【技術實現步驟摘要】
本專利技術涉及認知評估，尤其是一種基于dsm-v的大腦認知評估方法、系統、存儲介質及計算機設備。
技術介紹
1、隨著社會的發展和人口老齡化的加劇，大腦認知功能障礙相關疾病的發病率逐漸上升，準確評估大腦認知功能對于早期診斷、病情監測以及制定個性化治療方案具有至關重要的意義，dsm-v作為精神障礙診斷的權威標準，為大腦認知評估提供了重要的理論依據和框架，其中，dsm-v為《精神疾病診斷與統計手冊第五版》（diagnostic?and?statisticalmanual?of?mental?disorders,?fifth?edition，簡稱dsm-v），是一部關于精神障礙的分類和診斷標準的手冊。
2、目前對大腦認知評估通常采用問答或答題的方式對用戶進行打分判斷的做題模式，但是這種方式會隨著用戶的額外因素（自身情緒和行為異常等）無法準確描述自己的認知癥狀，這種單一的做題模式會造成評估準確性較低，因此，需要一種基于dsm-v的大腦認知評估方法以解決上述問題。
技術實現思路
1、本專利技術的目的在于提供一種基于dsm-v的大腦認知評估方法、系統、存儲介質及計算機設備，以解決上述
技術介紹
中提出的技術問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、獲取用戶的識別特征信息和姿態特征信息；
4、基于dsm-v對識別特征信息進行認知障礙分類，并根據認知障礙分類得到的類型獲取對應的大腦認知障礙程度；
5、基于認知障礙程度對用戶的
6、獲取用戶的情緒特征信息，并根據所述情緒特征信息獲取抑郁特征信息和焦慮特征信息，并根據所述抑郁特征信息獲取消極情感值；
7、根據所述行為特征信息獲取姿態特征信息，并根據所述姿態特征信息和焦慮特征信息獲取動作協調異常指數；
8、根據所述第一評估分值、消極情感值和動作協調異常指數獲取第二評估分值，并根據所述第二評估分值對用戶的大腦認知進行評估。
9、作為優選，所述根據所述情緒特征信息獲取抑郁特征信息和焦慮特征信息的步驟，包括：
10、根據所述情緒特征信息獲取用戶的精神狀態特征；
11、根據所述精神狀態特征獲取預設時間內用戶的情緒低落持續時間；
12、基于購藥系統獲取用戶的開藥信息，并篩選開藥信息是否存在抑郁相關藥品信息；
13、若開藥信息存在抑郁相關藥品信息，則判定用戶存在潛在抑郁特征，并根據所述潛在抑郁特征和情緒低落持續時間獲取抑郁特征信息；
14、根據所述情緒特征信息獲取用戶的生理反應特征，并根據所述生理反應特征獲取心跳特征和呼吸特征；
15、根據所述心跳特征獲取對應的心跳異常頻率和心跳異常持續時間，并根據所述心跳異常次數和心跳異常持續時間獲取心跳異常頻率；
16、根據所述呼吸特征獲取預設時間內的呼吸急促持續時間和呼吸急促次數，并根據所述呼吸急促持續時間和呼吸急促次數獲取呼吸急促頻率，并根據所述心跳異常頻率和呼吸急促頻率獲取綜合異常頻率，并將所述綜合異常頻率對應的焦慮狀態作為焦慮特征信息。
17、作為優選，所述根據所述抑郁特征信息獲取消極情感值的步驟，包括：
18、根據所述抑郁特征信息獲取消極特征次數，其中，消極特征包括語言消極特征、注意力消極特征和身體消極特征；
19、根據所述語言消極特征、注意力消極特征、身體消極特征和情緒低落持續時間建立二維坐標系；
20、根據所述二維坐標系獲取語言消極特征、注意力消極特征和身體消極特征在情緒低落持續時間內的多個重合節點；
21、根據所述多個重合節點獲取對應的重合頻率，將所述重合頻率作為消極情感值。
22、作為優選，所述根據所述姿態特征信息和焦慮特征信息獲取動作協調異常指數的步驟，包括：
23、根據所述姿態特征信息獲取用戶在初始靜止狀態下的第一重心位置和預設時間內的多個第二重心位置；
24、根據所述第一重心位置和多個所述第二重心位置獲取用戶的重心偏移次數；
25、根據所述重心偏移次數獲取姿態異常頻率；
26、根據所述焦慮特征信息對應的綜合異常頻率和姿態異常頻率與預設標準頻率的比值獲取頻率異常率，并將所述頻率異常率作為動作協調異常指數。
27、作為優選，所述根據所述第一評估分值、消極情感值和動作協調異常指數獲取第二評估分值的步驟，包括：
28、根據所述第一評估分值獲取對應的第一理想值和最大第一評估值；
29、根據所述消極情感值獲取對應的第二理想值和最大消極情感值；
30、根據所述動作協調異常指數獲取對應的第三理想值和最大動作協調異常指數；
31、根據所述第一評估分值、消極情感值、動作協調異常指數、第一理想值、最大第一評估值、第二理想值、最大消極情感值、第三理想值和最大動作協調異常指數計算第二評估分值，其中，計算公式為：
32、；
33、其中，d(pg)表示第二評估分值，其中，第二評估分值的取值范圍[0，+∞]，j(pg)表示第一評估分值，x(xj)表示消極情感值，f(zh)表示動作協調異常指數，jideal表示第一理想值，jmax表示最大第一評估值，xideal表示第二理想值，xmax表示最大消極情感值，fideal表示第三理想值，fmax表示最大動作協調異常指數。
34、作為優選，所述根據所述第二評估分值對用戶進行評估的步驟，還包括：
35、根據所述第一評估分值和第二評估分值計算評估差值；
36、判斷所述評估差值是否滿足預設閾值區間范圍；
37、當評估差值不滿足預設閾值區間范圍，且小于預設閾值區間范圍的最小值時，則判定第一評估分值對應的認知障礙程度為低于當前認知障礙程度的級別；
38、當評估差值滿足預設閾值區間范圍時，則判定第一評估分值對應的認知障礙程度為當前認知障礙程度的級別；
39、當評估差值不滿足預設閾值區間范圍，且大于預設閾值區間范圍的最大值時，則判定第一評估分值對應的認知障礙程度為高于當前認知障礙程度的級別。
40、作為優選，所述根據所述第二評估分值對用戶進行評估的步驟之后，包括：
41、根據所述消極情感值獲取消極情感關鍵詞，并根據所述消極情感關鍵詞提取消極情感因子，將所述消極情感因子按照預設接收時序映射到編碼空間中進行編碼，得到消極情感編碼；
42、根據所述動作協調異常指數獲取動作異常類型，并根據所述動作異常類型提取異常偏移因子，將所述異常偏移因子按照預設接收時序映射到編碼空間中進行編碼，得到異常偏移編碼；
43、獲取用戶下一預設周期的認知特征信息，并將所述認知特征信息按照預設接收時序映射到編碼空間中進行編碼，得到認知特征編碼；
44、根據所述消極情感編碼和所述異常偏移編碼構建聚類模型的參照樣本文檔來自技高網...
【技術保護點】
1.一種基于DSM-V的大腦認知評估方法，其特征在于，包括：
2.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述情緒特征信息獲取抑郁特征信息和焦慮特征信息的步驟，包括：
3.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述抑郁特征信息獲取消極情感值的步驟，包括：
4.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述姿態特征信息和焦慮特征信息獲取動作協調異常指數的步驟，包括：
5.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述第一評估分值、消極情感值和動作協調異常指數獲取第二評估分值的步驟，包括：
6.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述第二評估分值對用戶進行評估的步驟，還包括：
7.根據權利要求1所述的基于DSM-V的大腦認知評估方法，其特征在于，所述根據所述第二評估分值對用戶進行評估的步驟之后，包括：
8.一種基于DSM-V的大腦認
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種基于dsm-v的大腦認知評估方法，其特征在于，包括：
2.根據權利要求1所述的基于dsm-v的大腦認知評估方法，其特征在于，所述根據所述情緒特征信息獲取抑郁特征信息和焦慮特征信息的步驟，包括：
3.根據權利要求1所述的基于dsm-v的大腦認知評估方法，其特征在于，所述根據所述抑郁特征信息獲取消極情感值的步驟，包括：
4.根據權利要求1所述的基于dsm-v的大腦認知評估方法，其特征在于，所述根據所述姿態特征信息和焦慮特征信息獲取動作協調異常指數的步驟，包括：
5.根據權利要求1所述的基于dsm-v的大腦認知評估方法，其特征在于，所述根據所述第一評估分值、消極情感值和動作協調異常指數獲取第二評估分值的步驟，包括...
【專利技術屬性】
技術研發人員：于鶴立，宋魯平，李利軍，魯帥，
申請(專利權)人：深圳市鶴靈醫療設備技術開發有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。