阅读能力评估方法及装置、存储介质及电子设备制造方法及图纸

本公开披露了一种阅读能力评估方法及装置、存储介质及电子设备，涉及认知神经科学技术领域。该阅读能力评估方法包括：基于待评估用户对应的脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合，其中，脑影像特征集合基于待评估用户的静息态脑影像数据和任务态脑影像数据确定，任务态脑影像数据包括在执行M个认知任务过程中拍摄的脑影像数据；基于M个认知任务各自对应的脑区分布特征集合，确定待评估用户对应的脑区间协作关联性向量；利用辅助评估模型，基于脑影像特征集合、M个认知任务各自对应的脑区分布特征集合和脑区间协作关联性信息，生成阅读能力评估结果。本公开能够提高所得到的阅读能力评估结果的精准度和鲁棒性。精准度和鲁棒性。精准度和鲁棒性。

【技术实现步骤摘要】
阅读能力评估方法及装置、存储介质及电子设备


[0001]本公开涉及认知神经科学
，具体涉及一种阅读能力评估方法及装置、存储介质及电子设备。

技术介绍

[0002]众所周知，对于学生人群来说，良好的阅读能力是学习成绩优秀的必要条件之一。然而，不同学生的阅读能力各不相同，一些学生的阅读能力较好，而一些学生的阅读能力较差。及时地发现自身阅读能力缺陷，进而采取相应的练习改善措施，能够有助于相应人群(比如学生人群)更好地进行学习和生活。然而，现有依赖于专家经验的评估方法不仅精准度不高，而且耗时耗力。

技术实现思路

[0003]有鉴于此，本公开提供一种阅读能力评估方法及装置、存储介质及电子设备，以解决现有阅读能力评估方法的评估精准度较差的问题。
[0004]第一方面，本公开一实施例提供一种阅读能力评估方法，该阅读能力评估方法包括：基于待评估用户对应的脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合，其中，脑影像特征集合基于待评估用户的静息态脑影像数据和任务态脑影像数据确定，任务态脑影像数据包括在执行M个认知任务过程中拍摄的脑影像数据，M为正整数；基于M个认知任务各自对应的脑区分布特征集合，确定待评估用户对应的脑区间协作关联性向量；利用辅助评估模型，基于脑影像特征集合、M个认知任务各自对应的脑区分布特征集合和脑区间协作关联性信息，生成待评估用户对应的阅读能力评估结果。
[0005]结合第一方面，在第一方面的某些实现方式中，利用辅助评估模型，基于脑影像特征集合、M个认知任务各自对应的脑区分布特征集合和脑区间协作关联性向量，生成待评估用户对应的阅读能力评估结果，包括：基于N种认知技能各自对应的缺陷发生率和脑影像特征集合，确定待评估用户对应的认知特征集合，其中，N种认知技能包括M个认知任务各自对应的认知技能；基于N种认知技能各自对应的依赖脑区信息和M个认知任务各自对应的脑区分布特征集合，确定待评估用户对应的关联脑区特征集合；拼接认知特征集合、关联脑区特征集合和脑区间协作关联性向量，得到待评估用户对应的评估指标数据；将评估指标数据输入辅助评估模型，得到阅读能力评估结果。
[0006]结合第一方面，在第一方面的某些实现方式中，该方法还包括：确定N种认知技能各自对应的依赖脑区信息。其中，确定N种认知技能各自对应的依赖脑区信息，包括：针对N种认知技能中的每种认知技能，获取H个样本用户各自的静息态脑影像数据样本和任务态脑影像数据样本，其中，任务态脑影像数据样本包括样本用户在执行认知技能对应的认知任务过程中拍摄的脑影像数据，H为正整数；对H个样本用户各自的静息态脑影像数据样本和任务态脑影像数据样本分别进行特征提取，确定H个用户各自的静息态特征集合和任务态特征集合；基于H个用户各自的静息态特征集合和任务态特征集合，分别利用JS散度计算
H个用户各自的相同脑区的信号分布差异数据；基于H个用户各自的相同脑区的信号分布差异数据，确定认知技能对应的依赖脑区信息。
[0007]结合第一方面，在第一方面的某些实现方式中，该方法还包括：确定N种认知技能各自对应的文献数据；对N种认知技能各自对应的文献数据分别进行统计分析，得到N种认知技能各自对应的缺陷发生率。
[0008]结合第一方面，在第一方面的某些实现方式中，N种认知技能包括语音加工技能和/或正字法技能。
[0009]结合第一方面，在第一方面的某些实现方式中，基于M个认知任务各自对应的脑区分布特征集合，确定待评估用户对应的脑区间协作关联性向量，包括：基于M个认知任务各自对应的脑区分布特征集合，进行求和取均值操作，得到脑区分布均值特征集合；对脑区分布均值特征集合进行矩阵分解，选取最大的K个奇异值以及K个奇异值各自对应的左奇异向量，K为正整数；基于K个奇异值以及K个奇异值各自对应的左奇异向量，生成脑区间协作关联性向量。
[0010]结合第一方面，在第一方面的某些实现方式中，基于脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合，包括：基于S个标准大脑分区信息，对脑影像特征集合进行划分，得到脑影像特征集合中的特征数据与S个标准大脑分区之间的映射关系，S为正整数；基于映射关系，确定M个认知任务各自对应的脑区分布特征集合。
[0011]结合第一方面，在第一方面的某些实现方式中，基于映射关系，确定M个认知任务各自对应的脑区分布特征集合，包括：对静息态脑影像数据和任务态脑影像数据进行图像质量评估，得到图像质量评估权重数据；基于映射关系，确定M个认知任务各自对应的初始分布特征集合；基于图像质量评估权重数据对初始脑区分布特征集合进行加权，得到脑区分布特征集合。
[0012]结合第一方面，在第一方面的某些实现方式中，该方法还包括：获取Q个样本用户各自的静息态脑影像数据和任务态脑影像数据，Q为正整数；基于Q个样本用户各自的静息态脑影像数据和任务态脑影像数据，得到Q个样本用户各自对应的评估指标数据；基于Q个样本用户各自对应的评估指标数据和阅读能力标签数据，训练初始网络模型，得到辅助评估模型。
[0013]结合第一方面，在第一方面的某些实现方式中，在基于待评估用户对应的脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合之前，该方法还包括：获取待评估用户的所述静息态脑影像数据和任务态脑影像数据；分别对静息态脑影像数据和任务态脑影像数据进行特征提取，得到针对M个认知任务的脑影像特征集合。
[0014]第二方面，本公开一实施例提供一种阅读能力评估装置，该阅读能力评估装置包括：第一确定模块，用于基于待评估用户对应的脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合，其中，脑影像特征集合基于待评估用户的静息态脑影像数据和任务态脑影像数据确定，任务态脑影像数据包括在执行M个认知任务过程中拍摄的脑影像数据，M为正整数；第二确定模块，用于基于M个认知任务各自对应的脑区分布特征集合，确定待评估用户对应的脑区间协作关联性向量；生成模块，用于利用辅助评估模型，基于脑影像特征集合、M个认知任务各自对应的脑区分布特征集合和脑区间协作关联性信息，生成待评估用户对应的阅读能力评估结果。
[0015]第三方面，本公开一实施例提供一种电子设备，该电子设备包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所提及的方法。
[0016]第四方面，本公开一实施例提供一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述第一方面所提及的方法。
[0017]由于脑影像特征集合是基于静息态脑影像数据和任务态脑影像数据确定的，因此，本公开实施例能够充分利用认知任务前后的不同脑区的信号分布变化差异，进而基于信号分布变化差异确定认知任务所依赖的脑区以及脑区间协作关联关系。由此可见，结合上述数据，本公开实施例能够利用辅助评估模型提高所得到的阅读能力评估结果的精准度和鲁棒性。
附图说明
[0018]图1所示为本公开一实施例提供的应用场景示意图。
[0019]图2所示为本公开一实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种阅读能力评估方法，其特征在于，包括：基于待评估用户对应的脑影像特征集合，确定M个认知任务各自对应的脑区分布特征集合，其中，所述脑影像特征集合基于所述待评估用户的静息态脑影像数据和任务态脑影像数据确定，所述任务态脑影像数据包括在执行所述M个认知任务过程中拍摄的脑影像数据，M为正整数；基于所述M个认知任务各自对应的脑区分布特征集合，确定所述待评估用户对应的脑区间协作关联性向量；利用辅助评估模型，基于所述脑影像特征集合、所述M个认知任务各自对应的脑区分布特征集合和所述脑区间协作关联性信息，生成所述待评估用户对应的阅读能力评估结果。2.根据权利要求1所述的阅读能力评估方法，其特征在于，所述利用辅助评估模型，基于所述脑影像特征集合、所述M个认知任务各自对应的脑区分布特征集合和所述脑区间协作关联性向量，生成所述待评估用户对应的阅读能力评估结果，包括：基于N种认知技能各自对应的缺陷发生率和所述脑影像特征集合，确定所述待评估用户对应的认知特征集合，其中，所述N种认知技能包括所述M个认知任务各自对应的认知技能；基于所述N种认知技能各自对应的依赖脑区信息和所述M个认知任务各自对应的脑区分布特征集合，确定所述待评估用户对应的关联脑区特征集合；拼接所述认知特征集合、所述关联脑区特征集合和所述脑区间协作关联性向量，得到所述待评估用户对应的评估指标数据；将所述评估指标数据输入所述辅助评估模型，得到所述阅读能力评估结果。3.根据权利要求2所述的阅读能力评估方法，其特征在于，还包括：确定所述N种认知技能各自对应的依赖脑区信息；其中，所述确定所述N种认知技能各自对应的依赖脑区信息，包括：针对所述N种认知技能中的每种认知技能，获取H个样本用户各自的静息态脑影像数据样本和任务态脑影像数据样本，其中，所述任务态脑影像数据样本包括所述样本用户在执行所述认知技能对应的认知任务过程中拍摄的脑影像数据，H为正整数；对所述H个样本用户各自的静息态脑影像数据样本和任务态脑影像数据样本分别进行特征提取，确定所述H个用户各自的静息态特征集合和任务态特征集合；基于所述H个用户各自的静息态特征集合和任务态特征集合，分别利用JS散度计算所述H个用户各自的相同脑区的信号分布差异数据；基于所述H个用户各自的相同脑区的信号分布差异数据，确定所述认知技能对应的依赖脑区信息。4.根据权利要求2所述的阅读能力评估方法，其特征在于，还包括：确定所述N种认知技能各自对应的文献数据；对所述N种认知技能各自对应的文献数据分别进行统计分析，得到所述N种认知技能各自对应的缺陷发生率。5.根据权利要求2所述的阅读能力评估方法，其特征在于，所述N种认知技能包括语音加工技能和/或正字法技能。
6.根据权利要求1至5任一项所述的阅读能力评估方法，其特征在于，所述基于所述M个认知任务各自对应的脑区分布特征集合，确定所述待评估用户对应的脑区间协作关联性向量，包括：基于所述M个认知任务各自对应的脑区分布特征集合，进行求和取均值操作，得到脑区分布均...

【专利技术属性】
技术研发人员：梁华东，李鑫，胡铭铭，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：