基于测试结果数据学习痴呆症识别模型的方法技术

本发明专利技术的实施例公开痴呆症识别模型学习方法。上述痴呆症识别模型学习方法可包括如下步骤：通过有关斯楚普测试(stroop test)的第一任务(task)、有关计算能力测试的第二任务及有关记忆能力测试的第三任务中的至少一个获得测试结果数据；以及向上述测试结果数据标上分数值来使痴呆症识别模型进行学习。分数值来使痴呆症识别模型进行学习。分数值来使痴呆症识别模型进行学习。

【技术实现步骤摘要】
基于测试结果数据学习痴呆症识别模型的方法


[0001]本专利技术涉及痴呆症识别模型学习方法，具体地，涉及基于通过至少一个测试获得的测试结果数据学习痴呆症识别模型的装置及其方法。

技术介绍

[0002]阿尔茨海默病(AD，Alzheimer's Disease)作为随着衰老产生的脑部疾病，将导致进行性记忆障碍、认知缺陷、个人性格变化等。而且，痴呆症(dementia)是指正常生活的人因多种原因引起的大脑功能受损而导致整体认知能力持续下降的状态。其中，认知能力是指记忆力、语言能力、时空间掌握能力、判断能力及抽象思维能力等多种智力，各个认知能力与大脑的特定部位密切相关。最常见的痴呆症为阿尔茨海默病。
[0003]用于诊断阿尔茨海默病、痴呆症或轻度认知障碍的方法有多种。例如，已知有利用嗅觉组织的miR
‑
206的表达水平诊断阿尔茨海默病或轻度认知障碍的方法、利用血液内特征性增加的生物标志物诊断痴呆症的方法等。
[0004]但是，为了利用嗅觉组织的miR
‑
206而需要用于组织检测的特殊设备或进行检验，而且，为了利用血液内的生物标记物而需要通过侵入方式采集患者的血液，因此，存在患者的反感相对较大的缺点。
[0005]所以，当前急需开发在没有特殊设备或进行检验的情况下几乎不会使患者感到反感的痴呆症方法。
[0006]现有技术文献
[0007]专利文献
[0008]韩国专利申请号10
‑
2019
‑
0135908(申请日：2019年02月01日)

技术实现思路

[0009]本专利技术用于解决上述问题及其他问题。本专利技术的目的在于，提供可通过使患者不会感到反感的方法精确诊断痴呆症的痴呆症诊断模型学习方法。
[0010]本专利技术所要实现的目的并不限定于以上提及的目的，本专利技术所属
的普通技术人员可通过以下记载内容明确理解未提及的其他目的。
[0011]专利技术实施例的痴呆症识别模型学习方法由装置的至少一个处理器执行，上述痴呆症识别模型学习方法可包括如下步骤：通过有关斯楚普测试(stroop test)的第一任务(task)、有关计算能力测试的第二任务及有关记忆能力测试的第三任务中的至少一个获得测试结果数据；以及向上述测试结果数据标上分数值来使痴呆症识别模型进行学习。
[0012]根据本专利技术实施例，上述第一任务可包括：第一子任务，使得测试用户的测试装置通过在第一区域显示第一数量的数字文本来在第二区域上显示第一按钮及至少一个第二按钮，上述第一按钮用于显示表示上述第一数量的第一数字，上述第二按钮用于显示不同于上述第一数量的数字；以及第二子任务，基于从上述第一按钮及上述至少一个第二按钮中选择一个按钮的第一选择输入确定答案是否正确。
[0013]根据本专利技术实施例，在变更上述第一数量和上述数字文本的过程中，上述第一任务可按照预设的第一次数执行上述第一子任务及上述第二子任务。
[0014]根据本专利技术实施例，上述第二子任务可包括如下步骤：当上述第一选择输入为选择上述第一按钮的输入时，确定为正确答案；以及当上述第一选择输入为从上述至少一个第二按钮中选择一个的输入时，确定为错误答案。
[0015]根据本专利技术实施例，上述测试结果数据可包括总消耗时间信息、正确答案次数信息、错误答案次数信息及响应时间信息中的至少一个，上述总消耗时间信息为按照上述预设的第一次数执行上述第一任务所需的时间，上述正确答案次数信息为通过上述第二子任务确定为正确答案的次数，上述错误答案次数信息为通过上述第二子任务确定为错误答案的次数，上述响应时间信息为从执行上述第一子任务后到接收上述第一选择输入为止所耗的时间。
[0016]根据本专利技术实施例，上述第二任务可包括：第三子任务，使得测试用户的测试装置显示第三按钮、第四按钮及第五按钮，上述第三按钮包括第一数学式，上述第四按钮包括第二数学式，上述第五按钮显示在上述第三按钮与上述第四按钮之间并包括预设文本；以及第四子任务，基于从上述第三按钮、上述第四按钮及上述第五按钮中选择一个按钮的第二选择输入确定答案是否正确。
[0017]根据本专利技术实施例，在变更上述第一数学式和上述第二数学式的过程中，上述第二任务可按照预设的第二次数执行上述第三子任务及上述第四子任务。
[0018]根据本专利技术实施例，上述第四子任务可包括如下步骤，基于上述第一数学式的结果值与上述第二数学式的结果值之间的比较结果确定上述第二选择输入是否正确。
[0019]根据本专利技术实施例，上述测试结果数据可包括总消耗时间信息、正确答案次数信息、错误答案次数信息及响应时间信息中的至少一个，上述总消耗时间信息为按照上述预设的第二次数执行上述第二任务所需的时间，上述正确答案次数信息为通过上述第四子任务确定为正确答案的次数，上述错误答案次数信息为通过上述第四子任务确定为错误答案的次数，上述响应时间信息为从执行上述第三子任务后到接收上述第二选择输入为止所耗的时间。
[0020]根据本专利技术实施例，上述第三任务可包括：第五子任务，使得测试用户的测试装置在预设时间期间显示至少两个对象；第六子任务，使得上述测试装置在第三区域上显示上述至少两个对象中的第一对象并在第四区域上显示上述至少两个对象中的第二对象及不同于上述至少两个对象的至少一个额外对象；以及第七子任务，基于从显示在上述第四区域上的多个对象中选择一个的第三选择输入确定答案是否正确。
[0021]根据本专利技术实施例，上述第七子任务还可包括如下步骤，在接收上述第三选择输入的情况下，使得上述多个对象的选择输入未激活。
[0022]根据本专利技术实施例，上述第七子任务可包括如下步骤：当上述第三选择输入为选择上述第二对象的输入时，确定为正确答案；或者当上述第三选择输入为从上述至少一个额外对象中选择一个的输入时，确定为错误答案。
[0023]根据本专利技术实施例，在变更上述至少两个对象和上述至少一个额外对象的过程中，上述第三任务按可照预设的第三次数执行上述第五子任务、上述第六子任务及上述第七子任务。
[0024]根据本专利技术实施例，上述测试结果数据可包括总消耗时间信息、正确答案次数信息、错误答案次数信息及响应时间信息中的至少一个，上述总消耗时间信息为按照上述预设的第三次数执行上述第三任务所需的时间，上述正确答案次数信息为通过上述第七子任务确定为正确答案的次数，上述错误答案次数信息为通过上述第七子任务确定为错误答案的次数，上述响应时间信息为从执行上述第六子任务后到接收上述第三选择输入为止所耗的时间。
[0025]本专利技术实施例的计算机程序存储在计算机可读存储介质，当装置的至少一个处理器运行上述计算机程序时，执行痴呆症识别模型学习步骤，上述痴呆症识别模型学习步骤可包括如下步骤：通过有关斯楚普测试(stroop test)的第一任务(task)、有关计算能力测试的第二任务及有关记忆能力测试的第三任务中的至少一个获得测试结果数据；以及向上述测试结果数据标上分数值来使痴呆症识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种痴呆症识别模型学习方法，由装置的至少一个处理器执行，其特征在于，包括如下步骤：通过有关斯楚普测试的第一任务、有关计算能力测试的第二任务及有关记忆能力测试的第三任务中的至少一个获得测试结果数据；以及向上述测试结果数据标上分数值来使痴呆症识别模型进行学习。2.根据权利要求1所述的痴呆症识别模型学习方法，其特征在于，上述第一任务包括：第一子任务，使得测试用户的测试装置通过在第一区域显示第一数量的数字文本来在第二区域上显示第一按钮及至少一个第二按钮，上述第一按钮用于显示表示上述第一数量的第一数字，上述第二按钮用于显示不同于上述第一数量的数字；以及第二子任务，基于从上述第一按钮及上述至少一个第二按钮中选择一个按钮的第一选择输入确定答案是否正确。3.根据权利要求2所述的痴呆症识别模型学习方法，其特征在于，在变更上述第一数量和上述数字文本的过程中，上述第一任务按照预设的第一次数执行上述第一子任务及上述第二子任务。4.根据权利要求2所述的痴呆症识别模型学习方法，其特征在于，上述第二子任务包括如下步骤：当上述第一选择输入为选择上述第一按钮的输入时，确定为正确答案；以及当上述第一选择输入为从上述至少一个第二按钮中选择一个的输入时，确定为错误答案。5.根据权利要求3所述的痴呆症识别模型学习方法，其特征在于，上述测试结果数据包括总消耗时间信息、正确答案次数信息、错误答案次数信息及响应时间信息中的至少一个，上述总消耗时间信息为按照上述预设的第一次数执行上述第一任务所需的时间，上述正确答案次数信息为通过上述第二子任务确定为正确答案的次数，上述错误答案次数信息为通过上述第二子任务确定为错误答案的次数，上述响应时间信息为从执行上述第一子任务后到接收上述第一选择输入为止所耗的时间。6.根据权利要求1所述的痴呆症识别模型学习方法，其特征在于，上述第二任务包括：第三子任务，使得测试用户的测试装置显示第三按钮、第四按钮及第五按钮，上述第三按钮包括第一数学式，上述第四按钮包括第二数学式，上述第五按钮显示在上述第三按钮与上述第四按钮之间并包括预设文本；以及第四子任务，基于从上述第三按钮、上述第四按钮及上述第五按钮中选择一个按钮的第二选择输入确定答案是否正确。7.根据权利要求6所述的痴呆症识别模型学习方法，其特征在于，在变更上述第一数学式和上述第二数学式的过程中，上述第二任务按照预设的第二次数执行上述第三子任务及上述第四子任务。8.根据权利要求6所述的痴呆症识别模型学习方法，其特征在于，上述第四子任务包括如下步骤，基于上述第一数学式的结果值与上述第二数学式的结果值之间的比较结果确定上述第二选择输入是否正确。9.根据权利要求7所述的痴呆症识别模型学习方法，其特征在于，上述测试结果数据包括总消耗时间信息、正确答案次数信息、错误答案次数信息及响应时间信息中的至少一个，
上述总消耗时间信息为...

【专利技术属性】
技术研发人员：金浩永，金建何，金甫熙，金东汉，黄慧彬，朴灿永，崔池安，金保利，
申请(专利权)人：海益股份公司，
类型：发明
国别省市：