System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其涉及一种基于绘画的认知能力评估方法和系统。
技术介绍
1、认知能力是指人脑加工、储存和提取信息的能力,即人们对事物的构成、性能与他物的关系、发展的动力、发展方向以及基本规律的把握能力。认知能力缺陷通常表现为执行功能、学习和记忆、感知运动功能、语言、复杂注意力和社会认知等6种,通常代表为衰退,并可能有潜在的脑病理,例如阿尔茨海默症。
2、绘画是大脑、精神类疾病诊断和康复训练中常用的手段,例如画钟测试(cdt),通过徒手画钟实现简便、快速地检测阿尔茨海默病;但是由于其为形状确定的图形,在多次测试以及预先训练后会导致评估结果偏差较大,评估可靠性较差,同时,单一图形也不利于患者持续提高自我控制能力,康复训练效果较差。
技术实现思路
1、为了解决相关的样本图形数量有限,导致基于绘画的认知能力评估结果可靠性较差的问题,本专利技术提供一种基于绘画的认知能力评估方法和系统,通过海量样本图形提高了评估可靠性。
2、本申请实施例提供了一种基于绘画的认知能力评估方法,包括:
3、随机生成样本图形,所述样本图形为可一笔绘制完成的图形,且包括多个转折点和连接所述转折点的多个样本线段;
4、获得评估对象完成所述样本图形的绘图数据,并根据所述绘图数据和所述样本图形获取评估特征;
5、将所述评估特征输入预训练的神经网络模型,通过所述神经网络模型评估所述评估对象的认知能力。
6、采用上述技术方案,通过随机生成样本图形,
7、在一些实施例中,获取所述评估特征的步骤包括:
8、所述绘图数据包括图形数据和速度数据;
9、根据所述样本图形的多个样本线段,将所述绘图数据拆分为与所述多个样本线段一一对应的多个绘图片段,且所述多个绘图片段包含对应的图形数据和速度数据;
10、根据所述绘图片段和与其对应的所述样本线段获取所述评估特征。
11、采用上述技术方案,通过将绘图数据拆分为绘图片段,实现绘图片段与样本线段的对比,提高了评估可靠性;且通过根据样本线段拆分绘图数据,使得绘图数据的拆分方式与其样本组成方式基本相同,从而相关评估数据可作为不同评估的参考,提高评估可靠性。
12、在一些实施例中,所述绘图数据拆分的步骤包括:
13、同步缩放、旋转所述样本图形,将所述样本图形与所述绘图数据的图形数据重叠,使得所述样本图形与所述绘图数据的图形数据重合度最高;
14、以所述样本图形的转折点为圆心划定选点区,并从位于所述选点区内的所述绘图数据的图形数据中确定所述绘图数据的图形数据的拆分点;
15、根据所述拆分点拆分所述绘图数据的图形数据,并基于拆分后的所述绘图数据的图形数据将所述绘图数据拆分为所述多个绘图片段。
16、在一些实施例中,同步缩放、旋转所述样本图形的步骤包括:
17、确定所述绘图数据中所有的转折点和停顿点,所述停顿点为所述绘图数据中的速度数据小于第一阈值的线段的中点或速度数据为0的点;
18、将所述样本图像进行同步缩放、旋转,使得所述样本图像中所有的转折点与所述绘图数据中所有的转折点和停顿点的重合度最高。
19、采用上述技术方案,通过以转折点和停顿点重合度最高为目标进行旋转重合,提高了重合准确性;且通过将绘图数据的图形数据和样本图形重合,提高了后续获得评估特征的效率和准确性,从而提高了评估可靠性。
20、在一些实施例中,划定选点区的步骤包括:
21、所述选点区为半径为r的圆形区域,且,
22、当d1≤1/2d2时,d1≤r≤1/2d2;
23、当d1>1/2d2时,1/2d2<r<d2;其中,
24、d1为所述样本图形的转折点和与其最接近的所述绘图数据中的转折点之间的距离,d2为所述样本图形的转折点和与其最接近的所述样本图形的另一转折点之间的距离。
25、采用上述技术方案,使得可在恰当范围的选点区内尽可能采用绘图数据的图形数据中的转折点作为拆分点,从而提高拆分结果与评估对象意图的贴合性,提高评估可靠性。
26、在一些实施例中,确定拆分点的步骤包括:
27、若所述选点区内的所述绘图数据的图形数据中具有转折点,则将距离所述选点区的中心最近的所述绘图数据的图形数据中的转折点确定为所述拆分点;否则,
28、若所述选点区内的所述绘图数据的图形数据中具有停顿点,则将距离所述选点区的中心最近的所述评估对象所绘图形的停顿点确定为所述拆分点;否则,
29、将距离所述选点区的中心最近的所述绘图数据的图形数据中的点确定为拆分点。
30、采用上述技术方案,可提高拆分结果与评估对象意图的贴合性,从而提高评估可靠性。
31、在一些实施例中,所述评估特征包括每一所述绘图片段与对应所述样本片段的相似度,每一所述绘图片段中的错点数量,其中,错点包括绘图片段多余的转折点,以及绘图片段中的停顿点,所述停顿点为所述绘图数据中的速度数据小于第一阈值的线段的中点或速度数据为0的点。
32、在一些实施例中,构建所述样本图形的正常速度数据和力度数据;
33、所述绘图数据还包括力度数据,且拆分后的所述多个绘图片段包含对应的图形数据、速度数据和力度数据;
34、所述评估特征包括每一所述绘图片段与对应所述样本片段的相似度,每一所述绘图片段中的错点数,其中,错点包括绘图片段多余的转折点,以及绘图片段中的停顿点,所述停顿点为所述绘图片段中绘图速度小于第一阈值线段的中点或绘图速度为0的点;
35、还包括所述绘图片段速度数据和力度数据与对应所述样本图形的正常速度数据和力度数据的匹配度。
36、在一些实施例中,还包括:
37、获得评估对象的个人数据,所述个人数据包括所述评估对象的年龄、性别、疾病史,以及评估参与频率和前n次评估中所使用的所述样本图形的相似度;
38、将所述评估特征和所述个人数据输入预训练的神经网络模型,通过所述神经网络模型评估所述评估对象的认知能力。
39、本申请实施例还提供了一种基于绘画的认知能力评估系统,用于实施以上所述的方法,所述系统包括:
40、样本图形生成模块,用于随机生成样本图形,所述样本图形为可一笔绘制完成的图形,且包括多个转折点和连接所述转折点的多个样本线段;
41、评估特征获取模块,用于获得评估对象完成所述样本图形的绘图数据,并根据所述绘图数据和所述样本图形获取评估特征;
42、评估模块,用于将所述评估特征输入预训练的神经网络模型,通过所述神经网络模型评估所述评估对象的认知能力。
本文档来自技高网...
【技术保护点】
1.一种基于绘画的认知能力评估方法,其特征在于,包括:
2.根据权利要求1所述的基于绘画的认知能力评估方法,其特征在于,获取所述评估特征的步骤包括:
3.根据权利要求2所述的基于绘画的认知能力评估方法,其特征在于,
4.根据权利要求3所述的基于绘画的认知能力评估方法,其特征在于,同步缩放、旋转所述样本图形的步骤包括:
5.根据权利要求3所述的基于绘画的认知能力评估方法,其特征在于,划定选点区的步骤包括:
6.根据权利要求5所述的基于绘画的认知能力评估方法,其特征在于,确定拆分点的步骤包括:
7.根据权利要求2所述的基于绘画的认知能力评估方法,其特征在于,所述评估特征包括每一所述绘图片段与对应所述样本片段的相似度,每一所述绘图片段中的错点数量,其中,错点包括绘图片段多余的转折点,以及绘图片段中的停顿点,所述停顿点为所述绘图数据中的速度数据小于第一阈值的线段的中点或速度数据为0的点。
8.根据权利要求2~6任一所述的基于绘画的认知能力评估方法,其特征在于,构建所述样本图形的正常速度数据和力度数据;
...【技术特征摘要】
1.一种基于绘画的认知能力评估方法,其特征在于,包括:
2.根据权利要求1所述的基于绘画的认知能力评估方法,其特征在于,获取所述评估特征的步骤包括:
3.根据权利要求2所述的基于绘画的认知能力评估方法,其特征在于,
4.根据权利要求3所述的基于绘画的认知能力评估方法,其特征在于,同步缩放、旋转所述样本图形的步骤包括:
5.根据权利要求3所述的基于绘画的认知能力评估方法,其特征在于,划定选点区的步骤包括:
6.根据权利要求5所述的基于绘画的认知能力评估方法,其特征在于,确定拆分点的步骤包括:
7.根据权利要求2所述的基于绘...
【专利技术属性】
技术研发人员:王成斌,于凌箐,陈楠,夏欢欢,李亚天,程川,
申请(专利权)人:上海博斯腾网络科技有限公司,
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。