[发明专利]基于多维分层漂移扩散模型的认知决策评估方法及系统

说明书

本发明公开了一种基于多维分层漂移扩散模型的认知决策评估方法及系统。该方法包括如下步骤：对于健康受试者，在群组水平上建立多维分层漂移扩散模型，获得健康受试者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为健康人常模；对于每一位MCI患者，在个体水平上建立多维分层漂移扩散模型，获得MCI患者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为待衡量指标。通过比较MCI患者的参数分布在健康人常模中的相对位置，从而能够对MCI患者受损能力的精准评估，促进对受损决策能力的早发现、早干预和早治疗。

技术领域

本发明涉及一种基于多维分层漂移扩散模型的认知决策评估方法，同时也涉及相应的认知决策评估系统，属于认知心理学技术领域。

背景技术

个体在衰老过程中会经历一定程度的认知衰退。轻度认知障碍（Mild CognitiveImpairment，简写为MCI）是阿尔兹海默症的一种前驱状态，介于正常衰老与痴呆的中间状态，可作为阿尔兹海默症的“预报器”。随着计算机建模技术的发展，漂移扩散模型（DriftDiffusion Model，简写为DDM）逐渐兴起，并迅速被应用到心理学，尤其是认知决策任务中。DDM通过分离个体行为反应数据所包含的潜在决策成分，模拟和提炼人类大脑在决策任务中的神经动态过程。DDM主要应用于单个知觉范式、决策范式，建模健康人的神经决策过程。

为比较不同条件或情境中个体认知决策敏感性的特点，分层漂移扩散模型（Hierachical Drift Diffusion Model，简写为HDDM）应运而生。HDDM采用基于贝叶斯框架的分层设计，能够综合考虑不同水平上决策成分的特征。然而，现有的HDDM还仅限于从个体和群组水平上建模单一认知决策任务和范式中受试者的决策过程，并未扩展到聚类多种认知决策任务的情境中，无法整合评估个体不同认知域（区分为感知觉、高级认知和社会认知三类）的敏感性阈值和总体元认知加工效率。

在专利号为ZL 201510357365.4的中国发明专利中，公开了一种认知障碍数据处理方法，包括以下步骤：建立认知下降程度评估工具，根据认知障碍的判断标准以及认知障碍的认知特点，编制认知测试任务，采集数据，形成各个认知域的认知测量数据以及相应认知障碍程度的数据库；利用因子分析的方法对数据库中的全部认知测验任务分别进行因子分析；对所形成的6个公因子的因子得分建立认知障碍的评估与预测模型。通过该系统或方法处理的认知障碍数据能从某种程度上预测患者得认知障碍的风险。

发明内容

本发明所要解决的首要技术问题在于提供一种基于多维分层漂移扩散模型的认知决策评估方法，用于实现对MCI患者受损能力的精准评估，促进对受损认知域内决策能力的早发现、早干预和早治疗。

本发明所要解决的另一技术问题在于提供一种基于多维分层漂移扩散模型的认知决策评估系统。

为了实现上述目的，本发明采用以下的技术方案：

根据本发明实施例的第一方面，提供一种基于多维分层漂移扩散模型的认知决策评估方法，包括以下步骤：

对于健康受试者，在群组水平上建立多维分层漂移扩散模型，通过拟合优度最佳的模型，获得所述健康受试者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为健康人常模；

对于每一位MCI患者，在个体水平上建立多维分层漂移扩散模型，通过拟合优度最佳的模型，获得所述MCI患者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为待衡量指标；

比较所述MCI患者的待衡量指标在所述健康人常模中的相对位置，评估所述MCI患者在各认知域和总体元认知处理效率上的受损情况。

其中较优地，获得所述健康受试者每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，具体包括：