[發明專利]一種畫鐘試驗的評估系統及方法有效
| 申請號: | 201711477062.1 | 申請日: | 2017-12-29 |
| 公開(公告)號: | CN108197564B | 公開(公告)日: | 2023-06-23 |
| 發明(設計)人: | 汪昕;史傳進;丁晶;王清;毛玲艷;段濛;王亮 | 申請(專利權)人: | 復旦大學附屬中山醫院;復旦大學 |
| 主分類號: | G06V10/82 | 分類號: | G06V10/82;G06V10/26;G06V10/44;G06V10/764;G06V10/774;G16H50/20 |
| 代理公司: | 上海容慧專利代理事務所(普通合伙) 31287 | 代理人: | 于曉菁 |
| 地址: | 200032 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 試驗 評估 系統 方法 | ||
本發明公開了一種畫鐘試驗的評估系統,包括用于采集畫鐘試驗所得圖像信息的采集模塊;與所述采集模塊相連的預處理模塊,所述預處理模塊對所述采集模塊所采集的圖像信息進行預處理;與所述預處理模塊相連的分析模塊,所述分析模塊采用深度學習模型對預處理后的圖像信息進行分析,所述深度學習模型采用卷積神經網絡;與分析模塊相連的評估模塊,所述評估模塊對所述分析模塊得到的結果進行評價。本發明技術方案還提供了畫鐘試驗的評估方法,形成了一套嚴謹的畫鐘試驗的評價體系,無需人為進行評估,所以不受人為的主觀因素影響,且不會受限于評價者的經驗,只要能夠操作該系統即可,整個系統具有高效率、低功耗、高便攜度的特點。
技術領域
本發明涉及醫療設備的技術領域,尤其涉及一種畫鐘試驗的評估系統及方法。
背景技術
畫鐘實驗(CLOCK?DRAWING?TEST,CDT)是一種快速評估視覺空間和實踐能力的測試,并且可以明確是否存在注意力和執行功能障礙,畫鐘實驗已經成為目前最為廣泛使用認知篩查工具之一,也可作為其他簡單篩查量表的補充,如臨床常用的簡短精神狀態量表(Mini-Mental?State?Examination,MMSE)。CDT是一個簡單的任務完成測試,除了快速簡便、不受語言限制的優點之外,尚具備敏感度、特異度高,優秀的重測信度、內部一致性及效度,與其他認知量表一致性高等優點,具備作為一個篩查量表的重要特質。大量前期研究提示,CDT對認知障礙檢測的敏感性和特異性約為85%,重測信度為0.76~0.94,內部一致性為0.79~0.99(Freedman,Leach,Kaplan,Winocur,Shulman?and?Delis?1994,Manos?andWu?1994,Mendez,et?al.1992)。在對151例卒后患者的研究中得到CDT與MMSE、CFIM(cognitive?Functional?Independence?Measure)量表相關系數(r)為0.51~0.59(Archives?of?gerontology?and?geriatrics,2002,35(2):153-160.)。
CDT有多種版本及評估方案,主要可以歸類為兩種情況。第一種為指令條件:自由繪制時鐘、預先繪制的時鐘;第二種為復制調節:復制時鐘、時鐘閱讀測試。對其結果進行評價的方式為計分制,計分方法超過20余種。國內外對總分及計分方式均無統一的評分標準,大致有3分法、4分法、6分法、7分法、10分法、30分法等。其中,3分法CDT評估方案最為簡便,輪廓、數字、指針正確分別得1分,總共3分。國內較為常用的為4分法和7分法。4分法在3分法的基礎上,將數字變為2分,數字及數字的位置正確各計1分。7分法將數字和指針更為細化,數字計3分(數字、順序、位置),指針計4分(指針數量、時針位置、分針位置、指針長短)(中華醫學會精神病學分會2007)。然而,臨床對畫鐘試驗的應用尚不深入,主要在于對錯誤評判標準不統一,評分主觀性大。較為簡略的3分法尚可應用,評估相對復雜但有臨床價值的7分法開展困難。鑒于目前無論采用何種計分方式,均是由醫師或是社會工作者進行評估打分,很有可能產生人為誤差,這就要求評估者的經驗要非常豐富,因而具有很大的主觀性,結果重復性及可靠性可能較差。認知障礙是臨床常見癥狀,早期診療對于預后具有重大意義,目前迫切需要建立,客觀,易操作,可重復性好,迅速評估系統,以協助臨床診療工作。
發明內容
本發明技術方案需要解決的技術問題是畫鐘試驗的結果需要人為去評估,受限于評估人的經驗,沒有嚴謹的評價系統,受主觀因素影響較大。
為解決上述技術問題,本發明技術方案提供了一種畫鐘試驗的評估系統,包括:
用于采集畫鐘試驗所得圖像信息的采集模塊;
與所述采集模塊相連的預處理模塊,所述預處理模塊對所述采集模塊所采集的圖像信息進行預處理;
與所述預處理模塊相連的分析模塊,所述分析模塊采用深度學習模型對預處理后的圖像信息進行分析,所述深度學習模型采用卷積神經網絡;
與分析模塊相連的評估模塊,所述評估模塊對所述分析模塊得到的結果進行評價。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于復旦大學附屬中山醫院;復旦大學,未經復旦大學附屬中山醫院;復旦大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711477062.1/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:用于獲取信息的方法及裝置
- 下一篇:基于人臉識別的目標尋蹤方法及系統





