【技术实现步骤摘要】
一种基于神经网络的认知提升方法及系统
[0001]本专利技术涉及一种基于神经网络的认知提升方法，同时还涉及相应的认知提升系统，属于认知调控
技术介绍
[0002]目前，测量人脑认知能力（简称脑能力）的方式，主要通过极少量量表的测量方式或者直接由医生诊断。这种方式较为单一，涉及脑能力种类少，通常无法全面的得到稳定客观的用户的脑能力值。
[0003]现有针对认知能力的训练，大多是基于专家驱动的方法训练较弱脑能力，每个训练对应相应的脑能力，而不是从脑网络的角度，更高效和全面进行训练。同时，市场上已有的提升认知的人机交互系统多面向健康人群，以锻炼为主，治疗效果有限。同时，无法根据能力的变化进行实时的更新，缺乏系统的推荐算法和个性化的定制式方案。
[0004]在专利号为ZL 202110765518.4的中国专利技术专利中，公开了一种基于神经网络算法的认知康复训练系统，包括康复训练层、数据采集层、数据分组层、神经网络层以及认知反馈层；数据采集层将采集的肢体运动参数和姿态模式参数发送至数据分组层；数据分组层包括...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的认知提升方法，其特征在于包括如下步骤：以多项设定脑能力为中介，构建多项设定脑网络到多个设定人机交互任务的分群化多元回归模型；获取用户对应所述多项设定脑能力的各项脑能力值；基于所述用户的各项脑能力值，获取所述用户的平均脑网络水平；根据预先得到的平均脑网络水平与人机交互任务的数量的映射表，确定用户的推荐交互任务数量N；其中，N为正整数；从所述多项设定脑网络中，随机抽取N项脑网络；基于所抽取的N项脑网络，根据所述分群化多元回归模型获取N个人机交互任务，以形成人机交互方案推送给用户进行人机交互；获取所述用户的人机交互结果，并更新所述用户的平均脑网络水平，直至所述用户的平均脑网络水平达到正常水平。2.如权利要求1所述的认知提升方法，其特征在于，以多项设定脑能力为中介，构建多项设定脑网络到多个设定人机交互任务的分群化多元回归模型，具体包括：基于理论文献建立多个人机交互任务与多项脑能力的质性关联，形成第一关系矩阵；基于聚类分析建立多项脑能力与多项脑网络的质性关联，形成第二关系矩阵；基于所述第一关系矩阵和所述第二关系矩阵，构建脑网络－脑能力－人机交互任务的映射关系；基于所述脑网络－脑能力－人机交互任务的映射关系，构建分群化多元回归模型。3.如权利要求1所述的认知提升方法，其特征在于，所述获取用户对应所述多项设定脑能力的各项脑能力值，具体包括：获取所述用户的年龄段、任务测评结果以及量表测评结果；将所述年龄段、任务测评结果以及量表测评结果与预设常模相比较；基于比较结果，获取所述用户对应所述多项设定脑能力的各项脑能力值。4.如权利要求2所述的认知提升方法，其特征在于，所述基于所述用户的各项脑能力值，获取所述用户的平均脑网络水平，具体包括：根据所述用户的各项脑能力值，基于所述多项脑能力与多项脑网络的对应关系，获取所述用户的各项脑网络水平；将所述用户的各项脑网络水平进行平均，获得所述用户的平均脑网络水平。5.如权利要求4所述的认知提升方法，其特征在于，所述从所述多项设定脑网络中，随机抽取N项脑网络，具体包括：将所述用户的多项脑网络按照水平高低进行排序；采用加权随机抽样算法，对每项脑网络附加一个权重比例；按照所附加的权重比例，在所述用户的多项脑网络中抽取N项脑网络；其中，每项脑网络被抽中的概率由所述权重比例确定，所述权重比例由多项脑网络的排序而定，脑网络水平越低，排序越靠后，加权越高，越容易被抽到。6.如权利要求2所述的认知提升方法，其特征在于还包括：在建立所述分群化多元回归模型的过程中，采用最大似然估计的方式对所述分群化多元回归模型进行回归分析；
根据所述回归分析结果，获取各项脑能力与各个人机交互任务的关联性，以及各项脑能力与各项脑网络的关联性。7.如权利要求6所述...
【专利技术属性】
技术研发人员：王晓怡，李诗怡，边志明，景艺亮，
申请(专利权)人：北京智精灵科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。