一种基于视觉工作记忆任务的MCI筛查方法及系统技术方案

本发明专利技术涉及一种基于视觉工作记忆任务的MCI筛查方法，包括：将待分析数据输入到模型中，其中，所述模型为使用多组训练数据进行模型训练得出来的；训练数据中的每一组训练数据均包括已知数据及其对应的诊断结果；所述待分析数据及已知数据皆包括视觉工作记忆任务测量结果；获取所述模型的输出信息，其中，所述输出信息包括所述待分析数据对应的诊断结果；本发明专利技术还提供执行该方法的系统，包括：获取模块，用于获取待分析数据；判断模块，用于通过模型分析待分析数据；输出模块，用于输出信息；其优点在于：检查项目简单，利于老年人的常态化检查，能依据检查结果生成较为准确的判断结果的，经济、敏感、能够实现早发现、早诊断，且无害无创。无创。无创。

【技术实现步骤摘要】
一种基于视觉工作记忆任务的MCI筛查方法及系统


[0001]本专利技术属于智能医疗检测
，具体地说，是一种基于视觉工作记忆任务的MCI筛查方法及系统。

技术介绍

[0002]轻度认知障碍(Mild Cognitive Impairment，MCI)是介于正常衰老和痴呆之间的一种状态，痴呆转化率高，并且目前没有有效的治疗方法，国内外指南及专家共识指出，早期诊断、早期预防是延缓病情进展的唯一方法，因此MCI阶段是临床干预的关键阶段，而早期发现、早期诊断是首要环节，但是目前对于MCI缺乏客观、简便的早期检测方法。量表评估是目前辅助临床诊断的主要方法，然而全面的量表评估耗时耗力，且不客观，结果易受评估员及患者主观情绪的影响，而一些相对客观的检查，如头颅磁共振显示的海马内侧颞叶萎缩常提示已到疾病中晚期，正电子发射计算机断层显像(PET)及脑脊液检查因具有放射性危害、价格高昂或者有创而受到限制，因此临床上需要更经济、简易、敏感、能够实现早发现、早诊断，且无害无创的筛查诊断方法。
[0003]中国专利申请CN111524602A公开了一种老年人记忆及认知功能评估筛查预警系统，该系统包括：获取人体生理测量数据；获取蒙特利尔认知评估量表数据；通过自适应加权法，结合蒙特利尔认知评估量表数据，对人体生理测量数据进行融合；采用遗传算法优化BP神经网络。该专利技术通过获取老年人蒙特利尔认知评估量表，利用健康一体机采集人体生理测量数据，采用基于神经网络的机器学习方法，对用户记忆与认知功能数据和判定结果进行机器学习训练，优化机器学习策略，实现老年人记忆及认知功能评估筛查预警，可快速实现老年人记忆及认知的自动评估预警能力，不需要专业人工干预，且对轻度认知障碍的早期人员评估结果具有较高的可靠性。显而易见的是，该申请提供的是一套自动化的筛查预警系统，是基于蒙特利尔认知评估量表数据获取的一套预测模型，其中，为提升其准确性，令生理数据与量表数据进行融合，从而修正蒙特利尔认知评估量表的各维度值，以提升预警的精确性，但是其依然结合量表数据、体测生理数据进行判定，首先，量表评估耗时耗力，不客观，易受评估员及患者主观情绪的影响的问题并未得以解决，其次，对人体生理测量数据的获取，同样依赖大量检查；其实际作用是为医生的诊断提供辅助信息，而医生的临床判断也是基于该信息做出的，所以在对患病的可能性上，该年人记忆及认知功能评估筛查预警系统不能为最终的诊断提供多角度、多维度的辅助信息。
[0004]中国专利申请CN111488914A公开了一种基于多任务学习的阿尔茨海默症分类及预测系统，该申请涉及阿尔茨海默症分类及预测系统。目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块；所述图像处理主模块用于采集头部图像，对采集的头部图像进行预处理，获得预处理后的图像，并将预处理后图像输入训练主模块和检测主模块；所述临床指标处理主模块用于选定临床指标，获取临床指标的特征向量，并将临床指标的特征向量输入训练主模块和检测主模块；所述神经网
络主模块用于搭建阿尔茨海默症分类及预测模型。该申请中提到的“多任务学习”同样是在sMRI图像的基础上融合多种数据类型，如人口统计学信息、基因信息等，显而易见的得是，测量指标繁琐，对于轻度认知障碍乃至阿尔茨海默症这种持续时间长，潜移默化的病症，其诊断必定是持续性的，因此，若每次都需要进行如此繁琐的检测，对于老年人患者极不友好，且耗资大，耗时长。
[0005]综上所述，亟需一种检查项目简单，利于老年人的常态化检查，能依据检查结果生成较为准确的判断结果的，经济、敏感、能够实现早发现、早诊断，且无害无创的MCI筛查方法及系统。

技术实现思路

[0006]本专利技术的目的是，提供一种检查项目简单，利于老年人的常态化检查，能依据检查结果生成较为准确的判断结果的，经济、敏感、能够实现早发现、早诊断，且无害无创的MCI筛查方法。
[0007]为实现上述目的，本专利技术采取的技术方案是：
[0008]一种基于视觉工作记忆任务的MCI筛查方法，包括：将待分析数据输入到模型中，其中，所述模型为使用多组训练数据进行模型训练出来的；所述训练数据中的每一组训练数据均包括已知数据及其对应的诊断结果；所述待分析数据包括待分析视觉工作记忆任务测量结果，所述已知数据包括已知视觉工作记忆任务测量结果；获取所述模型的输出信息，其中，所述输出信息包括所述待分析数据对应的诊断结果。
[0009]作为一种优选的技术方案，所述待分析数据包括待分析基础数据，对应的，所述已知数据包括已知基础数据。
[0010]作为一种优选的技术方案，所述基础数据包括年龄和或受教育时间。
[0011]作为一种优选的技术方案，所述视觉工作记忆任务测量结果包括行为学数据、眼动特征数据。
[0012]作为一种优选的技术方案，所述行为学数据包括行为准确率和或记忆容量；所述眼动特征数据包括注视点个数、平均注视时间、总注视时间和或扫视个数。
[0013]作为一种优选的技术方案，所述模型的建立包括：步骤S100：获取训练数据，所述训练数据包括已知数据及其对应的诊断结果；步骤S120，建立模型，其中，所述模型通过对所述训练数据进行逻辑回归模型训练获得。
[0014]本专利技术的另一目的是，提供一种检查项目简单，利于老年人的常态化检查，能依据检查结果生成较为准确的判断结果的，经济、敏感、能够实现早发现、早诊断，且无害无创的MCI筛查系统。
[0015]为实现上述目的，本专利技术采取的技术方案是：
[0016]一种基于视觉工作记忆任务的MCI筛查系统，包括：获取模块，用于获取待分析数据，所述待分析数据包括待分析视觉工作记忆任务测量结果；判断模块，用于通过模型分析所述待分析数据，其中，所述模型为使用多组训练数据训练出来的；所述训练数据中的每一组训练数据均包括已知数据及其对应的诊断结果；输出模块，用于输出信息，包括与所述待分析数据相对应的诊断结果；所述基于视觉工作记忆任务的MCI筛查系统用于执行所述的基于视觉工作记忆任务的MCI筛查方法。
[0017]作为一种优选的技术方案，还包括：视觉记忆工作任务测试模块，用于输出视觉工作记忆任务测量结果。
[0018]作为一种优选的技术方案，所述视觉记忆工作任务测试模块包括：任务指示模块，用于引导视觉工作记忆任务的进行；特征探测模块，用于记录视觉工作记忆任务进行时，被测者的反应特征，所述反应特征即为所述视觉工作记忆任务测量结果。
[0019]作为一种优选的技术方案，其特征在于，所述视觉工作记忆任务测量结果包括行为学数据、眼动特征数据，其中，所述行为学数据包括行为准确率和或记忆容量；所述眼动特征数据包括注视点个数、平均注视时间、总注视时间和或扫视个数。
[0020]本专利技术优点在于：
[0021]本专利技术利用瞳孔变化、眼动与大脑功能的密切联系，构建MCI预测模型，提供了一种基于视觉工作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉工作记忆任务的MCI筛查方法，其特征在于，包括：将待分析数据输入到模型中，其中，所述模型为使用多组训练数据进行模型训练获取的；所述训练数据中的每一组训练数据均包括已知数据及其对应的诊断结果；所述待分析数据包括待分析视觉工作记忆任务测量结果，所述已知数据包括已知视觉工作记忆任务测量结果；获取所述模型的输出信息，其中，所述输出信息包括所述待分析数据对应的诊断结果。2.根据权利要求1所述的基于视觉工作记忆任务的MCI筛查方法，其特征在于，所述待分析数据包括待分析基础数据，对应的，所述已知数据包括已知基础数据。3.根据权利要求2所述的基于视觉工作记忆任务的MCI筛查方法，其特征在于，所述基础数据包括年龄和或受教育时间。4.根据权利要求1所述的基于视觉工作记忆任务的MCI筛查方法，其特征在于，所述视觉工作记忆任务测量结果包括行为学数据、眼动特征数据。5.根据权利要求4所述的基于视觉工作记忆任务的MCI筛查方法，其特征在于，所述行为学数据包括行为准确率和或记忆容量；所述眼动特征数据包括注视点个数、平均注视时间、总注视时间和或扫视个数。6.根据权利要求2所述的基于视觉工作记忆任务的MCI筛查方法，其特征在于，所述模型的建立包括：步骤S100：获取训练数据，所述训练数据包括已知数据及其对应的诊断结果；步骤S120，建立模型，其中，所述模型通过对所述训练数据进行模型训练获得。7....

【专利技术属性】
技术研发人员：李云霞，王结群，刘梦，张卫，李任任，聂志余，王星，
申请(专利权)人：上海市同济医院，
类型：发明
国别省市：