基于神经网络的预警系统、预警设备与预警方法以及预警模型训练方法技术方案

本申请涉及一种认知障碍预警系统、预警设备与预警方法以及预警模型训练方法。其中，预警方法包括：获取与用户行为模式相关的信息；使用卷积神经网络和高斯混合模型对所获取的信息进行特征提取；使用循环神经网络对所提取的特征进行序列建模；对序列建模的输出进行分类；以及基于分类结果进行早期认知障碍预警。以及基于分类结果进行早期认知障碍预警。以及基于分类结果进行早期认知障碍预警。

【技术实现步骤摘要】
基于神经网络的预警系统、预警设备与预警方法以及预警模型训练方法


[0001]本申请涉及一种基于神经网络的预警系统、预警设备与预警方法以及预警模型训练方法。更具体地，涉及一种基于轻量神经网络的早期认知障碍的预警系统、预警设备与预警方法以及预警模型训练方法。

技术介绍

[0002]阿尔兹海默症，又名认知障碍，是一种起病隐匿的进行性发展的神经系统退行性疾病，临床表现为失忆，语言能力退化等，严重影响患者的正常工作和生活。年龄越大，患阿尔兹海默症的可能性越大。通常，医学上将老年人群体划分为三类，即，正常(Normal Control，NC)、早期认知障碍(Mild Cognitive Impairment，MCI)以及阿尔兹海默症。因此，及时区分NC以及MCI人群并预警早期MCI的意义重大。虽然目前已经提出了很多针对阿尔兹海默症进行预测的相关研究，但是尚未提出一种有效的能够在日常生活中提供检测与预警的方法与设备。
[0003]神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型。在医疗领域中，神经网络已经广泛应用于临床诊断、医疗影像分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知障碍预警系统，所述系统包括：特征提取模块，包括卷积神经网络和高斯混合模型，用于对采集的数据进行特征提取；序列建模模块，用于对所提取的特征进行序列建模；以及分类模块，用于对所述序列建模的输出进行分类。2.根据权利要求1所述的系统，其中，所述卷积神经网络为单层卷积神经网络。3.根据权利要求1所述的系统，其中，所述高斯混合模型包括分别用于表征人类五种行为状态的五个高斯模型。4.根据权利要求3所述的系统，其中，所述五种行为状态分别是睡眠、久坐、轻度活动、步行和锻炼。5.根据权利要求1所述的系统，其中，所述序列建模模块包括长短期记忆模型或门控循环单元。6.根据权利要求1所述的系统，其中，所述分类模块包括逻辑回归分类器。7.一种认知障碍预警模型的训练方法，所述训练方法包括：获取与用户行为模式相关的信息；使用卷积神经网络和高斯混合模型对所获取的信息进行特征提取；使用循环神经网络对所提取的特征进行序列建模，生成预警初始模型；对所述预警初始模型的输出进行分类；将所分类的结果与预定阈值输入损失函数，以对所述预警初始模型进行训练，直至所述损失函数满足收敛条件，得到所述预警模型。8.根据权利要求7所述的训练方法，其中，所使用的卷积神经网络为单层卷积神经网络。9.根据权利要求7所述的训练方法，其中，所使用的高斯混合模型使用五个高斯模型分别表征五种行为状态。10.根据权利要求9所述的训练方法，其中，所述五种行为状态分别是睡眠、久坐、轻度活动、步行和锻炼。11.根据权利要求7所述的训练方法，其中，在使用卷积神经网络和高斯混合模型对所获取的信息进行特征提取的步骤之后，所述方法还包括：将所使用的卷积神经网络和所使用...

【专利技术属性】
技术研发人员：蒙美玲，程鸿，李佳，
申请(专利权)人：博智感知交互研究中心有限公司，
类型：发明
国别省市：