一种信息识别方法及系统技术方案

本发明专利技术公开了一种信息识别方法及系统，包括：获得被测对象的特征信息，所述特征信息至少包括被测对象的基本特征信息、步态视频信息和问答信息；基于目标识别模型对所述特征信息进行识别，得到目标识别参数；其中，所述目标识别模型具有将输入的特征信息对应的目标识别参数趋于所述特征信息对应的疾病特征的实际参数的能力。本发明专利技术通过目标识别模型对特征信息进行识别，无需专业的人员进行判定，并且无需复杂的信息采集，提升了信息识别的效率和准确性。确性。确性。

【技术实现步骤摘要】
一种信息识别方法及系统


[0001]本专利技术涉及信息处理
，特别是涉及一种信息识别方法及系统。

技术介绍

[0002]运动认知风险综合征(motoric cognitive risk syndrome,MCR)是指在非痴呆老年人群中同时存在步态缓慢和主观认知功能减退为特征的综合征，是脑老化的一种表现，可用于预测痴呆风险的新型综合征。与轻度认知障碍不同的是，该综合征的诊断无需复杂的神经心理评估及诊断步骤，且不受语言和教育水平的影响。
[0003]随着人口的老龄化问题加重，认知障碍尤其是痴呆的发病率持续上升，在老年人群中，运动障碍以及认知损害并存，严重影响老年人的生活质量，加重家庭和社会的负担。为了能够降低该疾病对老年人的影响，可以通过一定的信息识别手段对存在该疾病潜在风险的信息进行识别，以便能够提前干预该疾病的影响。但是，目前的信息识别手段主要是通过对被识别对象的主观问答，在问答信息中进行识别，受被识别对象的认知所影响还需要具有专业的判断能力的医护人员完成，降低了识别的效率和准确性。

技术实现思路

[0004]针对于上述问题，本专利技术提供一种信息识别方法及系统，提升了信息识别的准确性和效率。
[0005]为了实现上述目的，本专利技术提供了如下技术方案：
[0006]一种信息识别方法，所述方法包括：
[0007]获得被测对象的特征信息，所述特征信息至少包括被测对象的基本特征信息、步态视频信息和问答信息；
[0008]基于目标识别模型对所述特征信息进行识别，得到目标识别参数；
[0009]其中，所述目标识别模型具有将输入的特征信息对应的目标识别参数趋于所述特征信息对应的疾病特征的实际参数的能力。
[0010]可选地，所述方法还包括：
[0011]获得原始样本数据，所述原始样本数据中的训练特征包括每一被测对象的基本特征信息、步态视频信息和问答信息，所述原始样本数据中的训练目标值为对所述训练特征的评分参数；
[0012]基于所述原始样本数据对初始神经网络模型进行训练，得到与每一训练特征对应的预测识别参数；
[0013]若所述预测识别参数与所述评分参数之间的误差满足目标条件，停止对所述初始神经网络模型训练，得到目标识别模型。
[0014]可选地，所述方法还包括：
[0015]生成所述训练特征的评分参数，包括：
[0016]对所述基本特征信息进行识别，得到第一子评分参数；
[0017]对所述问答信息进行识别，得到第二子评分参数；
[0018]对所述步态视频信息进行识别，得到第三子评分参数；
[0019]基于所述第一子评分参数、所述第二子评分参数和所述第三子评分参数，确定与所述训练特征对应的评分参数。
[0020]可选地，所述方法还包括：
[0021]基于所述被测对象的特征信息和所述目标识别参数，对所述目标识别模型进行迭代更新，得到更新后的识别模型。
[0022]可选地，所述基于目标识别模型对所述特征信息进行识别，得到目标识别参数，包括：
[0023]在所述模型版本库中获得每一识别模型的版本参数；
[0024]基于所述版本参数，确定目标识别模型；
[0025]基于所述目标识别模型对所述特征信息进行识别，得到目标识别参数。
[0026]可选地，所述方法还包括：
[0027]将所述目标识别参数发送至目标端，以使得所述目标端基于目标疾病特征对所述目标识别参数进行处理，得到目标信息。
[0028]一种信息识别系统，所述系统包括：
[0029]信息获取单元，用于获得被测对象的特征信息，所述特征信息至少包括被测对象的基本特征信息、步态视频信息和问答信息；
[0030]信息识别单元，用于基于目标识别模型对所述特征信息进行识别，得到目标识别参数；
[0031]其中，所述目标识别模型具有将输入的特征信息对应的目标识别参数趋于所述特征信息对应的疾病特征的实际参数的能力。
[0032]可选地，所述系统还包括：
[0033]样本获取单元，用于获得原始样本数据，所述原始样本数据中的训练特征包括每一被测对象的基本特征信息、步态视频信息和问答信息，所述原始样本数据中的训练目标值为对所述训练特征的评分参数；
[0034]训练单元，用于基于所述原始样本数据对初始神经网络模型进行训练，得到与每一训练特征对应的预测识别参数；
[0035]模型获得单元，用于若所述预测识别参数与所述评分参数之间的误差满足目标条件，停止对所述初始神经网络模型训练，得到目标识别模型。
[0036]其中，样本获取单元还包括参数生成子单元，所述参数生成子单元用于：生成所述训练特征的评分参数，所述参数生成子单元具体用于：
[0037]对所述基本特征信息进行识别，得到第一子评分参数；
[0038]对所述问答信息进行识别，得到第二子评分参数；
[0039]对所述步态视频信息进行识别，得到第三子评分参数；
[0040]基于所述第一子评分参数、所述第二子评分参数和所述第三子评分参数，确定与所述训练特征对应的评分参数。
[0041]其中，所述系统还包括：模型更新单元，用于：
[0042]基于所述被测对象的特征信息和所述目标识别参数，对所述目标识别模型进行迭
代更新，得到更新后的识别模型。
[0043]可选地，所述信息识别单元具体用于：
[0044]在所述模型版本库中获得每一识别模型的版本参数；
[0045]基于所述版本参数，确定目标识别模型；
[0046]基于所述目标识别模型对所述特征信息进行识别，得到目标识别参数。
[0047]可选地，所述系统还包括：
[0048]发送单元，用于将所述目标识别参数发送至目标端，以使得所述目标端基于目标疾病特征对所述目标识别参数进行处理，得到目标信息。
[0049]相较于现有技术，本专利技术提供了一种信息识别方法及系统，包括：获得被测对象的特征信息，所述特征信息至少包括被测对象的基本特征信息、步态视频信息和问答信息；基于目标识别模型对所述特征信息进行识别，得到目标识别参数；其中，所述目标识别模型具有将输入的特征信息对应的目标识别参数趋于所述特征信息对应的疾病特征的实际参数的能力。本专利技术通过目标识别模型对特征信息进行识别，无需专业的人员进行判定，并且无需复杂的信息采集，提升了信息识别的效率和准确性，并且对采集设备和采集场景没有限制，降低了采集成本，扩展了应用场景。
附图说明
[0050]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0051]图1为本专利技术实施例提供的一种信息识别方法的流程示意图；...

【技术保护点】

【技术特征摘要】
1.一种信息识别方法，其特征在于，所述方法包括：获得被测对象的特征信息，所述特征信息至少包括被测对象的基本特征信息、步态视频信息和问答信息；基于目标识别模型对所述特征信息进行识别，得到目标识别参数；其中，所述目标识别模型具有将输入的特征信息对应的目标识别参数趋于所述特征信息对应的疾病特征的实际参数的能力。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获得原始样本数据，所述原始样本数据中的训练特征包括每一被测对象的基本特征信息、步态视频信息和问答信息，所述原始样本数据中的训练目标值为对所述训练特征的评分参数；基于所述原始样本数据对初始神经网络模型进行训练，得到与每一训练特征对应的预测识别参数；若所述预测识别参数与所述评分参数之间的误差满足目标条件，停止对所述初始神经网络模型训练，得到目标识别模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：生成所述训练特征的评分参数，包括：对所述基本特征信息进行识别，得到第一子评分参数；对所述问答信息进行识别，得到第二子评分参数；对所述步态视频信息进行识别，得到第三子评分参数；基于所述第一子评分参数、所述第二子评分参数和所述第三子评分参数，确定与所述训练特征对应的评分参数。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于所述被测对象的特征信息和所述目标识别参数，对所述目标识别模型进行迭代更新，得到更新后的识别模型。5.根据权利要求1所述的方法，其特征在于，所述基于目标识别模型对所述特征信息进行识别，得到目标识别参数，包括：在所述模型版本库中获得每一识别模型的版本参数；基于所述版本参数，确定目标识别模型；基于所述目标识别模型对所述特征信息进行识别，得到目标识别参数。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标识别参数发送至目标端，以使得所述目标端基于目标疾病特征对所述目标识别参数进行处理，得到目标信息。7.一种信息识别系统，其特征在于，所述系统包括：信...

【专利技术属性】
技术研发人员：王丹丹，胡博磊，赵性泉，李菁晶，
申请(专利权)人：首都医科大学附属北京天坛医院，
类型：发明
国别省市：