一种注意缺陷多动障碍的认知交互方法及系统
- 国知局
- 2024-11-21 11:55:59
本发明涉及一种注意缺陷多动障碍的认知交互方法,同时也涉及相应的认知交互系统,属于认知交互。
背景技术:
1、注意缺陷多动障碍(简写为adhd)是一种常见的神经发育性疾病。与年龄不相称的注意缺陷、多动和冲动是adhd的三大核心症状。大量的研究表明,adhd患者普遍存在认知域损伤,而且认知域如工作记忆,抑制控制等能力的受损均与adhd的核心症状之间存在着密切的联系。
2、在设计针对注意缺陷多动障碍(adhd)的认知数字疗法时,主要需要考虑两个方面数据的采集和分析:生物测量数据和个体信息。然而,仅仅依赖这些数据来设计认知数字疗法可能会带来一些局限性:
3、(1)不确定性和解释困难:生物测量数据(如眼动数据、脑电数据、核磁共振数据)的解释可能是复杂和不确定的。虽然这些数据提供了生理和神经活动的信息,但我们尚未完全了解这些数据与具体认知域之间的确切关联。因此,推断认知状况可能存在较大的不确定性。
4、(2)不足以全面覆盖认知领域:生物测量数据和个体信息可能无法全面涵盖adhd患者的认知域领域。人的认知涉及多个方面,包括但不限于注意、记忆、执行功能等,简单使用生物测量数据和个体信息可能无法全面了解adhd患者在这些方面的状况。
5、(3)个体差异的忽视:过度依赖生物测量数据和个体信息可能忽视了adhd患者之间的巨大个体差异。每个adhd患者的认知状况都可能是独特的,而这种方法可能无法充分考虑到这些个体差异。
技术实现思路
1、本发明所要解决的首要技术问题在于提供一种注意缺陷多动障碍的认知交互方法。
2、本发明所要解决的另一技术问题在于提供一种注意缺陷多动障碍的认知交互系统。
3、为实现上述技术目的,本发明采用以下的技术方案:
4、根据本发明实施例的第一方面,提供一种注意缺陷多动障碍的认知交互方法,包括如下步骤:
5、s1. 获取用户的认知测评结果;其中,所述认知测评结果对应所述用户的所有认知域;
6、s2. 基于所述认知测评结果,从初始范式池中获取x个范式,形成初始认知交互方案;其中,所述初始范式池与所述用户的各项认知域相对应,各所述认知域下均对应多个范式,每一个所述范式均具有一个最高健康水平,至少部分所述范式下还包括多个待解锁范式;
7、s3. 推送所述初始认知交互方案给所述用户进行认知交互,并获取所述用户的初始认知交互数据;
8、s4. 基于所述初始认知交互数据分别更新所述x个范式的最高健康水平,并根据所述x个范式更新后的最高健康水平分别判断是否解锁各范式下的待解锁范式,以形成个性化范式池;
9、s5. 基于所述个性化范式池重新获取xn个范式,以形成个性化认知交互方案;其中,x=xn,x表示范式的数量,n表示认知交互的次数;
10、s6. 推送所述个性化认知交互方案给所述用户进行认知交互,并获取所述用户的个性化认知交互数据,以基于所述用户的个性化认知交互数据再次更新所述个性化范式池;
11、s7. 重复执行步骤s4~s6,直至所述用户达到预期的认知水平。
12、其中较优地,所述个性化范式池通过以下子步骤形成:
13、基于所述初始认知交互数据,分别获取所述用户完成各个范式的认知交互分数s;
14、获取各个范式的当前健康水平ω,其中,,s表示各个范式的认知交互分数,s0表示各个范式对应的健康标准分数;
15、依次判断各个范式的当前健康水平ω是否大于该范式的最高健康水平,若大于,则将该范式的最高健康水平调整至与该范式的当前健康水平ω相等,若不大于,则保持该范式的最高健康水平不变;
16、若所述范式下存在待解锁范式,并且所述范式的最高健康水平发生变化,则依次判断该范式调整后的最高健康水平是否大于待解锁范式的解锁水平,若大于,则解锁对应的范式,若不大于,则不解锁;
17、其中,所述初始范式池内的所有范式与新解锁的范式共同构成所述个性化范式池。
18、其中较优地,所述基于所述认知测评结果,从初始范式池中获取x个范式,形成初始认知交互方案,包括如下子步骤:
19、基于所述用户的认知测评结果,对所述用户待提升的认知域进行排序;
20、获取排序靠前的前两个认知域,分别获取相应认知域下的一个范式;
21、从剩下的所有范式中按照预设逻辑随机抽取x-2个范式,从而共同形成所述初始认知交互方案。
22、其中较优地,所述基于所述个性化范式池重新获取xn个范式,以形成个性化认知交互方案,包括如下子步骤:
23、从所述初始认知交互方案的x个范式中随机抽取两个范式;
24、从所述个性化范式池中排除所述初始认知交互方案的x个范式,并从剩下的所有范式中按照预设逻辑随机抽取x-2个范式,从而共同组成xn个范式;
25、判断所述xn个范式中是否满足至少有两个范式分别对应排序靠前的前两个认知域;
26、若满足要求,则保留所述xn个范式,形成所述个性化认知交互方案;若不满足要求,则重新抽取xn个范式,直至满足要求。
27、其中较优地,所述预设逻辑包括如下子步骤:
28、判断所述用户是否为历史用户;
29、若所述用户为历史用户,则获取所述用户最新的认知交互数据,以对所述个性化范式池中的对应范式进行权重更新,从而基于更新后所有范式的抽取权重对个性化范式池中的所有范式进行随机抽取;
30、若所述用户不为历史用户,则获取初始范式池中各个范式初始设定的抽取权重,以直接对所述初始范式池中的所有范式进行随机抽取;
31、其中,所述范式的抽取权重越高,则该范式被抽取的概率越大,各范式被抽中的概率η=w/w总;w表示每个范式的抽取权重,w总表示所有范式的抽取权重之和。
32、其中较优地,所述抽取权重通过以下子步骤进行权重更新:
33、基于所述用户最新的认知交互数据,分别获取所述xn个范式的认知交互得分;
34、基于所述xn个范式的认知交互得分,分别获取各个范式的第一权重值;其中,所述认知交互得分越高,则所述第一权重值越小;
35、根据所述xn个范式的认知交互得分,分别获取各个范式的当前健康水平,以基于预设的健康水平-权重列表,分别获取各个范式的第二权重值;其中,所述当前健康水平越大,则第二权重值越小;
36、对于所述xn个范式中的任意一个范式,根据该范式多次交互的认知交互得分获取该范式的波动水平,以基于预设的波动水平-权重列表获取该范式的第三权重值;其中,波动水平越大则第三权重值越大,若该范式的认知交互次数小于预设次数,则波动水平取最大值;
37、对于所述xn个范式中的任意一个范式,该范式更新后的抽取权重为该范式的第一权重值、第二权重值和第三权重值的乘积。
38、其中较优地,所述范式的第一权重值通过以下子步骤获取:
39、基于所述范式,获取与所述范式相关联的多项脑能力,并分别获取所述范式与各项脑能力的相关度;
40、基于所述范式的认知交互得分,分别获取所述范式对各项脑能力的需求度;
41、分别计算所述范式对应每一项脑能力的交互价值,所述交互价值为所述范式与该项脑能力的相关度和需求度的乘积;
42、获取所述范式的第一权重;其中,所述范式的第一权重值等于各项脑能力的交互价值之和。
43、其中较优地,若所述范式的当前健康水平大于所述范式的最高健康水平,则所述范式的第二权重值取最小值;
44、若所述范式未被抽取过,则所述范式的第二权重值取最大值。
45、其中较优地,所述预设次数至少为5次。
46、根据本发明实施例的第二方面,提供一种注意缺陷多动障碍的认知交互系统,包括:
47、认知测评模块,内置有预设量表,用于对用户进行全认知域的认知测评,从而获取用户的认知测评结果;
48、认知交互方案推送模块,包括范式抽取单元、预设范式池单元以及范式池更新单元;所述范式抽取单元与认知测评模块和预设范式池单元连接,以基于用户的认知测评结果,从该预设范式池单元内抽取x个范式形成初始认知交互方案;所述范式池更新单元与所述预设范式池单元和认知交互模块连接,以接收用户的认知交互结果,并反馈至预设范式池单元,以实现对预设范式池单元的不断更新;其中,x表示范式的数量;
49、认知交互模块,与所述范式抽取单元连接,用于与用户进行认知交互;所述认知交互模块还与所述范式池更新单元连接,以将用户的认识交互结果反馈至所述范式池更新单元。
50、与现有技术相比较,本发明具有以下的技术效果:
51、1. 应用全认知域测评任务直接评估adhd患者的认知损伤维度,并基于受损维度推送靶向认知交互任务,从而更直接、有针对性地了解adhd患者的认知状况,并精准地提供个性化的认知训练方案,以更有效地应对adhd患者的特定问题。
52、2. 随着adhd患者的不断认知交互,预设的初始范式池会不断更新,从而形成针对adhd患者的个性化范式池,以与adhd患者的当前认知状态相匹配,提高了认知交互效果。
53、3. 提供更多深入了解adhd患者认知特征的机会,有助于未来对于如何改善adhd患者的认知情况提供研究和发展方向。
本文地址:https://www.jishuxx.com/zhuanli/20241120/333472.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。