一种基于难度自适应算法的认知训练计分方法及系统与流程

本发明涉及一种基于难度自适应算法的认知训练计分方法，同时也涉及相应的认知训练计分系统，属于认知测试。

背景技术：

1、数字疗法(digital therapeutics)是数字健康领域的一个重要分支，它通过软件程序驱动，以循证医学为基础，提供治疗、管理或预防疾病的干预方案。这种疗法可以独立使用，也可以与其他药物联合使用，甚至通过软件和人工的协同方式来优化患者的护理和健康成果。

2、在认知数字疗法中，计算机化的认知训练任务通过系统设计，结合可穿戴设备、虚拟现实和物理刺激等方法，针对认知域及其关联脑网络进行难度自适应训练。这种训练通过实时反馈数据分析，动态调节训练剂量，并实时监测训练过程和效果，从而预防或治疗认知障碍。研究表明，这种多认知域、自适应计算机化认知训练可以有效提升血管性认知功能障碍患者的整体认知功能和语言功能，增强认知相关脑网络的功能连接。

3、然而，对于难度自适应的认知训练，如何计分是一个关键问题。由于训练难度是不断动态调整的，传统的计分方式无法准确反映用户的真实能力，这使得用户自身或用户间的对比缺乏可靠性。因此，开发一种新的计分系统，能够准确评估和反映用户在认知训练中的表现和进步，是当前认知数字疗法领域亟待解决的问题

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基于难度自适应算法的认知训练计分方法。

2、本发明所要解决的另一技术问题在于提供一种基于难度自适应算法的认知训练计分系统。

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，提供一种基于难度自适应算法的认知训练计分方法，包括如下步骤：

5、s1：调节认知训练的难度升降级变化；

6、s2：统计认知训练过程中产生的相关数据；

7、s3：采集当前用户的历史数据，并根据历史数据分析反应时间和正误情况与难度等级的对应关系，建立当前用户的反应模式模型；

8、s4：根据反应模式模型推测的区间，对用户完成每道题的反应时间进行判定；

9、若反应时间在区间内，则该试次记为反应时间达标试次；若反应时间不在区间内，则该试次记为反应时间非达标试次；

10、s5：计算权重值；

11、s6：计算最终认知训练的得分。

12、其中较优地，所述步骤s1包括如下子步骤：

13、s11：设置初始难度；

14、首次训练设置初始难度为1，非首次训练初始难度的设置公式为d－n；

15、其中，d为前一次训练的最终难度；n为动态调节的难度下降指数，n的取值范围为[0,d]，难度越低时，d的取值越小；

16、s12：开始第一阶段训练，并根据第一升降级规则进行第一阶段的难度调节；

17、s13：在第一阶段训练经历c次反转后，进入第二阶段训练，并根据第二升降级规则进行第二阶段的难度调节。

18、其中较优地，所述第一升降级规则为：连续答对a题，难度上升m级；连续答错b题，难度下降m级。

19、其中较优地，所述第二升降级规则为：连续答对a题，难度上升m’级且m’小于m；连续答错b题，难度下降m’级且m’小于m。

20、其中较优地，所述反转是指难度趋势的变化。

21、其中较优地，所述相关数据包括：难度等级、每个难度等级出现的试次总数、用户答对的试次总数和用户完成每道题的反应时间。

22、其中较优地，所述步骤s5包括如下子步骤：

23、s51：统计训练中出现的难度等级、用户答对的试次总数和反应时间达标试次总数；

24、s52：计算每个等级的正确率，相应的计算公式为：

25、pi’＝pi/ni

26、s53：计算每个等级的反应时间达标率，相应的计算公式为：

27、ri’＝ri/ni

28、s54：计算每个等级的权重值，相应的计算公式为：

29、wi＝li+pi’+ri’-1。

30、其中较优地，所述步骤s6包括如下子步骤：

31、s61：统计每个难度等级的权重值和每个难度等级出现的试次总数；

32、s62：创建难度等级与其对应权重的集合，并求该数据的加权平均值；

33、所述难度等级与其对应权重的集合表示为[(w1,n12),(w2,n22),...,(wi,ni2)]；

34、所述加权平均值的计算公式为：

35、e＝(w1*n12+w2*n22+...+wi*ni2)/(n12+n22+...+ni2)

36、s63：计算最终认知训练的得分，相应的计算公式为：

37、s＝e*z

38、其中，z为得分系数且为常量。

39、根据本发明实施例的第二方面，提供一种基于难度自适应算法的认知训练计分系统，包括处理器和存储器；其中，所述存储器与所述处理器耦接，用于存储计算机程序，当该计算机程序被所述处理器执行时，使处理器实现上述认知训练计分方法。

40、与现有技术相比较，本发明提供了一种基于难度自适应算法的认知训练计分方法及系统，旨在解决传统计分方式无法准确反映用户在动态难度调整下的真实能力的问题。该方法通过调节认知训练难度的升降级变化，统计训练过程中的相关数据，采集并分析用户的历史数据，建立反应模式模型，从而对用户完成每道题的反应时间进行判定。具体步骤包括：设置初始难度，根据升降级规则动态调整难度，统计难度等级、试次总数、答对总数和反应时间，建立反应模式模型，判定反应时间达标情况，计算权重值，最终计算认知训练得分。该方法利用大数据支持的经验参数，将用户状态纳入考虑，设计出更能体现用户真实认知能力的得分方式。本发明不仅能够准确评估和反映用户在认知训练中的表现和进步，还有助于反映用户的训练结果和能力发展情况，从而优化认知训练的效果和用户体验。

技术特征：

1.一种基于难度自适应算法的认知训练计分方法，其特征在于包括如下步骤：

2.如权利要求1所述的认知训练计分方法，其特征在于所述步骤s1包括如下子步骤：

3.如权利要求2所述的认知训练计分方法，其特征在于所述第一升降级规则为：连续答对a题，难度上升m级；连续答错b题，难度下降m级。

4.如权利要求2所述的认知训练计分方法，其特征在于所述第二升降级规则为：连续答对a题，难度上升m’级且m’小于m；连续答错b题，难度下降m’级且m’小于m。

5.如权利要求2所述的认知训练计分方法，其特征在于所述反转为难度趋势的变化。

6.如权利要求1所述的认知训练计分方法，其特征在于所述步骤s2中，相关数据包括：难度等级、每个难度等级出现的试次总数、用户答对的试次总数和用户完成每道题的反应时间。

7.如权利要求1所述的认知训练计分方法，其特征在于所述步骤s5包括如下子步骤：

8.如权利要求1所述的认知训练计分方法，其特征在于所述步骤s6包括如下子步骤：

9.一种基于难度自适应算法的认知训练计分系统，其特征在于包括处理器和存储器；其中，所述存储器与所述处理器耦接，用于存储计算机程序，当该计算机程序被所述处理器执行时，使处理器实现权利要求1～8中任意一项所述的认知训练计分方法。

技术总结本发明公开了一种基于难度自适应算法的认知训练计分方法及系统。该方法包括如下步骤：调节认知训练的难度升降级变化；统计认知训练过程中产生的相关数据；采集当前用户的历史数据，并根据历史数据分析反应时间和正误情况与难度等级的对应关系，建立当前用户的反应模式模型；根据反应模式模型推测的区间，对用户完成每道题的反应时间进行判定；若反应时间在区间内，则该试次记为反应时间达标试次。若反应时间不在区间内，则该试次记为反应时间非达标试次；计算权重值；计算最终认知训练的得分。本发明不仅能够准确评估和反映用户在认知训练中的表现和进步，还有助于反映用户的训练结果和能力发展情况，从而优化认知训练的效果和用户体验。技术研发人员：郑淼,管嵩受保护的技术使用者：北京智精灵科技有限公司技术研发日：技术公布日：2024/11/18