老年认知障碍患者手写图像智能筛查方法及其系统

摘要: 本发明涉及人工智能与医疗辅助,具体涉及一种老年认知障碍患者手写图像智能筛查方法及其系统。背景技术:1、老年认知障碍的早期筛查在老年病科、神经内科与社区体检中常采...
老年认知障碍患者手写图像智能筛查方法及其系统

本发明涉及人工智能与医疗辅助,具体涉及一种老年认知障碍患者手写图像智能筛查方法及其系统。

背景技术:

1、老年认知障碍的早期筛查在老年病科、神经内科与社区体检中常采用画钟、临摹简单图形、抄写句子等纸笔任务。临床评估通常以最终图像为依据,由医师根据数字位置、图形闭合、笔画遗漏与整体布局等表现进行人工评分。该方式在门诊高流量场景下存在评估耗时、评分一致性依赖经验的情况,并且难以量化书写过程中出现的短暂停顿增多、速度忽快忽慢、转折抖动加重、笔画顺序异常等过程性表现;而这些过程性表现往往在最终图像看起来尚可完成的情况下更早出现,导致仅依赖最终图像的筛查对轻度阶段的敏感性不足。

2、随着触控设备与电子笔在医院随访、康复训练和居家监测中的应用,一些数字化方案开始采集轨迹并提取总用时、平均速度、停顿次数、压力均值等统计量用于模型判断。然而在实际应用中,不同终端的采样频率、采样抖动与压力采集能力存在差异,受试者书写幅度与速度也差异明显,导致同一受试者在不同设备或不同任务上的特征量纲与分布不一致,模型输出容易出现波动。同时,多任务筛查中各任务对认知能力维度的覆盖不同,若仅将多任务特征简单拼接输入模型,难以体现各任务对风险评分的真实贡献,也不利于给出医生可复核的解释结论。因此,当前技术的主要问题在于:在离散采样和多任务并存的真实采集条件下,如何稳定构建可比、鲁棒且可解释的手写特征与融合机制,以提高筛查结果的稳定性与临床可用性。

技术实现思路

1、技术目的:针对现有技术的不足,本发明公开了一种老年认知障碍患者手写图像智能筛查方法及其系统,通过任务结构描述、轨迹质量控制、离散鲁棒平稳性特征与固定维度结构表征以及任务自适应融合机制,提高筛查结果的稳定性、敏感性与可解释性。

2、技术方案:为实现上述技术目的,本发明采用了如下技术方案:

3、一种老年认知障碍患者手写图像智能筛查方法,具体包括以下步骤:

4、s1、基于任务协议在终端呈现至少两项手写任务并采集受试者完成各手写任务形成的手写数据,所述手写数据包含手写图像与书写轨迹数据;

5、s2、对书写轨迹数据执行预处理,所述预处理至少包括时间轴一致化、坐标归一化以及笔画分割,得到与手写任务对应的笔画序列与轨迹序列;

6、s3、对每一项手写任务构建特征向量,所述特征向量至少包括:反映书写过程的动态运动特征、反映执行规划的笔画顺序一致性特征、反映空间组织的轨迹结构特征、反映结果形态的形状稳定性特征;

7、s4、基于受试者差异消除处理对特征向量进行校正,并基于任务自适应调节对不同手写任务的特征贡献进行分配,得到融合特征;

8、s5、将融合特征输入学习模型,输出认知风险评分;

9、s6、输出认知风险评分,并输出解释信息,所述解释信息用于指示对认知风险评分贡献度最高的任务标识与特征标识。

10、优选地,所述任务协议为每一项手写任务配置任务结构描述,所述任务结构描述至少包括标准模板与约束集合,所述约束集合用于限定该手写任务的目标构成要素与要素间的相对关系。

11、优选地,所述时间轴一致化包括对不同终端采样频率下的书写轨迹进行统一时间基准的重采样处理;所述坐标归一化包括将轨迹坐标映射至统一坐标系并消除平移与尺度差异;所述笔画分割包括依据笔尖接触状态或时间间隔突变将轨迹切分为笔画序列。

12、优选地,在构建所述特征向量之前,对每一项手写任务计算轨迹质量得分,并依据轨迹质量得分对轨迹进行异常段剔除、缺失段插补或任务样本判定无效的处理。

13、优选地,所述动态运动特征包含离散采样条件下的鲁棒平稳性特征,所述鲁棒平稳性特征由经过去噪与重采样后的轨迹速度序列构造高阶有限差分,并对高阶有限差分能量进行长度与时长归一化得到。

14、优选地,所述笔画顺序一致性特征由约束集合与笔画序列的实际顺序之间的违背程度计算得到,所述违背程度包含违背数量与违背比例中的至少一项。

15、优选地,所述轨迹结构特征由关键点集合构建固定维度结构表示得到,所述固定维度结构表示由关键点的时序邻接关系与空间邻接关系联合确定,并经向量化与归一化得到。

16、优选地,所述形状稳定性特征包括:将手写形状与标准模板执行刚性对齐,分别计算最大轮廓偏差、重叠率偏差与方向偏差,并将三者组合为综合偏差,依据综合偏差得到稳定性得分。

17、优选地,所述学习模型进一步输出置信度,所述置信度由对模型输出进行校准映射得到;所述解释信息由模型内部权重分配结果或特征贡献度计算得到,并输出贡献度最高的预设数量项。

18、一种老年认知障碍患者手写图像智能筛查系统,用于实现如以上所述的一种老年认知障碍患者手写图像智能筛查方法,包括:

19、任务与采集模块,用于呈现任务协议并采集手写图像与书写轨迹数据;

20、预处理模块,用于对书写轨迹数据执行时间轴一致化、坐标归一化与笔画分割;

21、特征构建模块,用于构建动态运动特征、笔画顺序一致性特征、轨迹结构特征与形状稳定性特征;

22、融合评估模块,用于执行受试者差异消除处理与任务自适应调节以生成融合特征,并将融合特征输入学习模型输出认知风险评分;

23、输出模块,用于输出认知风险评分以及解释信息。

24、有益效果:本发明所提供的一种老年认知障碍患者手写图像智能筛查方法及其系统具有如下有益效果:

25、1、本发明围绕任务协议采集—轨迹预处理—四类特征构建—差异消除与任务自适应—学习模型评分—解释输出的最小闭环开展。通过时间轴一致化与坐标归一化以及笔画分割,使不同终端采样频率和书写尺度差异被统一到可比的数据表达;再结合轨迹质量得分与异常段处理,能够在采集噪声、断触和缺失段出现时对轨迹进行剔除、插补或判定无效,避免低质量样本直接进入模型造成评分漂移,从源头提高筛查稳定性。

26、2、在特征层面,本发明并非仅依赖低阶统计量,而是通过构建离散采样条件下的鲁棒平稳性特征,以重采样、去噪与高阶有限差分能量归一化来量化书写过程的流畅性变化,使特征对采样频率差异与轨迹尺度具有更强鲁棒性;同时通过笔画顺序一致性特征与固定维度轨迹结构特征,分别从执行规划与空间组织结构角度捕捉早期异常,弥补仅看最终图像或仅看速度停顿难以识别顺序错乱、结构性布局偏差的不足;再结合模板对齐与综合偏差分解得到的形状稳定性特征,使最终形态评价不受简单像素相似度对笔画粗细与轻微抖动的影响,提高对临摹与画钟等任务的判别有效性。

27、3、在融合与输出层面,通过受试者差异消除处理与任务自适应调节,使模型在多任务筛查时能够根据任务质量与区分度对任务贡献进行分配,并可进一步输出置信度与解释信息,明确指示对认知风险评分贡献度最高的任务与特征类别,从而为临床医师提供可复核的依据,便于在门诊或社区筛查中快速定位异常来源并决定是否启动进一步的神经心理量表评估或影像学检查流程。

1.一种老年认知障碍患者手写图像智能筛查方法,其特征在于,具体包括以下步骤:

2.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述任务协议为每一项手写任务配置任务结构描述,所述任务结构描述至少包括标准模板与约束集合,所述约束集合用于限定该手写任务的目标构成要素与要素间的相对关系。

3.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述时间轴一致化包括对不同终端采样频率下的书写轨迹进行统一时间基准的重采样处理;所述坐标归一化包括将轨迹坐标映射至统一坐标系并消除平移与尺度差异;所述笔画分割包括依据笔尖接触状态或时间间隔突变将轨迹切分为笔画序列。

4.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,在构建所述特征向量之前,对每一项手写任务计算轨迹质量得分,并依据轨迹质量得分对轨迹进行异常段剔除、缺失段插补或任务样本判定无效的处理。

5.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述动态运动特征包含离散采样条件下的鲁棒平稳性特征,所述鲁棒平稳性特征由经过去噪与重采样后的轨迹速度序列构造高阶有限差分,并对高阶有限差分能量进行长度与时长归一化得到。

6.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述笔画顺序一致性特征由约束集合与笔画序列的实际顺序之间的违背程度计算得到,所述违背程度包含违背数量与违背比例中的至少一项。

7.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述轨迹结构特征由关键点集合构建固定维度结构表示得到,所述固定维度结构表示由关键点的时序邻接关系与空间邻接关系联合确定,并经向量化与归一化得到。

8.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述形状稳定性特征包括:将手写形状与标准模板执行刚性对齐,分别计算最大轮廓偏差、重叠率偏差与方向偏差,并将三者组合为综合偏差,依据综合偏差得到稳定性得分。

9.根据权利要求1所述的一种老年认知障碍患者手写图像智能筛查方法,其特征在于,所述学习模型进一步输出置信度,所述置信度由对模型输出进行校准映射得到;所述解释信息由模型内部权重分配结果或特征贡献度计算得到,并输出贡献度最高的预设数量项。

10.一种老年认知障碍患者手写图像智能筛查系统,其特征在于,用于实现如权利要求1-9任一项所述的一种老年认知障碍患者手写图像智能筛查方法,包括: