本申請提供一種認知狀態檢測方法，包括：基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。本申請通過構建多量的訓練數據，有助于模型訓練后測試的準確性提高。試的準確性提高。試的準確性提高。
【技術實現步驟摘要】
一種認知狀態檢測方法及裝置
[0001]本申請涉及認知檢測領域，尤其涉及一種認知狀態檢測方法。本申請還涉及一種認知狀態檢測裝置。
技術介紹
[0002]認知能力(cognitive abilities,cognitive ability)是指人腦加工、儲存和提取信息的能力，即人們對事物的構成、性能與他物的關系、發展的動力、發展方向以及基本規律的把握能力。它是人們成功的完成活動最重要的心理條件。知覺、記憶、注意、思維和想象的能力都被認為是認知能力。
[0003]認知能力檢測是衡量一個人學習及完成一項工作的能力的一種測試，可以分為語言能力、計算能力、感知速度、空間能力及推理能力。
[0004]目前，認知能力測試是通過檢測或者測試獲取目標的相關數據，經過對數據判斷和識別，對目標的認知能力進行等級確定。隨著計算機技術以及深度神經網絡的出現，認知能力測試可以通過智能模型進行輸出，但是這依靠于較多的訓練數據量，才能更準確的進行預測。
技術實現思路
[0005]本申請的目的在于克服現有技術中對認知能力分析中智能模型訓練數據量不足的問題，提供一種認知狀態檢測方法。本申請還涉及一種認知狀態檢測裝置。
[0006]本申請提供一種認知狀態檢測方法，包括：
[0007]數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；
[0008]根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；
[0009]構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；
[0010]構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；
[0011]獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。
[0012]可選的，構建樣本模型，包括：
[0013]根據所述樣本數據，建立類別的相關性閾值；
[0014]基于所述類別的相關性閾值，進行閾值內隨機數生成；
[0015]基于所述閾值內隨機數生成，生成訓練數據和驗證數據。
[0016]可選的，所述相關性閾值生成，包括：
[0017]將任意兩個類別數據進行關聯，并計算所述任意兩個類別的范圍表達式；
[0018]選擇一個類別數據，基于所述范圍表達式生成閾值。
[0019]可選的，所述認知狀態包括：正常狀態、非正常狀態。
[0020]可選的，所述訓練數據是樣本模型生成的數據；所述測試數據是基于檢測或者測試獲取目標認知判斷項數據。
[0021]本申請還提供一種認知狀態檢測裝置，包括：
[0022]獲取模塊，用于數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；
[0023]處理模塊，用于根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；
[0024]生成模塊，用于構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；
[0025]訓練模塊，用于構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；
[0026]檢測模塊，用于獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。
[0027]可選的，所述生成模塊構建樣本模型，包括：
[0028]根據所述樣本數據，建立類別的相關性閾值；
[0029]基于所述類別的相關性閾值，進行閾值內隨機數生成；
[0030]基于所述閾值內隨機數生成，生成訓練數據和驗證數據。
[0031]可選的，所述處理模塊中所述相關性閾值生成，包括：
[0032]將任意兩個類別數據進行關聯，并計算所述任意兩個類別的范圍表達式；
[0033]選擇一個類別數據，基于所述范圍表達式生成閾值。
[0034]可選的，所述認知狀態包括：正常狀態、非正常狀態。
[0035]可選的，所述訓練數據是樣本模型生成的數據；所述測試數據是基于檢測或者測試獲取目標認知判斷項數據。
[0036]本申請的優點和有益效果：
[0037]本申請提供一種認知狀態檢測方法，包括：數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。本申請通過構建多量的訓練數據，有助于模型訓練后測試的準確性提高。
附圖說明
[0038]圖1是本申請中認知狀態檢測流程示意圖。
[0039]圖2是本申請中樣本模型執行流程示意圖。
[0040]圖3是本申請中認知狀態檢測裝置結構示意圖。
具體實施方式
[0041]下面結合附圖和具體實施例對本申請作進一步說明，以使本領域的技術人員可以更好地理解本申請并能予以實施。
[0042]以下內容均是為了詳細說明本申請要保護的技術方案所提供的具體實施過程的示例，但是本申請還可以采用不同于此的描述的其他方式實施，本領域技術人員可以在本申請構思的指引下，采用不同的技術手段實現本申請，因此本申請不受下面具體實施例的限制。
[0043]本申請提供一種認知狀態檢測方法，包括：數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。本申請通過構建多量的訓練數據，有助于模型訓練后測試的準確性提高。
[0044]圖1是本申請中認知狀態檢測流程示意圖。
[0045]請參照圖1所示，S101數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；
[0046]數據獲取是基于檢測或者測試實現的，所述檢測是指通過儀器設備進行檢測，例如檢測本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種認知狀態檢測方法，其特征在于，包括：數據獲取，基于檢測或者測試獲取目標認知判斷項數據，包括響應時間、記憶能力和注意集中度；根據預設的特征提取規則，提取所述認知判斷項數據中與認知狀態相關的特征數據，將所述特征數據進行歸類、歸一化處理，生成樣本數據；構建樣本模型，將所述樣本數據輸入到所述樣本模型，經過所述樣本模型計算輸出多于所述樣本數據的訓練數據和驗證數據；構建認知狀態檢測神經網絡，基于所述訓練數據和驗證數據進行所述認知狀態檢測神經網絡訓練，獲得認知狀態檢測模型；獲取待檢測目標判斷項數據，輸入到所述認知狀態檢測模型，計算并獲得認知狀態。2.根據權利要求1所述認知狀態檢測方法，其特征在于，構建樣本模型，包括：根據所述樣本數據，建立類別的相關性閾值；基于所述類別的相關性閾值，進行閾值內隨機數生成；基于所述閾值內隨機數生成，生成訓練數據和驗證數據。3.根據權利要求2所述認知狀態檢測方法，其特征在于，所述相關性閾值生成，包括：將任意兩個類別數據進行關聯，并計算所述任意兩個類別的范圍表達式；選擇一個類別數據，基于所述范圍表達式生成閾值。4.根據權利要求1所述認知狀態檢測方法，其特征在于，所述認知狀態包括：正常狀態、非正常狀態。5.根據權利要求1所述認知狀態檢測方法，其特征在于，所述訓練數據是樣本模型生成的數據；所述測試數據是基于檢測或者測試獲取目標認知判斷項數據。6.一種認知狀態檢測裝置，其特征在于，包括：獲取模塊，用于數據...
【專利技術屬性】
技術研發人員：花弘，
申請(專利權)人：蘇州科宏健康產業有限公司，
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。