认知和行为障碍的预警方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及医疗领域，公开了一种认知和行为障碍的预警方法、装置、设备及存储介质，该方法包括：获取被测对象的基本信息，输入至图神经网络中，得到第一预测概率H1；接收被测对象的监测手环上传的生物信号输入至XGboost模型，得到第二预测概率H2；接收监测手环上传的日常监测数据输入至RNN模型，得到第三预测概率H3；基于预设的加权算法对H1、H2和H3进行加权计算，得到被测对象的患病概率H4；若H4高于预设概率阈值，则生成预警信号，并发送至预设端口。本方法针对目前存在无法实时监测患者病症和病情发展的技术问题，为了提前发现病症，并能在日常中实时监控患者的具体生理情况，提高了诊断效率，并能实现不间断的监护措施。并能实现不间断的监护措施。并能实现不间断的监护措施。

【技术实现步骤摘要】
认知和行为障碍的预警方法、装置、设备及存储介质


[0001]本专利技术涉及医疗领域，尤其涉及一种认知和行为障碍的预警方法、装置、设备及存储介质。

技术介绍

[0002]老年痴呆症(AD)是人类社会面临的重大疾病，已成为严重的公共卫生问题，目前中国痴呆症患者已超过10000万；随着人工智能的发展，已有各种人工智能技术应用于老年痴呆的早期预测及临床诊断，包括英伟达、腾讯、苹果等巨头都在开展老年痴呆领域的相关研究。人工智能可通过对患者的医学影像、日常音频、问卷调查以及生物信号反馈等进行数据提取分析，可以有效地识别出患者的患病程度。准确地实现针对老年痴呆的早期诊断，能够很好地帮助患者进行针对性治疗，减缓病情加重程度，甚至能够彻底治愈。
[0003]传统的诊断过程常常需要询问患者众多问题，以了解患者的逻辑思维能力及反应速度，但此举非常耗时且依赖医生的临床经验；人工智能在医学影像以及音视频中的应有有效地提高了诊断效率，此类诊断往往需要前往医院进行相关影像检查以及患者的积极配合，且由于患者出现相应症状时才会前往医院进行检查，往往病情已经较为严重，不利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知和行为障碍的预警方法，其特征在于，所述认知和行为障碍的预警方法包括：获取被测对象的基本信息，并基于所述基本信息建立对应的邻接矩阵；将所述邻接矩阵输入至预先训练好的图神经网络中，得到第一预测概率H1；接收所述被测对象的监测手环上传的生物信号，将所述生物信号输入至预先训练好的XGboost模型，得到第二预测概率H2；接收所述监测手环上传的日常监测数据，将所述日常监测数据输入至预先训练好的RNN模型，得到第三预测概率H3；基于预设的加权算法对所述H1、H2和H3进行加权投票计算，得到被测对象的患病概率H4；若所述H4高于预设概率阈值，则生成第一预警信号，并将所述第一预警信号发送至预设端口。2.根据权利要求1所述的认知和行为障碍的预警方法，其特征在于，所述将所述邻接矩阵输入至预先训练好的图神经网络中，得到第一预测概率H1包括：将所述被测对象的基本信息生成的所述邻接矩阵转化为二维数组A；通过所述二维数组A和所述二维数组的第i层的特征X相乘，得到更新后的第i层的节点特征AX
i
；将所述节点特征AX
i
与对应层数的权重矩阵W
i
进行相乘，得到下一维度的节点特征AX
i+1
；对节点特征AX和权重矩阵W进行矩阵运算，再乘以预设的非线性激活函数σ后进行归一化处理，得到第一预测概率H1。3.根据权利要求1所述的认知和行为障碍的预警方法，其特征在于，所述接收所述被测对象的监测手环上传的生物信号，将所述生物信号输入至预先训练好的XGboost模型，得到第二预测概率H2包括：接收所述监测手环上传的生物信号，并将所述生物信号输入至预先训练好的所述XGboost模型；将不同的短时间瞬态的生物信号代入XGboost模型对应的树，拟合训练中得出的残差，并基于所述残差得到不同的分值，其中，所述树为函数公式；将所述分值进行累加，得到累加结果，并计算所述累加结果与预设的正常分值之比，得到第二预测概率H2。4.根据权利要求1所述的认知和行为障碍的预警方法，其特征在于，所述RNN模型包括输入层、隐藏层和输出层，所述接收所述监测手环上传的日常监测数据，将所述日常监测数据输入至预先训练好的RNN模型，得到第三预测概率H3包括：接收所述监测手环上传的日常监测数据，将所述日常监测数据输入至预先训练好的RNN模型；通过将记录的所述日常监测数据乘以输入层至隐藏层的权重矩阵U、上一次运行时更新隐藏层的权重矩阵W、隐藏层至输出层的权重矩阵V，得到所述被测对象的输出值O；将隐藏层计算结果作为下次的权重矩阵W,并计算所述被测对象输出值O与正常输出值之比，得到第三预...

【专利技术属性】
技术研发人员：叶苓，黄凌云，刘玉宇，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：