认知训练的建模方法、建模系统及认知训练任务推送方法技术方案

本发明专利技术公开了一种认知训练的建模方法、建模系统及认知训练任务推送方法。该建模方法包括如下步骤：基于历史数据获取用户集中各个用户的个人信息和认知训练数据；其中，用户集包括多个同一认知障碍类型的用户，认知训练数据至少包括每次认知训练的训练时长以及综合训练得分；将相邻两个固定时间段的综合训练得分之差作为用户的脑能力变化量，构建第一模型；以预设训练时长作为一个时间节点，将每个时间节点下各用户的综合训练得分的平均值作为计算变化点的指标，构建第二模型；分别对第一模型和第二模型进行优化后合并，以构成认知训练模型。模型。模型。

【技术实现步骤摘要】
认知训练的建模方法、建模系统及认知训练任务推送方法


[0001]本专利技术涉及一种认知训练的建模方法及建模系统，同时也涉及相应的认知训练任务推送方法，属于医疗保健信息学


技术介绍

[0002]认知障碍（CI）是指以包括轻度认知障碍（MCI）和痴呆（Dementia）为主的不同程度大脑认知功能减低，可以发生在所有的年龄段、所有人群当中。不同原因导致的认知障碍患者有特定常见的认知功能损伤。例如，脑卒中患者常见有注意力不集中、记忆力下降、操作执行功能下降、空间障碍和单侧空间忽略等症状。
[0003]认知数字疗法可以有效改善由于各种原因导致的认知损伤。然而，由于认知数字疗法出现时间较短，仍有诸多技术问题尚待解决。其中，训练剂量以及认知能力的恢复阶段的研究很少甚至几乎空白。目前，认知数字疗法大都基于临床经验实施，缺乏数据支撑。并且，患者所需要认知训练的时长也大都缺乏数据支撑。
[0004]在申请号为202211512702.9的中国专利申请中，公开了一种用于认知任务测评的建模方法，包括如下步骤：获取用户集中各用户的用户信息；获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知训练的建模方法，其特征在于包括如下步骤：基于历史数据获取用户集中各个用户的个人信息和认知训练数据；其中，所述用户集包括多个同一认知障碍类型的用户，所述认知训练数据至少包括每次认知训练的训练时长以及每次认知训练的综合训练得分；将相邻两个固定时间段的综合训练得分之差作为用户的脑能力变化量，构建第一模型；其中，所述第一模型中，脑能力变化量最大的区间为所述用户的最佳训练时长；以预设训练时长作为一个时间节点，将每个时间节点下各用户的综合训练得分的平均值作为计算变化点的指标，构建第二模型；其中，所述第二模型中，变化点前后分别为认知训练的两个不同阶段；分别对所述第一模型和所述第二模型进行优化，以获取第一优化模型和第二优化模型；将所述第一优化模型与第二优化模型合并，以构成认知训练模型。2.如权利要求1所述的建模方法，其特征在于：所述历史数据对应多个用户集，每个用户集分别对应一种认知障碍类型。3.如权利要求1所述的建模方法，其特征在于所述第一模型通过以下方式构建：基于同一用户的多次综合训练得分，获取所述用户认知训练的关联性数据；基于不同用户的多次综合训练得分，获取各用户间认知训练的差异性数据；根据所述关联性数据和差异性数据，获取用户的脑能力变化量，以构建所述第一模型。4.如权利要求3所述的建模方法，其特征在于：所述关联性数据至少包括所述用户集中所有用户脑能力变化量的平均截距和平均变化率；所述差异性数据至少包括当前用户回归模型的截距项和脑能力变化率。5.如权利要求4所述的建模方法，其特征在于：基于以下公式获取所述用户的脑能力变化量yij；其中，表示所有用户脑能力变化量的平均截距；表示所有用户脑能力的平均变化率；表示用户j在第i次训练的时长；表示用户j回归模型的截距项；表示用户j回归模型的脑能力变化率；并且，并且，，
ꢀꢀ
为随机效应方差
‑
协方差矩阵，D表示总体随机效应；表示第i次认知训练用户j的残差，并且服从分布。6.如权利要求1所述的建模方法，其特征在于所述第二模型通过以下方式构建：获取每个时间节点，所述用户集中所有用户的综合训练分数的平均值；以第一个时间节点作为第一阶段的起始时间节点，并将与所述起始时间节点的平均值相近的多个连续时间节点均归入所述第一阶段，直至所述平均值出现突变；
将突变后的平均值作为第二阶段的起始时间节点，并将与突变后的平均值相近...

【专利技术属性】
技术研发人员：张子恒，刘立洋，马珠江，张青格，王晓怡，
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：