一种用于辅助筛查轻度认知障碍的系统

本发明涉及神经网络，具体来说涉及认知功能障碍辅诊、智能医学和多模态融合等领域，更具体地说，涉及一种用于辅助筛查轻度认知障碍的系统。

背景技术：

1、认知能力是一种清晰地思考、学习和记忆的能力。

2、根据认知能力的不同，可以分为正常认知(normal cognition，简称nc)、轻度认知障碍(mild cognitive impairment，简称mci)和阿兹海默症(alzheimer’s disease，简称ad，一些场景也称痴呆症)。

3、正常的认知能力是日常生活的基础，关乎学习、工作的方方面面。如今，随着人口老龄化等社会环境的不断变化，认知健康已经逐渐成为了一个社会性的问题。2019年世界卫生组织(world health organization，who)的统计数据表明，全球约有5000万老年人存在认知能力衰退症状。在60岁以上的老年群体中，阿兹海默症的发病率高达5％～8％。

4、针对于阿兹海默症患者认知能力下降的症状，目前尚未发现有效的治疗方案，只能通过早期筛查并干预，以此来缓解病情的发展。

5、在早期筛查时，比较容易区分阿兹海默症患者与具有正常认知的人，因为两者认知能力的外在表现存在明显不同。

6、但是，轻度认知障碍作为阿兹海默症的前驱阶段，是介于正常认知和痴呆之间的一种中间状态。现实场景中，由于轻度认知障碍患者症状轻微，在日常生活中与正常人区别不大，区分一个人是正常人还是轻度认知障碍患者存在一定的困难，给筛查工作带来很大的挑战。除此之外，由于认知能力的判断较为主观，临床的医生的意见将很大程度地影响诊断结果的准确性。

7、因此，为了减少主观性的影响，往往医生会借助一些工具进行筛查。在轻度认知障碍的早期筛查方面已经有很多相关研究，可通过多种不同的方式对于轻度认知障碍进行筛查，包括基于电生理信号(肌电信号、脑电信号等)、认知量表、脑部成像技术(核磁共振成像等)、生物标志物(脑积液中蛋白质沉淀、aβ40/42比值等)以及患者的行为表现(眼动、步态、手势行为等)等进行筛查的方法。

8、为了提升筛查的准确性和效率，现有技术也会借助一些模型进行认知能力的预测。但是，准确性和效率有待提高。

技术实现思路

1、因此，本发明的目的在于克服上述现有技术的缺陷，提供一种用于辅助筛查轻度认知障碍的系统。

2、本发明的目的是通过以下技术方案实现的：

3、根据本发明的第一方面，提供一种用于辅助筛查轻度认知障碍的系统，包括：第一模态检验模块，用于获取被试者的认知分数向量，根据所述认知分数向量确定第一置信度和第二置信度，其中，所述认知分数向量由被试者在至少两种认知量表上测试的得分组成，所述第一置信度表征认知能力正常的概率，所述第二置信度表征存在轻度认知障碍的概率；第二模态检验模块，用于获取由多个脑部电极从被试者在进行延迟匹配测试任务时采集的多通道近红外时序数据，将所述多通道近红外时序数据转换为格里姆角场图像，从所述格里姆角场图像提取认知能力相关的时间域和空间域的融合特征，根据所述融合特征确定第三置信度和第四置信度，其中，所述第三置信度指示认知能力正常的概率，所述第四置信度指示存在轻度认知障碍的概率；融合模块，用于对所述第一置信度和所述第三置信度进行融合得到第五置信度，以及，对所述第二置信度和所述第四置信度进行融合得到第六置信度。

4、可选的，至少两种认知量表是按照以下方式选出的：根据多个人员在预设的多种认知量表的分数和由专家确定的各个人员的认知状态，利用卡方检验对多种认知量表进行轻度认知障碍相关性分析以得到卡方检验得分；从所述多种认知量表中，选出卡方检验得分大于等于预定阈值的认知量表。

5、可选的，所述至少两种认知量表包括：mmset、bnt、stroop2、avlt1、mocat、stroop3、sdmt、avlt4、avlt6和avlt5或者其组合。

6、可选的，第一模态检验模块包括经训练的xgboost模型，所述经训练的xgboost模型被配置为根据认知分数向量确定检验的第一置信度和第二置信度。

7、可选的，经训练的xgboost模型是按照以下方式训练得到：获取第一训练集，所述第一训练集包括多个人的第一样本和每个第一样本对应的第一标签，所述第一样本是对应的人在所述至少两种认知量表上测试的得分组成的认知分数向量，所述第一标签指示对应的人是认知正常的或者存在轻度认知障碍患者；利用所述第一训练集对xgboost模型进行一次或者多次二分类监督训练，得到经训练的xgboost模型。

8、可选的，所述第二模态检验模块包括经训练的resnet模型，所述经训练的resnet模型被配置为从所述格里姆角场图像提取认知能力相关的时间域和空间域的融合特征，并根据所述融合特征确定第三置信度和第四置信度，其中，所述resnet模型包括resnet18模型。

9、可选的，所述经训练的resnet模型按照以下方式训练得到：获取第二训练集，所述第二训练集包括多个人的第二样本和每个第二样本对应的第二标签，所述第二样本是对应的人的格里姆角场图像，所述第二标签指示对应的人是认知正常的或者存在轻度认知障碍患者；利用所述第二训练集对resnet模型进行一次或者多次二分类监督训练，得到经训练的resnet模型。

10、可选的，多通道近红外时序数据是由分散布置的多个红外电极在脑部的采集的39通道数据。

11、可选的，多通道近红外时序数据经过降噪处理、转换为氧合血红蛋白浓度的处理和转换为格里姆角场数据的处理，得到格里姆角场图像。

12、可选的，所述第一训练集中属于认知正常和轻度认知障碍患者的第一样本的样本数量均衡，所述第二训练集中属于认知正常和轻度认知障碍患者的第二样本的样本数量均衡。

技术特征：

1.一种用于辅助筛查轻度认知障碍的系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述至少两种认知量表是按照以下方式选出的：

3.根据权利要求2所述的系统，其特征在于，所述至少两种认知量表包括：mmset、bnt、stroop2、avlt1、mocat、stroop3、sdmt、avlt4、avlt6和avlt5或者其组合。

4.根据权利要求3所述的系统，其特征在于，所述第一模态检验模块包括经训练的xgboost模型，所述经训练的xgboost模型被配置为根据认知分数向量确定检验的第一置信度和第二置信度。

5.根据权利要求4所述的系统，其特征在于，所述经训练的xgboost模型是按照以下方式训练得到：

6.根据权利要求4所述的系统，其特征在于，所述第二模态检验模块包括经训练的resnet模型，所述经训练的resnet模型被配置为从所述格里姆角场图像提取认知能力相关的时间域和空间域的融合特征，并根据所述融合特征确定第三置信度和第四置信度，其中，所述resnet模型包括resnet18模型。

7.根据权利要求6所述的系统，其特征在于，所述经训练的resnet模型按照以下方式训练得到：

8.根据权利要求7所述的系统，其特征在于，多通道近红外时序数据是由分散布置的多个红外电极在脑部的采集的39通道数据。

9.根据权利要求8所述的系统，其特征在于，多通道近红外时序数据经过降噪处理、转换为氧合血红蛋白浓度的处理和转换为格里姆角场数据的处理，得到格里姆角场图像。

10.根据权利要求7所述的系统，其特征在于，所述第一训练集中属于认知正常和轻度认知障碍患者的第一样本的样本数量均衡，所述第二训练集中属于认知正常和轻度认知障碍患者的第二样本的样本数量均衡。

技术总结
本发明提供了一种用于辅助筛查轻度认知障碍的系统，包括：第一模态检验模块，用于获取被试者的认知分数向量，根据认知分数向量确定第一和第二置信度，认知分数向量由被试者在至少两种认知量表上测试的得分组成；第二模态检验模块，用于获取由多个脑部电极从被试者采集的多通道近红外时序数据，将多通道近红外时序数据转换为格里姆角场图像，根据从格里姆角场图像提取的融合特征确定第三和第四置信度，其中，第一置信度表和第三置信度指示认知能力正常的概率，第二置信度表和第四置信度指示存在轻度认知障碍的概率；融合模块，用于对第一置信度和第三置信度进行融合得到第五置信度，以及，对第二置信度和第四置信度进行融合得到第六置信度。

技术研发人员：张迎伟,程诗雨,陈益强
受保护的技术使用者：中国科学院计算技术研究所
技术研发日：
技术公布日：2024/1/16