[发明专利]认知和行为障碍的预警方法、装置、设备及存储介质

说明书

本发明涉及医疗领域，公开了一种认知和行为障碍的预警方法、装置、设备及存储介质，该方法包括：获取被测对象的基本信息，输入至图神经网络中，得到第一预测概率H1；接收被测对象的监测手环上传的生物信号输入至XGboost模型，得到第二预测概率H2；接收监测手环上传的日常监测数据输入至RNN模型，得到第三预测概率H3；基于预设的加权算法对H1、H2和H3进行加权计算，得到被测对象的患病概率H4；若H4高于预设概率阈值，则生成预警信号，并发送至预设端口。本方法针对目前存在无法实时监测患者病症和病情发展的技术问题，为了提前发现病症，并能在日常中实时监控患者的具体生理情况，提高了诊断效率，并能实现不间断的监护措施。

技术领域

本发明涉及医疗领域，尤其涉及一种认知和行为障碍的预警方法、装置、设备及存储介质。

背景技术

老年痴呆症(AD)是人类社会面临的重大疾病，已成为严重的公共卫生问题，目前中国痴呆症患者已超过10000万；随着人工智能的发展，已有各种人工智能技术应用于老年痴呆的早期预测及临床诊断，包括英伟达、腾讯、苹果等巨头都在开展老年痴呆领域的相关研究。人工智能可通过对患者的医学影像、日常音频、问卷调查以及生物信号反馈等进行数据提取分析，可以有效地识别出患者的患病程度。准确地实现针对老年痴呆的早期诊断，能够很好地帮助患者进行针对性治疗，减缓病情加重程度，甚至能够彻底治愈。

传统的诊断过程常常需要询问患者众多问题，以了解患者的逻辑思维能力及反应速度，但此举非常耗时且依赖医生的临床经验；人工智能在医学影像以及音视频中的应有有效地提高了诊断效率，此类诊断往往需要前往医院进行相关影像检查以及患者的积极配合，且由于患者出现相应症状时才会前往医院进行检查，往往病情已经较为严重，不利于进行早期预测和预防，严重影响了患者的生活质量。因此，现在亟需一种认知和行为障碍的预警方法来解决上述问题。

发明内容

本发明的主要目的在于解决现有的认知和行为障碍的预警方法中存在无法实时监测患者病症和病情发展的技术问题。

本发明第一方面提供了一种认知和行为障碍的预警方法，所述认知和行为障碍的预警方法包括：获取被测对象的基本信息，并基于所述基本信息建立对应的邻接矩阵；将所述邻接矩阵输入至预先训练好的图神经网络中，得到第一预测概率H1；接收所述被测对象的监测手环上传的生物信号，将所述生物信号输入至预先训练好的XGboost模型，得到第二预测概率H2；接收所述监测手环上传的日常监测数据，将所述日常监测数据输入至预先训练好的RNN模型，得到第三预测概率H3；基于预设的加权算法对所述H1、H2和H3进行加权投票计算，得到被测对象的患病概率H4；若所述H4高于预设概率阈值，则生成第一预警信号，并将所述第一预警信号发送至预设端口。

可选的，在本发明第一方面的第一种实现方式中，所述将所述邻接矩阵输入至预先训练好的图神经网络中，得到第一预测概率H1包括：将所述被测对象的基本信息生成的所述邻接矩阵转化为二维数组A；通过所述二维数组A和所述二维数组的第i层的特征X相乘，得到更新后的第i层的节点特征AX_i；将所述节点特征AX_i与对应层数的权重矩阵W_i进行相乘，得到下一维度的节点特征AX_i+1；对节点特征AX和权重矩阵W进行矩阵运算，再乘以预设的非线性激活函数σ后进行归一化处理，得到第一预测概率H1。

可选的，在本发明第一方面的第二种实现方式中，所述接收所述被测对象的监测手环上传的生物信号，将所述生物信号输入至预先训练好的XGboost模型，得到第二预测概率H2包括：接收所述监测手环上传的生物信号，并将所述生物信号输入至预先训练好的所述XGboost模型；将不同的短时间瞬态的生物信号代入XGboost模型对应的树，拟合训练中得出的残差，并基于所述残差得到不同的分值，其中，所述树为函数公式；将所述分值进行累加，得到累加结果，并计算所述累加结果与预设的正常分值之比，得到第二预测概率H2。