[发明专利]一种MCI训练决策模型的构建方法、决策方法及相关装置

说明书

本申请实施例公开了一种MCI训练决策模型的构建方法、决策方法及相关装置，首先获取第一患者特征数据、第一认知游戏参数以及第一患者病情进展数据作为第一待处理数据，并对第一待处理数据进行预处理得到第一预处理数据。接着将第一预处理数据输入到预先构建的MCI认知训练分数预测模型中从而得到预测分数，并将第一预处理数据和预测分数输入到卷积神经网络中进行训练从而得到MCI训练决策模型。以此构建的MCI训练决策模型可以远程输出最优的MCI认知训练的治疗方案，帮助患者更好的进行远程治疗，且不受场景的限制，同时能为远程监控和指导患者治疗的医生大大减轻工作负担，也可以极大减少因为医生个人原来带来的错误，从而保证治疗效果的稳定。

技术领域

本申请涉及决策模型构建的技术领域，具体涉及一种MCI训练决策模型的构建方法、决策方法及相关装置。

背景技术

轻度认知障碍(Mild Cognitive Impairment)，简称MCI，是人正常老化和痴呆之间的中间状态，多发病于60岁以上老年人。患有MCI的人群是将来发展为痴呆的高危人群，应及早进行干预。由于MCI没有特效药物，因此认知训练是最有效的治疗方法。

认知训练的治疗过程较为复杂，牵涉到患者的多个生理和心理特征(记忆力、计算力、注意力、执行力、阅读能力、情绪等)，要达到理想的治疗效果，需要具有针对性且能及时调整的训练计划。居家认知训练的问题在于缺乏医生的参与评价和指导，医生不能及时获得患者训练情况的反馈，并根据训练结果及时调整训练计划，患者做完认知训练后不知道训练轻度够不够，哪个认知领域还需要进行强化，导致训练效果难以保证。

因此，如何优化远程MCI认知训练的治疗方案，从而帮助患者更好的进行远程治疗，是本领域技术人员急需解决的技术问题。

发明内容

基于上述问题，本申请提供了MCI训练决策模型的构建方法、决策方法及相关装置，优化远程MCI认知训练的治疗方案，从而帮助患者更好的进行远程治疗。本申请实施例公开了如下技术方案：

一种MCI训练决策模型的构建方法，所述方法包括：

获取第一患者特征数据、第一认知游戏参数以及第一患者病情进展数据作为第一待处理数据；

对所述第一待处理数据进行预处理得到第一预处理数据；

将所述第一预处理数据输入到预先构建的MCI认知训练分数预测模型中从而得到预测分数；

将所述第一预处理数据和所述预测分数输入到卷积神经网络中进行训练从而得到MCI训练决策模型。

在一种可能的实现方式中，所述预先构建的MCI认知训练分数预测模型的构建过程，包括：

获取第二患者特征数据、第二认知游戏参数以及第二患者病情进展数据作为第二待处理数据；

对所述第二待处理数据进行预处理得到第二预处理数据；

将所述第二预处理数据输入到循环神经网络中进行训练从而得到所述MCI认知训练分数预测模型。

在一种可能的实现方式中，所述预处理包括：变量离散化、缺失值填补、数值标准化、数据合并以及数字编码。

在一种可能的实现方式中，所述方法还包括：

获取所述预测分数与真实分数的损失函数，其中，所述真实分数为进行MCI认知训练的实际得分；

响应于所述损失函数大于损失函数阈值，利用所述损失函数修正所述MCI认知训练分数预测模型，并执行所述获取所述预测分数与真实分数的损失函数直至所述损失函数小于损失函数阈值。

在一种可能的实现方式中，所述利用所述损失函数修正所述MCI认知训练分数预测模型，包括：利用梯度下降算法根据所述损失函数修改所述MCI认知训练分数预测模型的最佳参数适配层的权值向量。