高任务难度，或者侧重于相对较弱的项目。
本发明中，所述系列任务包括第一任务,所述第一任务的任务内容是在一个特定区域内显示N个不同形状的组合图形，受试者需要在有限时间内按系统给出的顺序要求点击任务目标图形。
进一步地，所述第一任务由能够反应受试者视知觉识别能力的项目、能够反应受试者视知觉处理能力的项目、能够反应受试者听知觉专注能力的项目、能够反应受试者反应控制能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中，所述系列任务还包括第二任务,所述第二任务的任务内容是测试受试者是否需要通过系统提醒才能点击开始任务的按钮；系统会记录提醒后与点击开始之间的延迟毫秒数。通过根据延迟时间及次数来生成关键层级影响因子，来评估受试者的能够反应受试者通过按钮启动任务能力的项目功能性。
进一步地，所述第二任务由能够反应受试者视知觉专注能力的项目、能够反应受试者视知觉处理能力的项目、能够反应受试者听知觉专注能力的项目、能够反应受试者反应控制能力的项目、能够反应受试者通过按钮启动任务能力的项目、能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目构成。
本发明中，所述系列任务还包括第三任务,所述第三个任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者需要按照系统给出的指令，按要求的条件顺序进行排列尝试。任务的目标阈值根据流程的层级不同而叠加难度。
进一步地，所述第三任务由能够反应受试者通过按钮启动任务能力的项目、能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目构成。
本发明中，所述系列任务还包括第四任务,所述第四任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者听取音素指示并根据其内容采取响应，以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。受试者同时处理声音的捕捉，判断，记忆和重现。
进一步地，所述第四任务由能够反应受试者视知觉专注能力的项目、能够反应受试者视知觉执行能力的项目、能够反应受试者听知觉处理能力的项目、能够反应受试者通过按钮启动任务能力的项目、能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目构成。
本发明中，所述系列任务还包括第五任务,所述第五任务的任务内容是在特定区域显示路径，然后遮盖，要求受试者复原路径。路径的复杂程度即考核的多层级流程，路径复原的节点为目标阈值。
进一步地，所述第五任务由能够反应受试者听知觉识别能力的项目、能够反应受试者反应控制能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中，所述系列任务还包括第六任务,所述第六任务的任务内容是在不同的流动干扰项里尽可能快速的辨认目标物。以目标物特定的辨认条件数为流程的不同层级。
进一步地，所述第六任务由能够反应受试者视知觉识别能力的项目、能够反应受试者视知觉专注能力的项目、能够反应受试者视知觉处理能力的项目、能够反应受试者听知觉识别能力的项目、能够反应受试者反应控制能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中，所述系列任务还包括第七任务,所述第七任务的任务内容是受试者将需在有限的毫秒数下，识别和区分相近的音素。任务包括听取不同层级的音素并根据其特征作出及时的正确响应。以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。
进一步地，所述第七任务由能够反应受试者视知觉专注能力的项目、能够反应受试者处理速度能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中，所述系列任务还包括第八任务,所述第八任务的任务内容是受试者需要专注地识别和响应于屏幕上的特定视觉刺激。
进一步地，所述第八任务由能够反应受试者听知觉专注能力的项目、能够反应受试者听知觉处理能力的项目、能够反应受试者听知觉执行能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
优选地，所述第八任务的任务内容是及时甄别图像、形状、颜色，大小，位置的变化，并做出正确的响应。以刺激源的数量及变化条件为流程层级。
本发明中，所述系列任务还包括第九任务,所述第九任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集提前反应的数据。
进一步地，所述第九任务由能够反应受试者视知觉处理能力的项目、能够反应受试者听知觉专注能力的项目、能够反应受试者听知觉执行能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
优选地，所述第九任务包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以提前点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。
本发明中，所述系列任务还包括第十任务,所述第十任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集延迟反应数据。
进一步地，所述第十任务由能够反应受试者听知觉处理能力的项目、能够反应受试者排序能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
优选地，所述第十任务的任务内容包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以延迟点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。
本发明中，所述系列任务还包括第十一任务,所述第十一任务是听取音素序列并复原其顺序。
进一步地,所述第十一任务由能够反应受试者视知觉处理能力的项目、能够反应受试者视知觉执行能力的项目、能够反应受试者排序能力的项目、能够反应受试者逻辑推理能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中,所述系列任务还包括第十二任务,所述第十二任务是观察屏幕上的图像并复原它们的位置。
所述第十二任务由能够反应受试者处理速度能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
所述系列任务还包括第十三任务,所述第十三任务是排序逻辑顺序并通过记忆进行推理。
所述第十三任务由能够反应受试者逻辑推理能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中,所述系列任务还包括第十四任务,所述第十四任务是辨认不同的人脸特征并能在干扰群组里找到目标。
所述第十四任务由能够反应受试者视知觉识别能力的项目、能够反应受试者视知觉专注能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中,所述系列任务还包括第十五任务,所述第十五任务是记住和管理事件或目标音节的时间的序列。
所述第十五任务由能够反应受试者处理速度能力的项目和能够反应受试者通过按钮启动任务能力的项目构成。
本发明中，所述数据采集模块通过任务载体和反馈指令工具与受试者进行筛查交互。
进一步地，所述任务载体为电子设备，所述电子设备包括屏幕、电脑、iPad、耳机、音响。
本发明中，所述反馈指令工具包括鼠标、键盘或者触屏中的一种。
本发明中，所述数据处理分析模块根据受试者对所述任务的完成度来评估受试者的认知能力。
进一步地，所述数据处理分析模块采用分层模型和百分比综合模型对所述数据采集模块采集的所述神经认知功能数据进行处理得到所述任务的完成度。通过分层模型能确保受试者的认知能力得到充分评估。
进一步地，所述分层模型和百分比综合模型是使用分层模型的流程来对受试者完成任务的表现进行评估，但不再采用总分制，而是使用百分比来表示每个流程的完成程度。这样可以更灵活地考虑不同流程的权重。
本发明中，所述分层模型包括以下元素：多层级流程、任务目标值阈值、尝试次数限制和调控因子。
本发明中，所述多层级流程是将任务分为N个流程，每个流程包含Y个不同的目标值组别。受试者需要逐一完成这些目标值组别，直到达到每个流程的通关目标值X。
本发明中，所述任务目标值阈值表示每个目标值组别需要正确点击的任务条件数量。每个任务的目标值组别都有一个独特的目标值阈值。
本发明中，所述尝试次数限制是在每个目标值组别中，受试者被允许进行测试的尝试次数；超过允许的尝试次数而未正确答对将导致目标值组别进入受试者靶点库。
进一步地，所述调控因子用于影响受试者进行任务的总进程。这个因子将根据受试者靶点库的内容进行调整，以反映受试者的表现。
本发明中，所述数据处理分析模块通过百分比评估(F)评价受试者每个任务的表现，百分比评估(F)根据任务内所有流程的综合得分来计算，按照以下方式计算：百分比评估(F)＝(Σ综合得分)/(Σ层级因子)。
进一步地，每个流程的综合得分根据以下公式计算：综合得分＝流程得分×层级因子，其中，所述层级因子表示每个流程在总体评估中的重要性。层级因子越大，难度越大，表示越重要。
进一步地，每个流程得分S将根据任务目标阈值和完成程度百分比P来计算，具体按照以下方式计算：S＝P/100％
进一步地，所述完成程度百分比P按照以下方式计算：P＝(完成的目标值数量/任务目标阈值)×100％。
本发明中，认知障碍筛查系统还包括结果呈现模块，所述结果呈现模块对数据处理分析模块的结果以可视化方式进行呈现。
进一步地，所述结果呈现模块呈现的内容包括单项功能定位、脑区或回路解释、影响行为的详细信息、受试者的数据以及在人群中的定位和分类中的一项或者多项。这有助于相关专业人员或受试者本人更深入地了解认知功能水平，制定个体化的干预计划。
本发明中，每一个所述认知功能项目通过其在不同任务中的影响因子来呈现结果。单个认知功能项目在不同任务中所有影响因子的总和为100％。
进一步地，所述系列任务中每一项任务有多个认知功能项目的数据进行收集，通过互相之间一定的影响因子来呈现结果。
一种认知障碍筛查设备,包括上述认知障碍筛查系统。
本发明具有以下有益效果：
(1)本发明认知障碍筛查系统基于大脑认知功能性进行筛查，对获取的神经认知功能性数据进行处理分析，实现了对认知障碍的高准确性判断和评估。从大脑认知功能性出发可提前发现认知障碍，从而实现早期干预和治疗，避免了出现中重度产生行为障碍的情况。
(2)本发明涵盖了广泛的认知功能项目，为全面评估认知功能提供了有力工具，通过持续监测神经认知功能，能够反映认知障碍的趋势和变化，以便及时调整治疗计划。
附图说明
下面结合说明书附图和具体实施方式对本发明的技术方案做进一步说明。
图1是本发明认知障碍筛查方法的流程图；
图2是本发明认知障碍筛查系统的结构示意图。
图中附图标记如下：1、任务模块；2、数据采集模块；3、数据处理分析模块；4、结果呈现模块。
具体实施方式
实施例1
如图1所示的认知障碍筛查方法，包括以下步骤：
(1)受试者完成系列任务，所述系列任务由不同数量种类的项目组成，所述项目用于对大脑认知功能进行筛查；
(2)采集受试者完成每个所述项目任务的神经认知功能数据；
(3)对采集的所述神经认知功能数据进行处理和分析，评估受试者的认知能力，以识别与认知障碍相关的特征和模式，并预测认知障碍趋势。
具体过程如下：针对大脑认知功能的定位与回路及协同功能，设计一系列涵盖十五个不同认知功能项目的任务，系列任务共有十五个任务。
项目包括各种不同认知功能项目，具体包括能够反应受试者视知觉识别能力的项目(视知觉识别)、能够反应受试者视知觉专注能力的项目(视知觉专注)、能够反应受试者视知觉处理能力的项目(视知觉处理)、能够反应受试者视知觉执行能力的项目(视知觉执行)、能够反应受试者听知觉识别能力的项目(听知觉识别)、能够反应受试者听知觉专注能力的项目(听知觉专注)、能够反应受试者听知觉处理能力的项目(听知觉处理)、能够反应受试者听知觉执行能力的项目(听知觉执行)、能够反应受试者排序能力的项目(排序能力)、能够反应受试者逻辑推理能力的项目(逻辑推理)、能够反应受试者反应控制能力的项目(反应控制)、能够反应受试者处理速度能力的项目(处理速度)、能够反应受试者通过按钮启动任务能力的项目(任务启动)、能够反应受试者通过记忆恢复信息能力的项目(工作回忆)和能够反应受试者同时处理多个任务能力的项目(多任务处理)中的一种或多种。认知功能项目选择不同项目，可以进行不同的认知障碍筛查。为全面评估认知功能，涵盖广泛的认知功能项目，优选地，项目包括能够反应受试者视知觉识别能力的项目(视知觉识别)、能够反应受试者视知觉专注能力的项目(视知觉专注)、能够反应受试者视知觉处理能力的项目(视知觉处理)、能够反应受试者视知觉执行能力的项目(视知觉执行)、能够反应受试者听知觉识别能力的项目(听知觉识别)、能够反应受试者听知觉专注能力的项目(听知觉专注)、能够反应受试者听知觉处理能力的项目(听知觉处理)、能够反应受试者听知觉执行能力的项目(听知觉执行)、能够反应受试者排序能力的项目(排序能力)、能够反应受试者逻辑推理能力的项目(逻辑推理)、能够反应受试者反应控制能力的项目(反应控制)、能够反应受试者处理速度能力的项目(处理速度)、能够反应受试者通过按钮启动任务能力的项目(任务启动)、能够反应受试者通过记忆恢复信息能力的项目(工作回忆)和能够反应受试者同时处理多个任务能力的项目(多任务处理)这十五个认知功能项目。
将上述十五个认知功能项目根据难易程度被分成五个递进的组别，依次是目标认知功能组A1、目标认知功能组A2、目标认知功能组A3、目标认知功能组A4和目标认知功能组A5，参见表1。
具体包括以下十五个任务：
第一任务的任务内容是在一个特定区域内显示N个不同形状的组合图形，受试者需要在有限时间内按系统给出的顺序要求点击任务目标图形。第一任务由视知觉识别、视知觉处理、听知觉专注、反应控制和任务启动构成。
第二任务的任务内容是测试受试者是否需要通过系统提醒才能点击开始任务的按钮；系统会记录提醒后与点击开始之间的延迟毫秒数。通过根据延迟时间及次数来生成关键层级影响因子，来评估受试者的任务启动功能性。第二任务由视知觉专注、视知觉处理、听知觉专注、反应控制、任务启动、工作记忆和多任务处理构成。
第三任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者需要按照系统给出的指令，按要求的条件顺序进行排列尝试。任务的目标阈值根据流程的层级不同而叠加难度。第三任务由任务启动、工作记忆和多任务处理构成。
第四任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者听取音素指示并根据其内容采取响应，以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。受试者同时处理声音的捕捉，判断，记忆和重现。第四任务由视知觉专注、视知觉执行、听知觉处理、任务启动、工作记忆和多任务处理构成。
第五任务的任务内容是在特定区域显示路径，然后遮盖，要求受试者复原路径。路径的复杂程度即考核的多层级流程，路径复原的节点为目标阈值。第五任务由听知觉识别、反应控制和任务启动构成。
第六任务的任务内容是在不同的流动干扰项里尽可能快速的辨认目标物。以目标物特定的辨认条件数为流程的不同层级。第六任务由视知觉识别、视知觉专注、视知觉处理、听知觉识别、反应控制和任务启动构成。
第七任务的任务内容是受试者将需在有限的毫秒数下，识别和区分相近的音素。任务包括听取不同层级的音素并根据其特征作出及时的正确响应。以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。第七任务由视知觉专注、处理速度和任务启动构成。
第八任务的任务内容是受试者需要专注地识别和响应于屏幕上的特定视觉刺激。第八任务的任务内容是及时甄别图像、形状、颜色，大小，位置的变化，并做出正确的响应。以刺激源的数量及变化条件为流程层级。第八任务由听知觉专注、听知觉处理、听知觉执行和任务启动构成。
第九任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集提前反应数据。第九任务包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以提前点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。第九任务由视知觉处理、听知觉专注、听知觉执行和任务启动构成。
第十任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集延迟反应数据。第十任务的任务内容包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以延迟点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。第十任务由听知觉处理、排序能力和任务启动构成。
第十一任务的任务内容是听取音素序列并复原其顺序。第十一任务由视知觉处理、视知觉执行、排序能力、逻辑推力和任务启动构成。
第十二任务的任务内容是观察屏幕上的图像并复原它们的位置。第十二任务由处理速度和任务启动构成。
第十三任务的任务内容是排序逻辑顺序并通过记忆进行推理。第十三任务由逻辑推力和任务启动构成。
第十四任务的任务内容是辨认不同的人脸特征并能在干扰群组里找到目标。第十四任务由视知觉识别、视知觉专注和任务启动构成。
第十五任务的任务内容是记住和管理事件或目标音节的时间的序列。第十五任务由处理速度和任务启动构成。
第十一任务到第十五任务内容的流程层级均以目标条件数量决定，目标阈值均以正确复原百分比设计。
上述十五个任务中，每个认知功能项目出现在不同的任务中，单个认知功能项目在所有任务中影响因子总和为100％。具体地，视知觉识别在第一任务、第六任务和第十四任务中，影响因子分别为12％、80％和8％；其他认知功能项目也是如此，具体见表1。
表1本发明认知功能项目分组与任务组别图(含影响因子)
采用分层模型和百分比综合模型对采集的神经认知功能数据进行处理得到所述任务的完成度，根据受试者对所述任务的完成度来评估受试者的认知能力。
实施例2
如图2所示认知障碍筛查系统，包括：
任务模块1，存储有系列任务，所述系列任务由不同数量种类的项目组成，供受试者做出任务反馈，所述项目用于对大脑认知功能进行筛查；
数据采集模块2，采集受试者完成每个所述项目任务的神经认知功能数据；
数据处理分析模块3，对所述数据采集模块2采集的所述神经认知功能数据进行处理和分析，评估受试者的认知能力，以识别与认知障碍相关的特征和模式，并预测认知障碍趋势。
本实施例中，项目包括各种不同认知功能项目，具体包括能够反应受试者视知觉识别能力的项目(视知觉识别)、能够反应受试者视知觉专注能力的项目(视知觉专注)、能够反应受试者视知觉处理能力的项目(视知觉处理)、能够反应受试者视知觉执行能力的项目(视知觉执行)、能够反应受试者听知觉识别能力的项目(听知觉识别)、能够反应受试者听知觉专注能力的项目(听知觉专注)、能够反应受试者听知觉处理能力的项目(听知觉处理)、能够反应受试者听知觉执行能力的项目(听知觉执行)、能够反应受试者排序能力的项目(排序能力)、能够反应受试者逻辑推理能力的项目(逻辑推理)、能够反应受试者反应控制能力的项目(反应控制)、能够反应受试者处理速度能力的项目(处理速度)、能够反应受试者通过按钮启动任务能力的项目(任务启动)、能够反应受试者通过记忆恢复信息能力的项目(工作回忆)和能够反应受试者同时处理多个任务能力的项目(多任务处理)中的一种或多种。认知功能项目选择不同项目，可以进行不同的认知障碍筛查。为全面评估认知功能，涵盖广泛的认知功能项目，优选地，项目包括能够反应受试者视知觉识别能力的项目(视知觉识别)、能够反应受试者视知觉专注能力的项目(视知觉专注)、能够反应受试者视知觉处理能力的项目(视知觉处理)、能够反应受试者视知觉执行能力的项目(视知觉执行)、能够反应受试者听知觉识别能力的项目(听知觉识别)、能够反应受试者听知觉专注能力的项目(听知觉专注)、能够反应受试者听知觉处理能力的项目(听知觉处理)、能够反应受试者听知觉执行能力的项目(听知觉执行)、能够反应受试者排序能力的项目(排序能力)、能够反应受试者逻辑推理能力的项目(逻辑推理)、能够反应受试者反应控制能力的项目(反应控制)、能够反应受试者处理速度能力的项目(处理速度)、能够反应受试者通过按钮启动任务能力的项目(任务启动)、能够反应受试者通过记忆恢复信息能力的项目(工作回忆)和能够反应受试者同时处理多个任务能力的项目(多任务处理)这十五个认知功能项目。
上述十五个认知功能项目根据难易程度被分成五个递进的组别，依次是目标认知功能组A1、目标认知功能组A2、目标认知功能组A3、目标认知功能组A4和目标认知功能组A5，参见表1。
其中，目标认知功能组A1由视知觉识别、视知觉专注、视知觉处理和视知觉执行组成。目标认知功能组A2由听知觉识别、听知觉专注、听知觉处理和听知觉执行组成。目标认知功能组A3由排序能力和逻辑推力组成。目标认知功能组A4由反应控制、处理速度和任务启动组成。目标认知功能组A5包括工作记忆和多任务处理。
本发明针对大脑认知功能的定位与回路及协同功能，设计一系列涵盖十五个不同认知功能项目的任务。任务模块通过系列任务依次对每个认知功能项目以递进的组别、阶段、及难易程度来给受试者提供任务，数据采集模块获取受试者完成每个项目的极限数据，参见表1。系列任务中不同的项目设定有阶梯式的目标值，当受试者多次尝试均无法达到目标值时，即可得知受试者该认知功能项目的极限数据，并切换任务组别进行系列任务中下一个任务的测试。具体包括以下十五个任务：
第一任务的任务内容是在一个特定区域内显示N个不同形状的组合图形，受试者需要在有限时间内按系统给出的顺序要求点击任务目标图形。第一任务由视知觉识别、视知觉处理、听知觉专注、反应控制和任务启动构成。
第二任务的任务内容是测试受试者是否需要通过系统提醒才能点击开始任务的按钮；系统会记录提醒后与点击开始之间的延迟毫秒数。通过根据延迟时间及次数来生成关键层级影响因子，来评估受试者的任务启动功能性。第二任务由视知觉专注、视知觉处理、听知觉专注、反应控制、任务启动、工作记忆和多任务处理构成。
第三任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者需要按照系统给出的指令，按要求的条件顺序进行排列尝试。任务的目标阈值根据流程的层级不同而叠加难度。第三任务由任务启动、工作记忆和多任务处理构成。
第四任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者听取音素指示并根据其内容采取响应，以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。受试者同时处理声音的捕捉，判断，记忆和重现。第四任务由视知觉专注、视知觉执行、听知觉处理、任务启动、工作记忆和多任务处理构成。
第五任务的任务内容是在特定区域显示路径，然后遮盖，要求受试者复原路径。路径的复杂程度即考核的多层级流程，路径复原的节点为目标阈值。第五任务由听知觉识别、反应控制和任务启动构成。
第六任务的任务内容是在不同的流动干扰项里尽可能快速的辨认目标物。以目标物特定的辨认条件数为流程的不同层级。第六任务由视知觉识别、视知觉专注、视知觉处理、听知觉识别、反应控制和任务启动构成。
第七任务的任务内容是受试者将需在有限的毫秒数下，识别和区分相近的音素。任务包括听取不同层级的音素并根据其特征作出及时的正确响应。以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离(均为毫秒)来设计不同的层级和难度。第七任务由视知觉专注、处理速度和任务启动构成。
第八任务的任务内容是受试者需要专注地识别和响应于屏幕上的特定视觉刺激。第八任务的任务内容是及时甄别图像、形状、颜色，大小，位置的变化，并做出正确的响应。以刺激源的数量及变化条件为流程层级。第八任务由听知觉专注、听知觉处理、听知觉执行和任务启动构成。
第九任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集提前反应数据。第九任务包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以提前点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。第九任务由视知觉处理、听知觉专注、听知觉执行和任务启动构成。
第十任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集延迟反应数据。第十任务的任务内容包括根据要求及时点击目标区域、排除干扰区域点击目标区域等。以延迟点击的毫秒数的组合为目标阈值，以刺激源的出现时长及干扰源出现时长为流程层级。第十任务由听知觉处理、排序能力和任务启动构成。
第十一任务的任务内容是听取音素序列并复原其顺序。第十一任务由视知觉处理、视知觉执行、排序能力、逻辑推力和任务启动构成。
第十二任务的任务内容是观察屏幕上的图像并复原它们的位置。
第十二任务由处理速度和任务启动构成。
第十三任务的任务内容是排序逻辑顺序并通过记忆进行推理。第十三任务由逻辑推力和任务启动构成。
第十四任务的任务内容是辨认不同的人脸特征并能在干扰群组里找到目标。第十四任务由视知觉识别、视知觉专注和任务启动构成。
第十五任务的任务内容是记住和管理事件或目标音节的时间的序列。第十五任务由处理速度和任务启动构成。
第十一任务到第十五任务内容的流程层级均以目标条件数量决定，目标阈值均以正确复原百分比设计。
上述十五个任务中，每个认知功能项目出现在不同的任务中，单个认知功能项目在所有任务中影响因子总和为100％。具体地，视知觉识别在第一任务、第六任务和第十四任务中，影响因子分别为12％、80％和8％；其他认知功能项目也是如此，具体见表1。
受试者在进行认知功能障碍筛查过程中，电子设备作为任务载体，任务内容呈现在电子设备上，具体电子设备类型可以不做限定，可以选择屏幕、电脑、iPad、耳机、音响等。反馈指令工具可以选择鼠标、键盘或者触屏中的一种。受试者通过任务载体和反馈指定工具与数据采集模块2进行筛查交互，数据采集模块2采集受试者完成每个项目任务中的神经认知功能数据。数据的采集不需要使用任何硬件传感器，而是根据不同的认知功能项目收集不同的数据单位，数据单位包括毫秒、赫兹和正确率等。
数据处理分析模块3根据受试者对任务的完成度来评估受试者的认知能力。数据处理分析模块3采用分层模型和百分比综合模型对数据采集模块2采集的神经认知功能数据进行处理得到任务的完成度。通过分层模型能确保受试者的认知能力得到充分评估。具体地，分层模型和百分比综合模型是使用分层模型的流程来对受试者完成任务的表现进行评估，但不再采用总分制，而是使用百分比来表示每个流程的完成程度。这样可以更灵活地考虑不同流程的权重。
分层模型包括以下元素：多层级流程、任务目标值阈值、尝试次数限制和调控因子。
其中，多层级流程是将任务分为N个流程，每个流程包含Y个不同的目标值组别。受试者需要逐一完成这些目标值组别，直到达到每个流程的通关目标值X。任务目标值阈值表示每个目标值组别需要正确点击的任务条件数量。每个任务的目标值组别都有一个独特的目标值阈值。尝试次数限制是在每个目标值组别中，受试者被允许进行测试的尝试次数为1到T次；超过允许的尝试次数而未正确答对将导致目标值组别进入受试者靶点库。调控因子用于影响受试者进行任务的总进程。这个因子将根据受试者靶点库的内容进行调整，以反映受试者的表现。例如，单个任务简单在先，会根据用户的数据随时更改难度，如明显对用户太难会尝试降低难度，反之则提升难度。筛查会从对信息辨识能力的几个任务开始，到处理能力，到执行能力，从而得出评估结果即可。
数据处理分析模块通过百分比评估(F)评价受试者每个任务的表现，百分比评估(F)根据任务内所有流程的综合得分来计算，按照以下方式计算：百分比评估(F)＝(Σ综合得分)/(Σ层级因子)
具体地，每个流程的综合得分根据以下公式计算：综合得分＝流程得分×层级因子，其中，层级因子表示每个流程在总体评估中的重要性。层级因子越大，难度越大，表示越重要。
每个流程得分S将根据任务目标阈值和完成程度百分比P来计算，具体按照以下方式计算：S＝P/100％；其中，完成程度百分比P按照以下方式计算：P＝(完成的目标值数量/任务目标阈值)×100％。
示例：假设有三个流程，它们的层级因子分别为1.0、0.7和0.3。受试者完成这三个流程的完成程度百分比分别为80％、90％和70％。那么按照分层模型与百分比综合模型的计算方式：
流程1的得分＝80％/100％＝0.8
流程2的得分＝90％/100％＝0.9
流程3的得分＝70％/100％＝0.7
综合得分1＝0.8×1.0＝0.8
综合得分2＝0.9×0.7＝0.63
综合得分3＝0.7×0.3＝0.21
百分比评估＝(0.8+0.63+0.21)/(1.0+0.7+0.3)＝1.64/2.0＝0.82
在这个示例中，不同层级的流程得分通过层级因子进行加权，最终得到的最终百分比评估为82％。这个评估反映了受试者在不同层级流程上的表现，并根据不同流程的权重进行了综合考虑。这种方法允许更灵活地评估受试者的能力，同时保持了分层模型的结构。
本发明认知障碍筛查系统还包括结果呈现模块4，结果呈现模块4对数据处理分析模块3的结果以可视化方式进行呈现。结果呈现模块4呈现的内容包括单项功能定位、脑区或回路解释、影响行为的详细信息、受试者的数据以及在人群中的定位和分类中的一项或者多项。
根据底层认知功能数据分析可以得知用户的大脑功能状态，从而对比同年龄层平均值，以及对应的功能缺陷，筛查出如多动症、阿兹海默、自闭症等病症，也可以通知数据得知该用户的擅长和不擅长的能力，提升学习和职场的优势。
这有助于相关专业人员或受试者本人更深入地了解认知功能水平，制定个体化的干预计划。通过受试者筛查数据得知当前的大脑认知功能强弱项，可定位至脑结构区域，比如声音工作记忆：与声音工作记忆相关的脑结构可能包括听觉皮层和颞叶区域，如海马回路。图像工作记忆：图像工作记忆可能涉及到视觉皮层，尤其是后枕叶。逻辑工作记忆：逻辑工作记忆可能与前额叶的前部和前额叶皮层相关，这些区域与决策制定和规划相关。
实施例3
一种认知障碍筛查设备，包括实施例2中的认知障碍筛查系统。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (3)
1.一种认知障碍筛查系统，其特征在于，包括：
任务模块，存储有系列任务，所述系列任务由不同数量种类的项目组成，供受试者做出任务反馈，所述项目用于对大脑认知功能进行筛查；所述项目包括能够反应受试者视知觉识别能力的项目、能够反应受试者视知觉专注能力的项目、能够反应受试者视知觉处理能力的项目、能够反应受试者视知觉执行能力的项目、能够反应受试者听知觉识别能力的项目、能够反应受试者听知觉专注能力的项目、能够反应受试者听知觉处理能力的项目、能够反应受试者听知觉执行能力的项目、能够反应受试者排序能力的项目、能够反应受试者逻辑推理能力的项目、能够反应受试者反应控制能力的项目、能够反应受试者处理速度能力的项目、能够反应受试者通过按钮启动任务能力的项目、能够反应受试者通过记忆恢复信息能力的项目和能够反应受试者同时处理多个任务能力的项目中的一种或多种；所述任务模块通过所述系列任务依次对每个所述项目以递进的组别、阶段、及难易程度来给受试者提供任务；
其中，所述系列任务包括第一任务,所述第一任务的任务内容是在一个特定区域内显示N个不同形状的组合图形，受试者需要在有限时间内按系统给出的顺序要求点击任务目标图形；还包括第二任务,所述第二任务的任务内容是测试受试者是否需要通过系统提醒才能点击开始任务的按钮；系统会记录提醒后与点击开始之间的延迟毫秒数；还包括第三任务,所述第三任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者需要按照系统给出的指令，按要求的条件顺序进行排列尝试；还包括第四任务,所述第四任务的任务内容是任务目标值分N个任务层级，X个任务目标值阈值；受试者听取音素指示并根据其内容采取响应，以音素为数字标记物，目标阈值以音素本身长度和音素之间的距离来设计不同的层级和难度；还包括第五任务,所述第五任务的任务内容是在特定区域显示路径，然后遮盖，要求受试者复原路径；还包括第六任务,所述第六任务的任务内容是在不同的流动干扰项里快速的辨认目标物；还包括第七任务,所述第七任务的任务内容是受试者将需在有限的毫秒数下，识别和区分相近的音素；还包括第八任务,所述第八任务的任务内容是受试者需要专注地识别和响应于屏幕上的特定视觉刺激；还包括第九任务,所述第九任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集提前反应的数据；还包括第十任务,所述第十任务的任务内容是受试者将需要在不同情境下，根据指令或刺激迅速改变其反应，用于收集延迟反应数据；还包括第十一任务,所述第十一任务是 听取音素序列并复原其顺序；还包括第十二任务,所述第十二任务是观察屏幕上的图像并复原它们的位置；还包括第十三任务,所述第十三任务是排序逻辑顺序并通过记忆进行推理；还包括第十四任务,所述第十四任务是辨认不同的人脸特征并能在干扰群组里找到目标；还包括第十五任务,所述第十五任务是记住和管理事件或目标音节的时间的序列；
数据采集模块，采集受试者完成每个所述项目任务的神经认知功能数据；所述数据采集模块获取受试者完成每个所述项目的极限数据；所述系列任务中不同的项目设定有阶梯式的目标值，当受试者多次尝试均无法达到所述目标值时，即可得知受试者所述项目的极限数据，并切换任务组别进行所述系列任务中下一个任务的测试；
数据处理分析模块，对所述数据采集模块采集的所述神经认知功能数据进行处理和分析，评估受试者的认知能力，以识别与认知障碍相关的特征和模式，并预测认知障碍趋势；所述数据处理分析模块根据受试者对所述任务的完成度来评估受试者的认知能力；所述数据处理分析模块采用分层模型和百分比综合模型对所述数据采集模块采集的所述神经认知功能数据进行处理得到所述任务的完成度；所述分层模型包括以下元素：多层级流程、任务目标值阈值、尝试次数限制和调控因子；
所述数据处理分析模块通过百分比评估评价受试者每个任务的表现，百分比评估根据任务内所有流程的综合得分来计算，按照以下方式计算：百分比评估= (Σ综合得分)/(Σ层级因子)，其中，
每个流程的综合得分根据以下公式计算：综合得分= 流程得分 ×层级因子，其中，所述层级因子表示每个流程在总体评估中的重要性；
每个流程得分S将根据任务目标阈值和完成程度百分比P来计算，具体按照以下方式计算：S =P/100%；
所述完成程度百分比P按照以下方式计算：P =(完成的目标值数量/任务目标阈值)×100%。
2.根据权利要求1所述认知障碍筛查系统，其特征在于，还包括结果呈现模块，所述结果呈现模块对数据处理分析模块的结果以可视化方式进行呈现。
3.一种认知障碍筛查设备,其特征在于,包括权利要求1-2任一项所述认知障碍筛查系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311457525.3A CN117577299B (zh) | 2023-11-03 | 2023-11-03 | 认知障碍筛查系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311457525.3A CN117577299B (zh) | 2023-11-03 | 2023-11-03 | 认知障碍筛查系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117577299A CN117577299A (zh) | 2024-02-20 |
| CN117577299B true CN117577299B (zh) | 2024-06-25 |
Family
ID=89885311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311457525.3A Active CN117577299B (zh) | 2023-11-03 | 2023-11-03 | 认知障碍筛查系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117577299B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7347818B2 (en) * | 2003-02-24 | 2008-03-25 | Neurotrax Corporation | Standardized medical cognitive assessment tool |
| CN103886200A (zh) * | 2014-03-19 | 2014-06-25 | 郁可 | 一种蒙特利尔认知评估系统 |
| CN104881591B (zh) * | 2015-06-25 | 2018-03-30 | 贾建平 | 认知障碍数据处理方法以及处理系统 |
| CN106327049A (zh) * | 2015-07-08 | 2017-01-11 | 广州市第人民医院 | 一种认知评估系统及其应用 |
| CN105069294B (zh) * | 2015-08-07 | 2018-06-15 | 北京环度智慧智能技术研究所有限公司 | 一种用于认知能力值测试的计算和分析方法 |
| JP2022088237A (ja) * | 2020-12-02 | 2022-06-14 | 国立大学法人金沢大学 | 認知機能検査システム |
-
2023
- 2023-11-03 CN CN202311457525.3A patent/CN117577299B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 计算机自适应认知障碍筛查系统的构建;谢海群;王玉凯;黄淑云;林碧清;张薇平;黄嘉星;黄秋兰;胡才有;陈露诗;田秋姣;卢健聪;杨建荣;章成国;吕泽平;;中国老年保健医学;20170825(第04期);32-34 * |
| 韩恩吉，等.《实用痴呆学》.山东科学技术出版社,2011,837-839. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117577299A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Using a deep recurrent neural network with EEG signal to detect Parkinson’s disease | |
| Wimmer et al. | Episodic memory retrieval success is associated with rapid replay of episode content | |
| Jrad et al. | Automatic detection and classification of high-frequency oscillations in depth-EEG signals | |
| Ferreira et al. | Assessing real-time cognitive load based on psycho-physiological measures for younger and older adults | |
| Yin et al. | Cross-subject recognition of operator functional states via EEG and switching deep belief networks with adaptive weights | |
| Beltrán et al. | Computational techniques for eye movements analysis towards supporting early diagnosis of Alzheimer’s disease: a review | |
| JP2009542351A (ja) | 時間的尺度を使用した脳パターンの解析 | |
| CN116829050A (zh) | 用于机器学习辅助的认知评估和治疗的系统和方法 | |
| Zhu et al. | Analyze informant-based questionnaire for the early diagnosis of senile dementia using deep learning | |
| Müller | Measuring software developers' perceived difficulty with biometric sensors | |
| Kim et al. | Applying fractal analysis to pupil dilation for measuring complexity in a process monitoring task | |
| CN113658697B (zh) | 一种基于视频注视差异的心理测评系统 | |
| Wang et al. | Decoding pilot behavior consciousness of EEG, ECG, eye movements via an SVM machine learning model | |
| Yu et al. | Air traffic controllers' mental fatigue recognition: A multi-sensor information fusion-based deep learning approach | |
| CN117577299B (zh) | 认知障碍筛查系统及设备 | |
| Praveena et al. | Classification of autism spectrum disorder and typically developed children for eye gaze image dataset using convolutional neural network | |
| Hassan et al. | A Knowledge Base Data Mining based on Parkinson's Disease | |
| CN115471903A (zh) | 认知评估系统 | |
| Zhuang et al. | A Connectivity-Aware Graph Neural Network for Real-Time Drowsiness Classification | |
| Sun et al. | Consformer: consciousness detection using transformer networks with correntropy-based measures | |
| Pugazharasi et al. | Machine learning algorithms for predicting depression, anxiety and stress in modern life | |
| Białek et al. | Selected problems of image data preprocessing used to perform examination in Parkinson’s disease | |
| Li et al. | A method of depression recognition based on visual information | |
| Ramesh | Classification Models for Improving Identification of Heart Diseases in Healthcare Industry: Eastern Europe | |
| Pillai et al. | Comparison of concurrent cognitive load measures during n-back tasks |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240308 Address after: 518000 Floor 4, Building 1, Chinese Academy of Sciences, Shenzhen University of Technology, No. 299, Huamao Road, Loucun Community, Xinhu Street, Guangming District, Shenzhen, Guangdong Province Applicant after: Shenzhen Naoli Technology Co.,Ltd. Country or region after: China Address before: No.1068, Xueyuan Avenue, University Town, Xili street, Nanshan District, Shenzhen, Guangdong 518000 Applicant before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY Country or region before: China |
|
| GR01 | Patent grant |