一种用于评估认知障碍的数字生物标志物

1.本发明涉及数字治疗技术领域，尤其涉及一种用于评估认知障碍的数字生物标志物。


背景技术：

2.传统生物标志物一般指通过生化检验获取的指标，用于标志器官等组织结构或功能发生的改变。数字生物标志物(英文为digital biomarker)是用户在使用例如手机、电脑、平板以及智能穿戴设备等各类智能设备时，通过物联网等方式采集用户的生理指标、运动状态各等类数据，并经过人工智能分析整理得到的客观的特征数据。特征数据可以用于预测和评估用户实时的生理状态或健康状态。一方面，数字生物标志物现阶段的发展目标是传统生物标志物的有效补充，而不是取代后者；另一方面，数字生物标志物可有力推动健康医疗模式从被动应对向主动预防的转变。数字生物标志物有望成为深入了解人类自身健康和疾病的有效手段。
3.现有技术如公开号为au2020310165a1的澳大利亚专利文献公开的实施例涉及用于使用来自至少一个移动设备的被动获得的数据来检测受试者的认知衰退的系统和方法。在示例性实施例中，计算机实现方法包括从至少一个移动设备接收被动获得的数据。该方法进一步包括从被动获得的数据生成数字生物标志物数据。该方法进一步包括分析数字生物标志物数据以确定受试者是否表现出认知衰退的迹象。
4.现有技术如公开号为us20190200915a1的美国专利文献公开了一种移动设备，包括处理器、至少一个传感器、数据库和有形地嵌入在所述设备中并且当在所述设备上运行时执行所公开的方法的软件，该发明的认知和/或精细运动活动参数是从使用移动设备从受试者获得的活动测量数据集确定的。将确定的活动参数与参考进行比较，并评估认知和运动疾病或障碍。
5.现有技术都是通过移动设备采集获取初始数据，且这类初始数据仅包括用户使用移动设备时产生的交互数据和/或语言数据，而在判断一个人是否具有认知障碍时，结合受检人的面部数据可以有效提高判断的准确性，本发明结合一种受众广泛的娱乐活动，采集用户的交互数据、语言数据以及眼动数据等作为初始数据，通过多维的全面的初始数据提取出准确有效的数字生物标志物。
6.此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。


技术实现要素：

7.针对现有技术之不足，本发明提供了一种评估认知障碍的数字生物标志物。所述数字生物标记物的初始数据至少通过采集用户使用数字道具例如麻将、扑克牌、象棋、围棋
等的各种操作的行为数据构成；采集到的初始数据会发送至分析单元和/或服务器，该初始数据会经过分析单元和/或服务器上的人工智能程序分析计算得出一系列能够表征用户认知能力例如知觉认知、感觉认知、思维认知等的数字生物标志物，得到的数字生物标志物可以针对实时采集到的用户使用数字道具时的实时数据进行标记，通过标记可以评估用户的认知能力。根据本发明，在采用智能穿戴设备时，多名用户分别穿戴各自的智能穿戴设备。
8.在根据本发明提取数字生物标志物时，分别针对各个穿戴有智能穿戴设备的用户分析其行为数据，即，根据本发明而采集分析的初始数据包括用户的行为数据，所述行为数据由所述用户使用数字道具的过程中由所述数字道具采集得到。优选地，一套数字道具可以对应多套智能穿戴设备，其中，所述数字道具中的至少一个道具可以具有至少一个传感器，而各个智能穿戴设备可以分别与带有该传感器的该道具预先建立数字链路，用以采集行为数据。
9.通过该配置方式，基于数字道具对用户健康状态(比如认知能力)进行筛查/评估的方式更易为普通用户(尤其是中老年人群)所接受，即一方面在长期的使用本数字道具的过程中不会影响用户的正常生活，另一方面由于本数字道具能够引起普通用户(尤其是中老年人群)持续的兴趣而能够使得用户能够主动地、长期地使用本数字道具，而本数字道具所采集的用户的行为数据能够作为所述初始数据之一并被发送至服务器后再经所述服务器处理分析以计算得出能够表征所述用户的认知能力的所述数字生物标志物；此外也可以显著地降低对用户健康状态(比如认知能力)进行筛查/评估的经济成本、以及社会成本以及避免医疗资源的浪费。
10.而当本数字道具被用于某一社区棋牌娱乐场所时，棋牌娱乐场所很可能存在多个使用本数字道具的用户，且同时使用本数字道具(例如多个本数字道具的用户同时在整理棋牌实体、同时在手掌内翻转棋牌实体等，或者同一数字化麻将在同一时段可以被多个不同的用户移动、拿取等。本系统的数字道具每当被用户使用/移动时数字道具至少能够向分析单元和/或服务器发送该数字道具当次运动的运动数据，而由于每个数字道具在一个时间段内可以被多个使用本数字道具的不同用户使用，因此轨迹传感器或服务器存在无法准确、快速地将每个处于使用/运动中的数字道具的运动数据归入使用数字道具的用户的动作数据库中，即数字道具所记录的运动轨迹等数据的归属问题没有解决。因此，对使用本系统的用户配备便携式智能设备，所述穿戴设备至少能够向数字道具内的轨迹传感器发送能够标识所述用户的身份信息的标识符，以解决数字道具所记录的运动轨迹等数据的归属问题。换而言之，穿戴设备与至少一个道具之间可以存在预先绑定的数据链接关系，这例如可以通过near field communication，zigbee，bluetooth等协议来实现。
11.优选地，所述轨迹传感器能够获取所述便携式智能设备的标识符。优选地，轨迹传感器能够测量其与便携式智能设备之间的距离。特别优选地，每个数字道具内的轨迹传感器在被用户移动的第二时刻测量与处于该数字道具的周围的便携式智能设备的距离，并向距离该数字道具最近的便携式智能设备发送数据归属请求。优选地，距离该数字道具最近的便携式智能设备接收到所述数据归属请求后向所述轨迹传感器发送其携带的标识符，以标识使用该便携式智能设备的用户的身份信息。
12.优选地，便携式智能设备能够人为地录入用户的身份信息。优选地，用户的身份信息可以包括但不限于：用户的姓名、年龄、性别、等。与此同时，便携式智能设备至少能够测
量被移动中的所述数字道具与所述便携式智能设备之间的距离。
13.优选地，轨迹传感器能够自动计时，以记录轨迹传感器或棋牌实体发生运动或振动的时间。优选地，轨迹传感器所采集的运动数据中能够附上运动数据相对应的时间戳。
14.优选地，第一时刻能够由轨迹传感器确定。优选地，当轨迹传感器所测量的轨迹传感器和/或棋牌实体的振动值从数值零变为非零的数值时，轨迹传感器判定此时为第一时刻。
15.特别优选地，当轨迹传感器所测量的轨迹传感器和/或棋牌实体的振动值从数值零变为非零的数值且所述轨迹传感器所处的高度偏离第一高度时，轨迹传感器判定此时为第一时刻。优选地，第一高度为数字道具使用平台的高度。优选地，数字道具使用平台可以为麻将桌等。通过此设置，可以使得设置于数字道具内的轨迹传感器当被用户移动且仅当被移动至数字道具使用平台以外时，轨迹传感器才开始记录轨迹传感器的空间坐标信息等，从而使得轨迹传感器能够记录用户一次完整的摸牌动作(特别是记录从桌面摸牌到重新将棋牌实体放回桌面之间的停顿思考过程和完整的摸牌轨迹)，即避免轨迹传感器被用户停顿于半空时轨迹传感器将一次完整的摸牌动作分解为多个子部分来记录而容易丢失半空停顿或滞留时间和完整的摸牌轨迹等可能重要的数字生物标志物。
16.优选地，第二时刻能够由轨迹传感器确定。优选地，当轨迹传感器所测量的轨迹传感器和/或棋牌实体的振动值从非零的数值变为数值零时，轨迹传感器判定此时为第二时刻。
17.特别优选地，当且仅当所述数字道具内的轨迹传感器处于所述第二时刻时开始搜索所述轨迹传感器周围的所述便携式智能设备时，所述轨迹传感器获取距离所述轨迹传感器最近的所述便携式智能设备的标识符。
18.通过该配置方式，可以避免发生如下情况：在第一时刻或第一时刻与第二时刻之间来测量轨迹传感器与其周围的最近距离的便携式智能设备时，用户移动一次数字道具或者一次数字道具运动的过程中，该用户的轨迹传感器搜索到多个其他用户或者其他用户的便携式智能设备。这是由于用户使用数字道具的过程中，尤其是在使用或移动完某个数字道具的时刻(例如第二时刻)，该数字道具位于靠近使用当次数字道具的用户的一侧，进而能够与其他用户的便携式智能设备保持相对较远的距离，从而避免发生一次轨迹传感器识别出与多个用户的便携式智能设备的距离为相同的最小距离，即避免发生用户移动一次数字道具或者一次数字道具运动的过程中，该用户的轨迹记录传感器搜索到多个其他用户或者其他用户的便携式智能穿戴设备的情况。而本技术方案中轨迹传感器选择在第二时刻测量该轨迹传感器与其周围的便携式智能设备之间的距离，即在使用或移动完某个数字道具的时刻，该数字道具已经位于靠近使用当次数字道具的用户的一侧，进而能够与其他用户的便携式智能设备保持相对较远的距离，从而使得使用当次数字道具的用户、非使用当次数字道具的用户与当次数字道具的距离具有显著的差异性，从而提升了数字道具每次所采集的空间坐标数据的归属问题的准确性。
19.例如，轨迹传感器开始测量其与周围的便携式智能设备之间的距离，并向距离该数字道具最近的便携式智能设备发送出身份请求。之后距离该数字道具最近的便携式智能设备向该数字道具内的轨迹传感器发送用于标识佩戴所述便携式智能设备的用户的身份信息的标识符。
20.当轨迹传感器接收到与该数字道具距离最近的便携式智能设备的标识符后，轨迹传感器将标识符插入该轨迹传感器当次向分析单元和/或服务器的运动数据之中，以标识出当次采集的运动数据来源于哪一个用户。
21.特别优选地，轨迹传感器仅能够测量距离在距离阈值范围内的便携式智能设备的距离。优选地，距离阈值可以根据实际场景人为地设定，例如距离阈值可以为十五厘米。通过该配置方式，可以显著地减少轨迹传感器的测距需求，从而显著地降低轨迹传感器的数据(例如与周围若干便携式智能设备的距离)采集量，进而使得轨迹传感器能够更快速地识别出距离当次轨迹传感器最近的便携式智能设备，最终获取所述便携式智能设备相关联的用户的身份信息。
22.优选地，标识符可以由字符、数字等构成。例如，标识符可以为a1、a2、a3、a4，其中，一组用户使用同一套数字道具，字母a可以代表属于哪一组用户，数字可以标识属于相应用户组的第一个用户。
23.优选地，当轨迹传感器通过无线网关完成向分析单元和/或云服务器当次运动数据之后，该轨迹传感器自动地将所记录的标识符清除，以便于该轨迹传感器在下一次被用户使用/移动的过程中接收来自所述便携式智能设备用于标识下一次用户的身份信息的标识符。
24.轨迹传感器向分析单元和/或服务器发送当次运动数据。
25.当分析单元和/或服务器接收到所述运动数据，先识别该当次运动数据中的标识符以识别当次运动数据的数据源归属，然后再将当次运动数据录入与该运动数据中的标识符所对应的用户的数据库内，从而解决每个数字道具每次采集的数据归属问题。
26.优选地，设置于所述数字道具内的轨迹传感器所采的所述运动数据还能够通过所述便携式智能设备发送至分析单元和/或服务器。
27.特别优选地，轨迹传感器还能够测量其自身和/或棋牌实体的振动值。优选地，轨迹传感器能够在轨迹传感器或棋牌实体发生振动/运动时开始记录轨迹传感器或棋牌实体的空间坐标数据等。优选地，轨迹传感器能够在轨迹传感器或棋牌实体停止振动/运动时停止记录轨迹传感器或棋牌实体的空间坐标数据等。特别优选地，轨迹传感器能够在轨迹传感器或棋牌实体发生振动/运动且所述轨迹传感器并非处于第一高度时开始记录轨迹传感器或棋牌实体的空间坐标数据等，其中，所述第一高度为用户使用数字道具的棋牌平台的高度。比如，棋牌平台可以为麻将桌等。通过该配置方式，可以避免数字道具内的轨迹传感器在数字道具被洗牌等非用户独立使用时采集数字道具运动过程中的数据，而此类数据(比如数字道具被自动麻将机洗牌的情况；又比如，数字化麻将被多个用户手动洗牌的情况)不能作为用户个人独立使用行为的初始数据，从而进一步地减少无效的初始数据的采集，进而提升初始数据的质量、降低了服务器的数据处理量。优选地，轨迹传感器所采集的空间坐标数据精度最高可以至少达到五毫米。优选地，轨迹传感器所采集的空间坐标数据精度的记录时长最大可以为十秒。
28.根据一个优选实施方式，所述初始数据还能够包括以下一种或多种：交互数据、语言数据、眼动数据、瞳孔数据和日常数据。所述交互数据、语言数据、眼动数据、瞳孔数据由分析单元在所述用户使用所述分析单元的交互过程中采集得到，所述日常数据由智能监测单元在所述用户日常生活行为中采集得到。
29.根据一个优选实施方式，所述数字道具可以包括：棋牌实体和轨迹传感器。所述轨迹传感器至少能够获取所述棋牌实体被所述用户使用过程中的空间坐标数据以及所述空间坐标数据相对应的时间戳。
30.根据一个优选实施方式，所述用户能够佩戴便携式智能设备。所述便携式智能设备被配置为至少能够向所述分析单元和/或所述服务器发送能够标识所述用户的身份信息的识别码。所述分析单元和/或所述服务器能够获取所述便携式智能设备所携带的能够标识所述用户身份信息的识别码。
31.根据一个优选实施方式，所述便携式智能设备还能够采集或被输入所述用户的生理数据。所述生理数据可以包括心率、血压、脉搏血氧饱和度、体温中的一个或者多个。所述便携式智能设备能够将所述个体特征数据和/或生理数据发送至所述分析单元和/或所述服务器。优选地，上述生理数据也能够作为初始数据。所述个体特征数据可以包括对所述棋牌实体的熟悉程度、受教育程度和疾病史
32.根据一个优选实施方式，设置于所述数字道具内的所述轨迹传感器所采集的所述行为数据还能够通过所述便携式智能设备发送至所述分析单元和/或所述服务器。
33.根据一个优选实施方式，所述分析单元和/或处理分析以计算得出能够表征所述用户的认知能力的所述数字生物标志物的方法为：
34.从所述初始数据提取特征数据并进一步从所述特征数据中筛选出候选数字生物标志物；
35.对所述候选数字生物标志物进行特征因果推断，以计算分析得出所述数字生物标志物。
36.根据一个优选实施方式，对所述候选数字生物标志物进行特征因果推断，以推断出有效的数字生物标志物的方法为：
37.基于所述特征数据构建因果分析知识库，并基于因果分析理论通过所建立的因果分析知识库对所述候选数字生物标志物进行因果推断，以计算分析得出有效的数字生物标志物。
38.优选地，基于因果分析理论通过所建立的因果分析知识库对所述候选数字生物标志物进行因果推断的方法为：
39.s1：文献单元构建原始文献库；
40.s2：数据单元构建数据集；
41.s3：因果单元构建病症之间的因果关系；
42.s4：知识单元存储所述原始文献库、所述数据集和/或所述平均因果效应以构建能够读取和/或显示的所述因果分析知识库。
43.优选地，所述文献单元能够获取众多含有多种认知能力的相关文献并对其进行分类形成若干文献单元体以构建所述原始文献库，以使得所述数据单元能够基于所述文献单元获取主要特征参数并基于主要特征参数构建数据集。通过该配置方式，服务器还可以基于相关变量特征产生因果关系网络模型进行因果推理，以识别出与用户认知能力发生变化有关的相关特征变量与认知能力变化之间的因果关系以及该因果关系的强度，从而可以为医务人员或者医学研究人员提供一种认识引起人类个体认知能力变化的有效数字生物标志物或者病理起因的有效途径。
附图说明
44.图1是本发明提供的数字道具和服务器的一种优选实施方式的简化模块连接关系示意图；
45.图2是本发明数字道具的其中一种模型展示图。
46.附图标记列表
47.1：数字道具；
ꢀꢀꢀꢀꢀꢀꢀ
2：服务器；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
3：分析单元；
48.4：智能监测单元；
ꢀꢀꢀ
5：便携式智能设备； 101：棋牌实体；
49.102：轨迹传感器。
具体实施方式
50.下面结合附图进行详细说明。本发明提供了一种评估认知障碍的数字生物标志物。所述数字生物标记的初始数据至少通过采集用户使用数字道具1例如麻将、扑克牌、象棋、围棋等的各种操作的行为数据作为初始数据构成；采集到的初始数据会发送至分析单元3和/或服务器2，该初始数据会经过分析单元3和/或服务器2上的人工智能程序分析计算得出一系列能够表征用户认知能力例如知觉认知、感觉认知、思维认知等的数字生物标志物，得到的数字生物标志物可以针对实时采集到的用户使用数字道具1时的实时数据进行标记，通过标记可以评估用户的认知能力。
51.优选地，至少用户移动数字道具1的运动数据和用户接触数字道具1的触碰数据可作为用户对数字道具1的行为数据。优选地，用户使用数字道具1的运动数据可以包括用户对数字道具1进行的移动数字道具1、转动数字道具1的操作。优选地，用户使用数字道具1的运动数据至少还可以包括用户抬起数字道具1、落下数字道具1的操作、用户碰触数字道具1使得数字道具1倾倒以及用户使倾倒的数字道具1扶正的操作，例如图2所示的数字道具1。优选地，用户接触数字道具1的触碰数据可以包括用户施加于数字道具1的作用力的大小、方向以及频率，包括用户使用数字道具1产生的作用力的大小、方向以及频率。优选地，经过分析得到的数字生物标志物可以表征用户属性，用户属性可以包括但不限于：认知状态/能力、行动状态/能力。优选地，用户属性还可以包括但不限于学习和分析能力、表达能力、记忆能力以及心理承受能力。
52.优选地，普通的物理服务器和/或云服务器都可以作为服务器2，服务器2可以对采集到的包括但不限于行为数据的初始数据进行分析并提取数字生物标志物，并通过数字生物标志物对用户的健康状态进行评估。优选地，健康状态可以包括：认知能力，例如观察力、注意力、想象力。优选地，健康状态也可以包括：学习能力、分析能力、表达能力和记忆能力以及心理承受能力。优选地，健康状态还可以包括是否患有其他疾病。
53.根据一种优选实施方式，如图1-2所示，数字道具1可以是各种棋牌类的实体，例如麻将、国际象棋、象棋、围棋、扑克牌等。数字道具1可以包括棋牌实体101和轨迹传感器102。数字道具1的数量由各种棋牌的规则确定，数字道具1的棋牌实体101内部设置轨迹传感器102，或轨迹传感器102集成于棋牌实体101内，使数字道具1的棋牌实体101与普通的棋牌外观上无明显差别。轨迹传感器102至少能够用于获取棋牌实体101被用户使用的过程中的空间坐标以及与空间坐标相关联的时间戳，并将上述信息发送到分析单元3和服务器2上。
54.优选地，用户使用棋牌实体101的过程可以包括：移动棋牌实体101、转动棋牌实体
101、抬起棋牌实体101、落下棋牌实体101、棋牌实体101发生倾倒以及用户扶正棋牌实体101。优选地，用户使用棋牌实体101的过程还可以包括：触摸棋牌实体101时产生的对棋牌实体101的作用力的大小、方向以及频率，使用棋牌实体101对其他物体例如棋牌平台产生的作用力的大小、方向以及频率。特别优选地，棋牌实体101可以是国际象棋，尤其是具有立体空间体积的国际象棋棋子。优选地，棋牌实体101也可以是麻将、围棋、象棋、扑克牌等其他类别的棋牌。优选地，集成或者设置于棋牌实体101内部的轨迹传感器102可以能够用于获取数字道具1的三维空间坐标数据并且能够将获取的三维空间数据传输至服务器2和/或分析单元3。优选地，集成或者设置于棋牌实体101内部的轨迹传感器102可以抓取用户移动数字道具1在三维空间例如所在棋牌平台的上空和/或二维平面例如所在棋牌平台的空间轨迹数据、用户触碰数字道具1使数字道具1倾倒以及将倾倒的数字道具1扶正的空间轨迹数据。优选地，用户抓取棋牌实体101的间隔时长、用户抓取棋牌实体101过程中的停顿时长、用户使棋牌实体101在相应时长下的移动的距离、用户使棋牌实体101相对于正常放置下的棋牌实体101发生的角度变化以及棋牌实体101相对于用户手掌抓取时的初始位置与终止位置等可以作为轨迹传感器102需要捕捉的空间运行轨迹数据。
55.根据一种优选实施方式，用户可以穿戴与数字道具1相匹配的配置有可以向轨迹传感器102发送标志用户身份信息的标识符的便携式智能设备5。优选地，数字道具1内的轨迹传感器102可与便携式智能设备5进行无线连接例如蓝牙、局域网等方式，轨迹传感器102通过该连接方式获取配置于便携式智能设备5上的身份信息标识符。
56.优选地，可由用户自主选择全天二十四小时或特定时间段穿戴的便携式智能设备5。便携式智能穿戴设备5可以包括：智能手表、智能手环、智能戒指、智能项链、智能头盔等。优选地，便携式智能设备5能够佩戴与用户的手腕部，例如智能手表、智能手环。优选地，便携式智能设备5也能够佩戴于用户的其他身体部位，例如智能戒指佩戴于用户手指处、智能项链佩戴于用户颈部以及头盔可佩戴于用户头部。
57.优选地，用户能够穿戴与数字道具1相匹配的配置有可以向轨迹传感器102发送标志用户身份信息的标识符的便携式智能设备5。当且仅当数字道具1内的轨迹传感器102处于轨迹传感器102和/或棋牌实体101处于相对于便携式智能设备5静止的第二时刻时，轨迹传感器102可通过覆盖式搜索周围的便携式智能设备5，并与轨迹传感器102直线距离最近的便携式智能设备5建立连接并获取配置于便携式智能设备5上的身份信息标识符。
58.根据一种优选实施方式，便携式智能设备5能够自主收集归纳用户的生理数据和/或用户的个体特征数据，也能够人为输入并由便携式智能设备5归纳分析用户的生理数据和/或用户的个体特征数据。用户的生理数据可以包括心率、血压、血氧饱和度、体温以及和各项特征对应的时间戳，生理数据被便携式智能设备5采集分析之后发送给服务器2，服务器2依据便携式智能设备5上传的生理数据判断用户当前的生理状态。用户的个体特征数据可以包括对用户正在使用的棋牌实体101的熟悉程度、用户自主思考的能力(智商)以及可能对认知能力存在影响的疾病历史信息。
59.优选地，便携式智能设备5的内部配置有加速度测量设备，加速度测量设备可以使得便携式智能设备5获取用户活动相关的信息，例如每日的运动状态。优选地，运动状态可以包括用户每日步行步数、用户跑动距离、用户跳跃频次以及相应的时间戳。优选地，运动状态还可以包括用户身体部位发生的运动，例如用户身体部位的抖动频率、抖动幅度以及
相应的时间戳。优选地，用户身体部位可以包括手部、腿部、腰部、肩部和颈部。优选地，通过便携式智能设备5内配置的加速度测量装置获得的用户活动相关信息可以由便携式智能设备5自主采集并纳入生理数据。
60.根据一种优选实施方式，还包括能够获取用户日常生活中的日常数据并将日常数据发送到与智能监测单元4保持连接的服务器2上的智能监测单元4。
61.优选地，智能监测单元4可由用户自主选择采集全天二十四小时或者特定时段的用户的行为信息作为日常数据。优选地，日常数据可由智能监测单元4发送至服务器2，服务器2依据智能监测单元4上传的用户日常数据判断用户实时状态。优选地，实时状态可以包括当前用户认知能力状态，例如观察力、注意力、想象力。优选地，实时状态还可以包括用户当前的身体健康状态。优选地，智能监测单元4可以包括但不限于以下设备：水浸传感器、超声波传感器、微波传感器、语音记录器等。
62.例如，日常数据可以包括设置在用户厕所、厨房和/或其他接通水源的区域里的水浸传感器所采集到的用户的行为信息，例如忘记关闭水龙头的频次和打开水龙头至关闭水龙头的时长等，此类日常数据可以作为评估用户记忆力状态的依据；可通过超声波传感器对用户位置坐标进行判定，通过微波传感器对用户运动进行判定，由此通过设置在用户日常活动范围内的超声波传感器和微波传感器获取可以判定用户观察力、注意力和行动力的用户移动的方向、速度和距离等信息；可通过设置于用户日常行为活动范围内的语音记录器所记录的用户语音信息并根据其语频、语速、语音信息判定用户的注意力，还可以根据重句和关键字等信息评估用户的言语瞬时或延迟记忆力。优选地，日常数据也可以包括危险因素和生理指标。优选地，危险因素可以包括但不限于：吸烟的频率、饮酒的频率等。优选地，生理指标可以包括但不限于：心脏的健康状态、脑部的健康状况等。优选地，日常数据还可以包括认知能力评估所需的其他运动数据。根据一种优选实施方式，还具有设置或集成于移动智能平台例如智能手机、平板电脑内部的分析单元3。分析单元3可以对用户与分析单元3之间的交互过程进行记录分析，并整理归纳用户与分析单元3的交互数据、用户的语言数据、用户的眼动数据以及用户的瞳孔数据，并通过分析单元3将上述数据发送至服务器2，服务器2对用户与分析单元3的交互过程进行分析评估，并存储备份分析得到的评估数据。
63.优选地，交互数据是用户在操纵数字道具1的棋牌实体101时或者与分析单元3进行交互的过程中产生的例如点击数据、频率数据、动作连续数据、轨迹数据、信息内容选择数据、滑动选择数据、内容变化逻辑关系数据等数据。优选地，通过移动智能设备内设置或者集成的分析单元3可以识别和分析并提取用于分析判断用户的情绪状态、情感信息等信息的语言数据。优选地，语言数据可以包括用户平时通过移动智能设备与他人或与智能设备交互产生的语音信息和图文信息。
64.优选地，移动智能设备内的分析单元3收集的用户产生的图文信息可以包括用于交流的图文信息、语言文字和/或表达语言的图片或文字等信息，例如现在普遍使用的表情包、颜文字等可以更生动形象地表达使用者情绪的图文信息。通过设置在或集成于移动智能设备内部，分析单元3可以连接网络以此来识别分析图文信息，从而直接或者间接获取用户的实时的情绪状态和情感信息等，从而便于判断用户的实时认知能力处于何种状态。
65.优选地，语音信息是用户与设置或集成于移动智能设备内的分析单元3交互时的
语音，用户通常会通过移动智能设备与他人交流或者直接与移动智能设备交流，交流产生的语音信息包括语音命令、单词语音、短语语音等。优选地，分析单元3能够对语音进行底层处理并通过提取语音里不同的音素与音素的重复组合，从而识别和提取每条语音的特征，包括音量高低、音调转化和音频高低等，分析单元3可将采集分析得到的此类数据发送至服务器2。
66.优选地，眼动数据能够由设置在分析单元3内的眼电图传感器或者其他相关的眼动传感器获取。分析单元3内的眼电图传感器或者其他相关的眼动传感器可以通过移动智能设备的摄像头捕获到用户的眼珠运动状态。优选地，眼动数据可以包括但不限于：用户眼球注视、眼跳和追随时眼球的运动相关数据。优选地，眼动数据还可以包括：用户眼球注视时注视点的坐标、在此注视点停留的时长、在此注视点瞳孔数据等。分析单元3通过眼电图传感器或其他相关的眼动传感器获取的眼动数据可通过分析单元3发送至服务器2。
67.优选地，分析单元3内的眼电图传感器或其他相关的眼动传感器通过移动智能设备的摄像头捕获的用户的瞳孔数据包括但不限于用户在操作数字道具1过程中触摸棋牌实体101、听见或看见其他人打出的棋牌实体101时的瞳孔发生的一系列变化，例如瞳孔的大小变化、变化速度和聚焦频次等。
68.优选地，设置或集成于移动智能设备内部的分析单元3可通过移动智能设备自主采集与用户的交互数据、语言数据、眼动数据和瞳孔数据，分析单元3也可通过人为地从移动智能设备的输入端输入并由分析单元3整理归纳。优选地，分析单元3可以设置于或集成于例如手机或平板电脑等移动智能设备内。优选地，设置于或集成于移动智能设备内部的分析单元3可由用户实际需求在移动智能设备上自主分析单元3内部的眼电图传感器或其他相关眼动传感器的运作状态以获取自身需要的相应的交互数据、语言数据和/或眼动数据。
69.例如，设置于或集成于移动智能设备内部的分析单元3可以通过获取用于与承载有分析单元3的移动智能设备交互时产生的输入信息，并将该输入信息与分析单元3和/或服务器2制定的信息键入标准进行对比，从而对用户的认知能力进行评估。分析单元3和/或服务器2制定的信息键入标准可以包括：语义清晰度、轨迹记忆是否明确、测试时间的长度、键入信息是否超过规定范围(如应当输入1至9范围内数字，但是实际输入超出这一范围)等。再例如，通过将分析单元3设置于或集成于移动智能设备(例如手机、平板电脑)中的休闲app内，并通过移动智能设备可以获取用户休闲时与相关app产生的交互数据、语言数据等。设置于或集成于移动智能设备内部的分析单元3还能够通过与数字道具1内的轨迹传感器102捕获用户与棋牌实体101交互时发生的动作信息、轨迹信息。例如，让用户在设置于或集成于移动智能设备内部的内部设置或集成了分析单元3的某个休闲app上画一个时钟或者画一个当前棋牌实体101的外形等，此方式相比传统量表评估画时钟可以获得更多的评判信息，通过内部设置或集成了分析单元3的移动智能设备的屏幕以及与移动智能设备交互的电子触控笔上设置与分析单元3连接的传感器抓取用户操作数据。用户在该app上的操作数据可以包括但不限于：用户使用电子触控笔在分析单元3的触摸屏上画图时使用电子触控笔接触触摸屏的力度、画图时电子触控笔鼻尖在触摸屏上划过的速度和/或停顿时间、用户使用电子触控笔所形成的笔迹的形状、用户施加在电子触控笔笔身的压力以及用户握住电子触控笔笔身时的湿度等数据，并将上述操作数据通过移动智能设备保存至分析单元
3自身或者发送至服务器2，以通过分析单元3自身或者服务器2对用户认知能力的数字化和健康状态初步评估。
70.优选地，分析单元3和/或服务器2对用户认知能力的数字化和健康状态的初步评估所形成的评估数据包括但不限于：用户使用电子触控笔在分析单元3的触摸屏上画图时使用电子触控笔接触触摸屏的力度、画图时电子触控笔鼻尖在触摸屏上划过的速度和/或停顿时间、用户使用电子触控笔所形成的笔迹的形状、用户施加在电子触控笔笔身的压力、用户握住电子触控笔笔身时的湿度、评估过程中用户与分析单元3交互时语音的清晰度、数字道具1被移动所形成的轨迹是否流畅、完成一次评估所需的时间等。分析单元3或者服务器2通过将获取的评估数据与大数据收集到的正常状态下人在相同操作时产生的正常数据作对比，以此初步判断用户认知能力的数字化和健康状态。
71.通过该配置方式，不仅仅能够通过分析单元3或者服务器2比较用户使用内部设置或集成了分析单元3的移动智能设备时在移动智能设备屏幕上所形成的手势轨迹、使用与移动智能设备对应的电子触控笔的力度等数据信息将这类信息与通过设置或集成于移动智能设备内部的分析单元3或服务器2收集到的其他正常认知能力人群做出相同操作是的数据信息进行横向对比，并且可以通过用户对于施加在触控笔笔身的压力和握住触控笔时手心是否出汗等信息初步判断身体健康状态，而且更重要的是分析单元3或者服务器2能够基于用户的不同时期其认知能力的变化趋势和身体状态的变化趋势进行监测和评估，从而可以避免将原本认知能力较低的被测试者评估为认知能力不足和简单预测用户的身体状态。例如，在移动智能设备上的一款设置或集成有分析单元3的休闲app上，可以将一块棋牌实体101例如麻将牌的图片随机切割成几个碎片，然后将顺序打乱，再通过让用户判定这些碎片化图片是由哪个麻将牌切割而成的，从而从若干麻将中选取对应的麻将牌，以获取与用户的视空间能力对应和思维能力的评估数据，再例如让用户将简单的几个随机切割的碎片完整的拼接完全，从而分析用户的记忆力和视空间能力。通过该配置方式，可以通过用户与内部设置或集成了分析单元3的移动智能设备或移动智能设备上的休闲app或者其他评估装置的交互以获取用户的操作、语音等数据，从而对用户的认知能力例如视空间能力、思维能力或者记忆力等进行评分或者评估。
72.分析单元3和服务器2均可能具有数据处理功能，可将分析单元对于数据处理功能设置为第一数据处理阶段，将服务器2的数据处理功能设置为第二数据处理阶段。
73.设置在移动智能设备内部的分析单元3的第一数据处理阶段一般分为以下步骤：针对用户提出的问题或者用户的反馈可提交至移动智能设备内部的分析单元3，分析单元3会对用户通过移动智能设备的输入端提交的信息进行初步判断，初步判断可以包括其出生年月与身份证是否对应、各个认知评估能力得分是否在规定数值范围内、输入数据是否清晰、超时等的数值范围区间判断；完成初步判断之后，分析单元3会进行逻辑校验，判断用户提交的信息是否矛盾；通过逻辑校验之后，分析单元3将用户提交的信息和对用户对应认知域认知能力得分发送至服务器2，服务器2对各个分析单元3的得分进行总和，将总分与设定的得分区间对应认知评估水平进行比对，实现对受试者认知的评估。
74.与便携式智能设备5、数字道具1的棋牌实体101内部的轨迹传感器2、设置或集成于移动智能设备内部的分析单元3以及分布在用户日常生活空间内的智能监测单元4时刻保持连接的服务器2的第二数据处理阶段可以包括一下步骤：基于多模态的数据融合技术，
服务器2对于数字道具1的棋牌实体101内部的轨迹传感器102捕捉的用户的运动数据、分析单元3发送的交互数据、语言数据、眼动数据、瞳孔数据、智能监测单元4的传感器采集到的传感器数据认知能力得分数据、以及便携式智能设备5捕捉到的用户身体的运动数据进行数据融合；服务器2完成数据融合之后，针对融合数据进行基于机器学习的特征提取方法(例如偏最小二乘法、自编码器算法及其衍生算法、对抗网络学习算法及其衍生算法等)提取可能用于表征用户认知状态的数字生物标志物；完成数字生物标志物的提取之后，针对提取的数字生物标志物与认知域进行关联，以获取能够表征用户认知状态的相关数字生物标志物，根据各数字生物标志物在特征提取算法中的权重进行重要性排序，实现认知筛查全面可靠，助力认知障碍早发现。通过该配置方式，即将分析单元3设置或集成于移动智能设备上的休闲app上，不仅可以通过移动智能设备和用户进行语音交流获取用户与分析单元3的问答信息，还能够通过移动智能设备的屏幕捕捉用户与移动智能设备或移动智能设备上的休闲app互动时的动作信息、使用与移动智能设备对应的电子触控笔的力度等数据信息等。例如，让用户在设置于或集成于移动智能设备内部的内部设置或集成了分析单元3的某个休闲app上画一个时钟或者画一个当前棋牌实体101的外形等，此方式相比传统量表评估画时钟可以获得更多的评判信息，通过内部设置或集成了分析单元3的移动智能设备的屏幕以及与移动智能设备交互的电子触控笔上设置与分析单元3连接的传感器抓取用户操作数据。用户在该app上的操作数据可以包括但不限于：用户使用电子触控笔在内置分析单元3的移动智能设备的触摸屏上画图时使用电子触控笔接触触摸屏的力度、画图时电子触控笔鼻尖在触摸屏上划过的速度和/或停顿时间、用户使用电子触控笔所形成的笔迹的形状、用户施加在电子触控笔笔身的压力以及用户握住电子触控笔笔身时的湿度等数据，并将上述操作数据通过移动智能设备保存至分析单元3自身或者发送至服务器2，上述操作数据的获取更加全面及多维化，提取到的特征数据也更加全面与多维化。分析单元3自身或者服务器2通过更加全面和多维化的特征数据对用户认知能力的数字化和健康状态的评估也能够更全面、更客观。
75.特别优选地，设置集成于移动智能设备内部的分析单元3与用户之间可以建立语音、图像以及物理接触例如触摸等交互手段，以获取用户抓取数字道具1时(特别是用户抓取内部设置有轨迹传感器102的棋牌实体101时)的语言数据、图像数据等。例如，可通过设置或集成于移动智能设备内部的分析单元3向用户提出与目前数字道具1的棋牌实体101规则相关的问题，以国际象棋为例，设置或集成于移动智能设备内部的分析单元3可以通过移动智能设备向用户发出语音提问或者显示文字信息提问：“请阐述该国际象棋棋子下一步存在几种走法”，若用户作出语音回答，设置或集成于移动智能设备内的分析单元3通过移动智能设备的听筒装置收录语音，并将语音进行语义转化，转化为分析单元3可识别的信息；若用户通过移动智能设备键入答案，设置或集成于移动智能设备内部的分析单元3通过获取移动智能设备输入端的答案，并将其转化为自身可识别的信息。针对用户给出的答案信息，移动智能设备内部的分析单元3对答案信息进行判断并根据判断结果为用户此次答题进行评分，并将结果存放在本地和上传至服务器2，针对键入的答案信息同样进行判断评分，存放本地并上传至服务器2，服务器2可通过机器学习算法判断得分情况。
76.根据一种优选实施方式，用户使用数字道具1时的运动数据、用户与分析单元3交互时产生的交互数据、语言数据、眼动数据、瞳孔数据、智能监测单元4所获取的用户的日常
数据能够分别被分析单元3和服务器2获取，上述获取的各类数据被存放至分析单元3和/或服务器2，并用于后续服务器2和/或分析单元3通过人工智能算法进行数据分析从而计算得出可以表征用户认知能力障碍和其他疾病的数字生物标志物。
77.根据一种优选实施方式，在分析单元3和/或服务器2完成数据处理后，设置或集成于移动智能平台内的分析单元3或存储有来自各个组件的数据的服务器2对经过服务器2进行第二阶段数据处理后的数据进行分析，其过程为：将用户借助于集成或者设置于棋牌实体101内部的轨迹传感器102抓取的用户移动数字道具1在三维空间例如所在棋牌平台的上空和/或二维平面例如所在棋牌平台的空间轨迹数据、用户触碰数字道具1使数字道具1倾倒、将倾倒的数字道具1扶正的空间轨迹数据以及相应的时间戳形成的运动数据输入深度学习网络以提取与表征用户认知能力有关的特征数据；将用户使用分析单元3所获取的用户的语言数据通过傅里叶变换以及频域分析等技术手段转换为特征数据，并通过堆栈自编码对上述数据进一步地提取特征数据；将智能监测单元4所获取的用户的日常数据通过本体学习的方式从中提取可能的特征数据。当服务器2或者分析单元3获取用户使用数字道具1时的运动数据、使用分析单元3时所记录的用户的交互数据、语言数据、眼动数据、瞳孔数据以及智能监测单元4所获取的用户的日常数据进行数据分析(即数字生物标志物的提取)，数据分析依靠人工智能算法完成，主要步骤如下：将用户借助于集成或者设置于棋牌实体101内部的轨迹传感器102抓取的通过用户移动数字道具1在三维空间例如所在棋牌平台的上空和/或二维平面例如所在棋牌平台的空间轨迹数据、用户触碰数字道具1使数字道具1倾倒、将倾倒的数字道具1扶正的空间轨迹数据以及相应的时间戳形成的运动数据输入深度学习网络以提取与表征用户认知能力或运动状态有关的特征数据；将与服务器2进行无线连接的智能监测单元4所获取的用户的日常数据(例如用户如厕时获取的水浸、超声、压力数据)通过本体学习的方式从中提取能够表征用户属性的特征数据。优选地，用户属性可以包括但不限于：认知状态/能力、行动状态/能力。优选地，用户属性还可以包括但不限于学习和分析能力、表达能力、记忆能力以及心理承受能力。
78.根据一种优选实时方式，上述特征数据可能由于一些原因不具备成为数字生物标志物的特性，因此需要分析单元3和/或服务器2对上述提取到的特征进行筛选，从而生成能够准确表征用户认知能力或者健康状况的数字生物标志物，获得准确的数字生物标志物之后，仍需进一步对数字生物标志物进行重要性排序，其排序方式可选依靠边际贡献分析来完成。优选地，有效数字生物标志物的特征选择方法可以包括偏最小二乘法、变分自编码器、对抗网络学习中的一种或多种。优选地，有效数字生物标志物的特征选择方法也可以采用其他类别的方法，例如包裹器方法(wrapper)和嵌入式方法(embedding)。当服务器2或者分析单元3初步提取上述特征数据之后，服务器2或者分析单元3对以上所有所提取的特征可以通过偏最小二乘法进行特征选择：
79.y＝x*(x
t
s(t
t
x
t
s)-1
t
t
y+reꢀꢀ
(1)，其中s为自变量x映射的向量，t为因变量y映射的向量，re为相应的残基构成的矩阵。接收来自于数字道具1的棋牌实体101内部的轨迹传感器102、分布在用户的活动空间内的智能监控单元4、捕捉用户身体运动状态的便携式智能设备5传来的各类数据以及设置或集成于移动智能设备内部的分析单元3自身采集到的数据的分析单元3和/或服务器2对上述提取到的可以用于大致表征用户认知能力状态和身体健康状态的特征数据依靠最小二
乘法进行准确有效的特征数据筛选，从而生成能够准确有效地表征用户认知能力或者健康状况的数字生物标志物，获得准确有效的数字生物标志物之后，仍需进一步对数字生物标志物进行重要性排序，其排序方式可选依靠边际贡献分析来完成。与此同时，与便携式智能设备5、数字道具1的棋牌实体101内部的轨迹传感器102、设置或集成于移动智能设备内部的分析单元3以及分布在用户日常生活空间内的智能监测单元4时刻保持连接的服务器2能够实时的获取设置于或者集成于移动智能设备上的各个分析单元3对于用户认知能力的初步评分，分析单元3的初步评分可辅助识别或者挖掘能够准确表征人类用户认知能力变化(包括下降、提升)的数字生物标志物。该设置可提升从用户使用数字道具1的运动数据、与分析单元3交互时的交互数据、语言数据、眼动数据、瞳孔数据以及智能监测单元4所获取的用户的日常数据中筛选提取出可能准确表征人类用户认知能力变化(包括下降、提升)或其他疾病的数字生物标志物的成功率。
80.根据一种优选实施方式，基于用户操作数字道具1的棋牌实体101时棋牌实体101内部的轨迹传感器102提供的用户操作运动数据、设置或集成于移动智能设备内部的分析单元3提供的用户与移动智能设备交互产生的交互数据、语言数据、眼动数据、瞳孔数据、与服务器2实时连接且分布在用户活动空间内的智能监测单元4提供的日常数据、穿戴在用户身体部位上的便携式智能设备5提供的用户自身的运动数据提出出来的所有特征数据构建用户因果分析知识库，该因果分析知识库的建立有助于基于因果分析理论对数字生物标记物进行因果分析，从而有效判断该数字生物标志物表征人类用户认知能力变化(包括下降、提升)的准确度，并且有助于挖掘能有有效表征用户认知能力变化(包括下降、提升)和身体健康状态的数字生物标志物。
81.用户对数字道具1进行操作的行为数据也可作为用户认知能力的评估依据，将其称为基于数字道具1的认知能力评估方法，该方法通过用户对数字道具1的操作产生的运动数据，通过分析单元3获取用户与分析单元3交互时产生的交互数据、语言数据、眼动数据、瞳孔数据，通过智能监测单元4获取用户日常活动范围内的日常数据；服务器2通过轨迹传感器102获取上述运动数据、通过分析单元3获取交互数据、语言数据、眼动数据、瞳孔数据和通过智能检测单元4获取用户的日常数据以提取可能的数字生物标志物；基于所获取的所有特征数据构建用户因果分析知识库，该因果分析知识库的建立有助于基于因果分析理论对数字生物标记物进行因果分析，从而有效判断该数字生物标志物表征人类用户认知能力变化(包括下降、提升)的准确度，并且有助于挖掘能有有效表征用户认知能力变化(包括下降、提升)和身体健康状态的数字生物标志物。
82.本发明还提供一种基于因果学习从候选数字生物标志物进行因果推断的方法。方法包括：
83.s1：文献单元构建原始文献库；
84.s2：数据单元构建数据集；
85.s3：因果单元构建病症之间的因果关系；
86.s4：知识单元存储原始文献库、数据集和/或平均因果效应以构建能够读取和/或显示的知识库。从而知识库提供的信息能够以数据量化的形式提供给医疗工作者参考、学习和/或决策。
87.优选地，文献单元能够检索并收集众多含有多种认知能力的相关文献并通过机器
学习算法对其进行分类形成若干文献单元体以构建原始文献库，以使得数据单元能够基于文献单元体获取由数字道具1的棋牌实体101内的轨迹传感器102、便携式智能设备5、设置或集成于移动智能设备内的分析单元3、智能监控单元4提供的数据并由与各组件时刻连接的服务器2对提供的数据进行分析提取出的主要特征参数并基于主要特征参数构建数据集，从而降低海量相关文献形成的庞大的特征参数对于认知能力与病症之间因果关系的干扰并提高原始文献库的利用价值和利用效率。
88.优选地，由数字道具1的棋牌实体101内的轨迹传感器102、便携式智能设备5、设置或集成于移动智能设备内的分析单元3、智能监控单元4提供的数据并由与各组件时刻连接的服务器2对提供的数据进行分析提取出的主要特征参数和数据集通过因果单元构建能够通过数据模式分析得出认知能力之间的平均因果效应的贝叶斯网络，从而使得知识单元能够基于相关文献以形成认知能力之间及认知能力之间的平均因果效应的对应关系的方式构建知识库。例如，认知能力之间的平均因果效应能够反映出认知能力之间是否是构成并发症和合并症。
89.优选地，主要特征参数可以是由数字道具1的棋牌实体101内的轨迹传感器102、便携式智能设备5、设置或集成于移动智能设备内的分析单元3、智能监控单元4提供的数据并由与各组件时刻连接的服务器2对提供的数据进行分析提取出的能够表征人类用户认知能力变化和身体健康状态的数字生物标志物。优选地，用于构建知识库的数据集可以包括但不限于服务器2通过分析单元3获取的语音特征数据、通过轨迹传感器102和便携式智能设备5获取的行为特征数据、生理指标数据和通过智能监控单元4获取的危险因素数据。优选地，行为特征数据可以包括数字道具1的运动数据、人体运动数据。优选地，行为特征数据也可以包括便携式智能设备5所采集的用户其他行为信息，例如用户每天所行走的步数、睡眠时间等数据信息。
90.优选地，因果单元也可以通过数据模式分析认知能力之间的直接因果效应，从而使得知识单元能够基于相关文献以形成认知能力之间及认知能力之间的直接因果效应的对应关系的方式构建知识库。
91.优选地，因果单元所采用的主要特征参数可以包括但不限于：用户使用数字道具1时的运动数据、用户自身的运动数据、用户与分析单元3交互时产生的交互数据、语言数据、眼动数据、瞳孔数据以及智能监测单元4提供的用户日常活动范围内的日常数据。优选地，文献单元能够检索并收集众多含有多种认知能力的相关文献并通过机器学习算法对其进行分类形成若干文献单元体以构建原始文献库，以使得数据单元能够基于文献单元体获取主要特征参数并基于主要特征参数构建数据集，从而降低海量相关文献形成的庞大的特征参数对于认知能力与病症之间因果关系的干扰并提高原始文献库的利用价值和利用效率。该相关文献包括就诊病历、研究报告、会议文献、期刊文献、书籍、学术论文和专利。构建原始文献库所需求的文献相当之巨，为了好的管理文献和更有效的观察认知能力之间的关联以及减小各个组件运行的负荷，需要对构建原始文献库所需的庞大的文献进行分类。分类的标准有多种，例如通过疾病类别进行分类如按照消化道疾病、心血管疾病和神经科疾病等进行分类，也可以按照康复学和心理学等学术领域进行分类。文献的分类同样是一个重要的过程，因为其可能会直接影响并发症和合并症的区别，因此，如何在大量文献的严峻形式下对其进行准确高效的分类，也是重点需要解决的问题。优选地，文献分类可以采用贝叶
斯法、svm方法和k-nn法。
92.优选地，相关文献分类按照如下方式进行：s11：文献单元统计每一个文献中单词/词组的频率，按照独立性假设获取单词/词组的联合出现概率。例如，对于一个具体的文献，其联合出现概率分布可以按照朴素贝叶斯方法计算。
93.s12：文献单元计算单词/词组的关联性强度。通过关联性强度的计算，能够反映单词/词组的关联性，对于文献的分类是适宜的。优选地，在分类时，定义n为文献样本的集合，v是文献类型的集合，vi是第i个文献类型的子集。w是单词/词组集合，wi是第i个单词/词组的子集。在vi中含有sj个样本，其中第p个样本的关联约化坐标tp是一个n维数组：
[0094][0095]
其中，ki(i＝1,2,3，
…
n)中第i个单词出现的个数，归一化系数。
[0096]
在vi的关联向量是所有vi中样本关联约化坐标的平均，该值反映了文献中单词/词组的关联性强度即：
[0097][0098]
s13：文献单元1获取文献的关联约化坐标，并基于全部的相关文献的关联约化坐标构建的分类函数将相关文献按照迭代算法的形式进行分类以形成若干文献单元体。优选地，对于任意文献其关联约化坐标为：
[0099][0100]
式中，qi是文献中第i个单词出现的次数。在进行分类是，待分类文献与每一类文献vi的支撑点(b1,b2,
…
,bn)的距离记为：
[0101][0102]
根据关联性强度，构建文献分类函数：
[0103][0104]
式中，γi与关联性强度相关。
[0105]
优选地，迭代算法可以采用最小化迭代算法、极小优化迭代算法和期望最大迭代算法。优选地，分类函数能够基于相关文献的样本量进行深度学习，从而增强文献单元的精度。
[0106]
优选地，文献单元能够检索并收集众多含有多种认知能力的相关文献并通过机器学习算法对其进行分类形成若干文献单元体以构建原始文献库，以使得数据单元能够基于文献单元体获取由数字道具1的棋牌实体101内的轨迹传感器102、便携式智能设备5、设置或集成于移动智能设备内的分析单元3、智能监控单元4提供的数据并由与各组件时刻连接的服务器2对提供的数据进行分析提取出的主要特征参数并基于主要特征参数构建数据集，从而降低海量相关文献形成的庞大的特征参数对于认知能力与病症之间因果关系的干扰并提高原始文献库的利用价值和利用效率。优选地，在数据单元获取了文献单元体的情
况下，数据单元按照认知能力对配对的方式获取数据集。数据单元对每一个相关文献以自然语言处理的句法分析方式提取其中认知能力对之间的关系，用以建立认知能力对的关系知识库，认知能力对之间的关系包括正向关系、反向关系和垂直关系。并且，数据单元基于关系知识表在文献单元体内对包含有认知能力对的文献进行检索以融合的方式获取认知能力对的关系信度值用以建立认知能力对的关系信度值库，认知能力对之间的关系包括正向关系信度值、反向关系信度值和垂直关系信度值。从而，数据单元基于对所有认知能力之间按照两两配对的方式建立的关系知识库和关系信度值库构建数据集。例如，在相关文献中，获取了某种病症或行为l1和认知状态l2。某种病症或行为l1和认知状态l2出现的关系可能为正向关系，即某种病症或行为l1影响认知状态l2，记为l1
→
l2。某种病症或行为l1和认知状态l2能够出现的关系为可能为反向关系，即认知状态l2影响某种病症或行为l1，记为l2
→
l1。某种病症或行为l1和认知状态l2出现的关系可能为垂直关系，即认知状态l2与某种病症或行为l1互不影响l1
⊥
l2。由于并发症或者合并症是多种的，还可以包含另一种病症或行为l3和认知状态l4等若干认知能力。按照以上构建认知能力的关系，可以构建出某种病症或行为l1和另一种病症或行为l3的关系知识库、认知状态l2和另一种病症或行为l3的关系知识库，依次类推。然后在单元文献体内，根据不同文献中的内容基于上述关系知识库构建关系信度值库。优选地，正向关系信度值、反向关系信度值和垂直关系信度值三者之和按照归一化处理。即在单元文献体内，对所有的文献进行遍历查询，对正向关系信度值、反向关系信度值和垂直关系信度值按照频率赋予权重。数据单元将上述关系知识库和关系信度值库构建数据集输入因果单元中，进行下一步地。
[0107]
优选地，对于期刊文献，l1
→
l2的正向关系信度值还可以按照如下定义：
[0108][0109]
其中，c(xi)为文献xi的可信度，公式为：c(xi)＝(ifi+1)
×
(cii+1)，xi表示第i篇文献，ifi为文献xi所在期刊的标准化后的影响因子，cii为标准化后的引用量。若没有文献存在l1和l2的关系，则kl(l1
→
l2)＝0，kl(l2
→
l1)＝0，kl(l1
⊥
l2)＝1。其他类型的文献可以采用同样的方式定义，例如病历可以根据医生的权威性进行定义。对于会议文章，可以根据会议的权威性进行定义等等。
[0110]
优选地，因果单元基于主要特征参数和数据集构建贝叶斯网络。优选地，主要特征参数包括了正向关系信度值、反向关系信度值和垂直关系信度值。因果单元按照如下方式构建贝叶斯网络：
[0111]
s31：优选地，定义数据集d＝(d1，d2
……
di)为若干组认知能力，l＝(l1，l2
……
ln)某一组认知能力的具体认知能力集合。基于关系知识库构建贝叶斯网络评价函数：
[0112]
logp(g,d,kl)＝logp(g)+logp(d|g)+logp(kl|g)
[0113]
式中，g为贝叶斯网格，其取值包括了以l＝(l1，l2
……
ln)某一组认知能力的具体认知能力集合为节点的有向无环图。其中，p(g)为先验分布。根据现有知识可知，logp(g)+logp(d|g)的最大值等价于logp(g|d)。logp(g|d)可以根据贝叶斯信息标准bic评分。式中，
[0114]
[0115]
其中，如结构g中任意一条边表示为lm
→
ln，则kl(glm，gln)＝kl(lm
→
ln)。kl(lm
→
ln)即为关系信度值。公式中的求和是对结构g中所有的有向边对应的正向关系的文献知识可信度进行求和。
[0116]
s32：基于关系知识库构建无向图结构约束；对于给定数据集d，对d中的任意认知能力对lm和ln，通过检索认知能力对关系知识库获得属性对lm和ln的认知能力对编号，根据认知能力对编号检索文献中认知能力对lm和ln关系信度值表中的lm
→
ln的关系信度值和ln
→
lm的关系信度值。若l1影响l2，则其连接关系是l1连线l2并指向l2，构建l1与l2的有向边，并赋予正向关系信度值。若l2影响l1，则其连接关系是l2连线l1并指向l2，构建l2与l1的有向边，并赋予负向关系信度值。若l2互不影响l1，则两者不连线，并赋予垂直关系信度值。
[0117]
s33：基于贝叶斯网络评价函数和无向图结构约束构建贝叶斯网络。确定贝叶斯网络的无向图结构约束后，可执行启发式搜索算法，如k2算法，寻求评分函数最优的网络结构。一般步骤为：从初始模型开始搜索，在搜索的每一步，首先用搜索算子对当前模型进行局部修改，得到一系列候选模型，然后计算每个候选模型的评分，并将最优候选模型与当前模型比较。若最优候选模型的评分大，则它作为下一个当前模型，继续搜索；否则停止搜索，返回当前模型。根据贝叶斯原理，评分最大的候选模型即为贝叶斯网络。优选地，依据根据建立的贝叶斯网络以及贝叶斯规则构建贝叶斯网络评价函数。贝叶斯网络评价函数能够根据经典启发式结构学习算法构建，例如k2算法、max-min parents and children算法和马尔可夫链蒙特卡洛搜索等等。
[0118]
因果单元基于以通过数据模式挖掘认知能力之间的平均因果效应，从而能够根据平均因果效应认知能力之间是否构成并发症或合并症。在平均因果效应时，因果单元基于pearl原理和贝叶斯网络结构对认知能力之间平均因果效应进行计算。pearl在探索事件x是否为事件y的原因时，需要通过干预x实行x事件，计算e(y|do(x))，即事件y在干预x的情况下，其变化的平均情况大于显著性水平，则认为x是y的原因。具体地，在给定数据集d或di中，首先筛选出需要研究的认知能力，这些认知能力包括目标认知能力以及影响该目标认知能力的其他认知能力。例如，需要研究某种病症或行为l1是否是认知状态l2的并发症，截断所有指向l1的认知能力的边，此时观察某种病症或行为l1与认知状态l2的平均因果效应，如果这种变化大于了设定因果效应阈值，则认为某种病症或行为l1与认知状态l2构成了并发症，反之，构成合并症。
[0119]
在因果单元基于以通过数据模式挖掘认知能力之间的平均因果效应时，由于文献量的巨大，从而造成贝叶斯网格的巨大，因此，采用后门准则计算平均因果效应。后门准则是指，贝叶斯网格g是一个有向无环图，(lm，ln)是g的一对节点，节点z集合是(lm，ln)的后门，其中，z中所有的节点都不是z的后代并且z阻断了所有指向lm的连接lm到ln的路径。因此，可以通过后门原则来推理认知能力对lm和ln的因果关系。
[0120]
为了能够在不影响认知能力对之间的因果关系的情况下，因果单元通过独立性检验简化无向图约束。例如，独立性检验可以采用卡方独立性检验。
[0121]
在本发明中，独立性检验还可以采用如下方式：
[0122]
对于认知能力lm，通过编列的形式基于构建的无向图获取与lm相连接的节点构成其节点集。并逐次计算每个节点与认知能力lm之间的相关性，并从中选取相关性最大的节
点进行独立性假定，删除在给定子集d下与lm独立的节点。在本发明中，采用熵来度量随机变量对lm的不确定性。在给定随机变量lm的情况下，随机变量ln的不确定性可用条件熵如下方式度量：
[0123][0124]
随机变量ln与lm之间的相关程度可以通过互信息度量：
[0125][0126]
如果互信息超出了互信息的阈值，则认为ln与lm具有相关性。如果互信息不超出了互信息的阈值，则认为ln与lm不具备相关性。通过给配置方式，用户使用数字道具1的棋牌实体101时产生的并由棋牌实体101内部的轨迹传感器102捕捉的运动数据、用户与设置或集成于移动智能设备内部的分析单元3交互时产生的交互数据、语言数据、眼动数据、瞳孔数据、时刻与服务器2保持连接的智能监测单元4所获取的用户的日常数据能够分别被分析单元3和服务器2获取，上述获取的各类数据被存放至设置或集成于移动智能设备内部的分析单元3和/或服务器2，并用于后续服务器2和/或分析单元3通过人工智能算法进行数据分析从而计算得出可以表征用户认知能力障碍和其他疾病的数字生物标志物。例如，运用因果关系分析理论基于因果关系知识库可能推断出：同样作为表征人类用户认知能力下降的有效/重要的数字生物标志物的抑郁症和习惯性睡眠效率低中，习惯性睡眠效率低与认知能力下降的因果关系低于抑郁症与人类用户认知能力下降的因果关系。
[0127]
再例如，运用因果关系分析理论基于因果关系知识库可能推断出：用户使用数字道具1，尤其是具有立体空间体积的国际象棋棋子时，棋子发生倾倒运动的频率在一短时间或短时间内显著上升可以作为表征该用户认知能力呈下降状态的一个有效数字生物标志物。
[0128]
再例如，运用因果关系分析理论基于因果关系知识库可能推断出：当用户一段时间或短期内每次挪动棋牌实体101的间隔时长显著降低，以作为表征该用户认知能力呈上升状态的一个有效数字生物标志物。再例如，运用因果关系分析理论基于因果关系知识库可能推断出：当用户佩戴便携式智能设备5的身体部位的活动频率在一段时间或短期内显著降低，并将其与用户运动减少、肌强直、震颤和姿势调节障碍等症状产生直接因果关系，而这些症状会导致震颤麻痹(paralysis angitas)即帕金森，对患者的行动力、注意力、定向力、视空间能力均有可能产生直接因果效应的影响，由此可作为表征该用户认知能力呈下降状态的一个有效数字生物标志物。
[0129]
通过该配置方式，与便携式智能设备5、数字道具1的棋牌实体101内部的轨迹传感器2、设置或集成于移动智能设备内部的分析单元3以及分布在用户日常生活空间内的智能监测单元4时刻保持连接的服务器2还可以基于相关变量特征构建一种因果关系网络模型，并通过该因果关系网络模型自主地进行因果推理，可以自动识别出与用户认知能力变化或
其他疾病的相关特征以及认知能力变化或其他疾病质检的因果关系以及该因果关系的强度，并发出信号从而可以为医务人员或者医学研究人员提供一种可以表征人类个体认知能力变化的有效的数字生物标志物或者病例起因的有效途径。
[0130]
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。在全文中，“优选地”所引导的特征仅为一种可选方式，不应理解为必须设置，故此申请人保留随时放弃或删除相关优选特征之权利。