1.一种老年认知障碍多维度评估系统,其特征在于,包括:数据获取模块,用于获取认知功能测试数据、生活质量评估数据和日常生活能力测试数据;
认知功能综合评分模块,用于基于所述认知功能测试数据,确定认知功能综合评分值;
生活质量综合评分模块,用于基于所述生活质量评估数据,确定生活质量综合评分值;
生活能力综合评分模块,用于基于所述日常生活能力测试数据,确定生活能力综合评分值;
认知障碍全局评分模块,用于基于所述认知功能综合评分值、所述生活质量综合评分值和所述生活能力综合评分值,确定认知障碍全局评分值;
认知障碍程度确定模块,用于基于所述认知障碍全局评分值,确定认知障碍程度标签;
其中,所述认知功能综合评分模块,包括:
认知功能测试评分提取单元,用于从所述认知功能测试数据中提取各个测试项的评分以得到认知功能评分的序列;
认知功能评分处理单元,用于使用第一评分矩阵对所述认知功能评分的序列进行处理以得到所述认知功能综合评分值;
其中,所述认知功能评分处理单元,包括:
认知功能评分排列子单元,用于将所述认知功能评分的序列按照样本维度排列为认知功能评分输入向量;
认知功能评分特征优化子单元,用于基于所述第一评分矩阵,对所述认知功能评分输入向量进行向后机器学习的视点度量感知以得到认知功能评分关联输入向量;
特征加权和子单元,用于计算所述认知功能评分关联输入向量的按位置加权和以得到所述认知功能综合评分值;
其中,所述认知功能评分特征优化子单元,包括:
将所述第一评分矩阵进行矩阵展开以得到第一评分向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置差分以得到第一视点度量表示向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置点乘以得到第二视点度量表示向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置加和以得到第三视点度量表示向量;
计算所述第一视点度量表示向量、所述第二视点度量表示向量和所述第三视点度量表示向量中各个位置的梯度幅值以得到第一视点度量感知向量、第二视点度量感知向量和第三视点度量感知向量;
将所述第一视点度量感知向量、所述第二视点度量感知向量和所述第三视点度量感知向量输入向后机器学习逆向多视点感知优化模块以得到逆向多视点感知优化表示向量;
计算所述逆向多视点感知优化表示向量和所述认知功能评分输入向量之间的按位置点乘以得到所述认知功能评分关联输入向量。
2.根据权利要求1所述的老年认知障碍多维度评估系统,其特征在于,将所述第一视点度量感知向量、所述第二视点度量感知向量和所述第三视点度量感知向量输入向后机器学习逆向多视点感知优化模块以得到逆向多视点感知优化表示向量,包括:其中,
3.根据权利要求1所述的老年认知障碍多维度评估系统,其特征在于,基于所述第一评分矩阵,对所述认知功能评分输入向量进行向后机器学习的视点度量感知以得到认知功能评分关联输入向量,包括:安装了Java开发环境;
配置好Spring Boot项目;
创建第一Spring Boot项目,并为所述第一Spring Boot项目添加Web依赖;
定义认知功能评分输入向量的模型类和定义所述第一评分矩阵的模型类;
创建一个服务类,所述服务类用于实现向后机器学习逆向多视点感知优化的逻辑,其中,所述服务类用于接收所述第一评分矩阵和所述认知功能评分输入向量,并计算出所述认知功能评分关联输入向量;
创建一个控制器类,用于处理HTTP请求。
4.根据权利要求3所述的老年认知障碍多维度评估系统,其特征在于,所述生活质量综合评分模块,包括:评估项目提取单元,用于从所述生活质量评估数据中提取各个评估项目的评分以得到生活质量评估项目得分值的序列;
生活质量评估处理单元,用于使用第二评分矩阵对所述生活质量评估项目得分值的序列进行处理以得到所述生活质量综合评分值。
5.根据权利要求4所述的老年认知障碍多维度评估系统,其特征在于,所述生活能力综合评分模块,包括:生活能力测试评分提取单元,用于从所述日常生活能力测试数据中提取各个测试项的评分值以得到生活能力测试项得分值的序列;
生活能力评分处理单元,用于使用第三评分矩阵对所述生活能力测试项得分值的序列进行处理以得到所述生活能力综合评分值。
6.根据权利要求5所述的老年认知障碍多维度评估系统,其特征在于,所述认知障碍全局评分模块,用于:计算所述认知功能综合评分值、所述生活质量综合评分值和所述生活能力综合评分值的加权和以得到所述认知障碍全局评分值。
7.一种老年认知障碍多维度评估方法,其特征在于,包括:获取认知功能测试数据、生活质量评估数据和日常生活能力测试数据;
基于所述认知功能测试数据,确定认知功能综合评分值;
基于所述生活质量评估数据,确定生活质量综合评分值;
基于所述日常生活能力测试数据,确定生活能力综合评分值;
基于所述认知功能综合评分值、所述生活质量综合评分值和所述生活能力综合评分值,确定认知障碍全局评分值;
基于所述认知障碍全局评分值,确定认知障碍程度标签;
其中,基于所述认知功能测试数据,确定认知功能综合评分值,包括:从所述认知功能测试数据中提取各个测试项的评分以得到认知功能评分的序列;
使用第一评分矩阵对所述认知功能评分的序列进行处理以得到所述认知功能综合评分值;
其中,使用第一评分矩阵对所述认知功能评分的序列进行处理以得到所述认知功能综合评分值,包括:将所述认知功能评分的序列按照样本维度排列为认知功能评分输入向量;
基于所述第一评分矩阵,对所述认知功能评分输入向量进行向后机器学习的视点度量感知以得到认知功能评分关联输入向量;
计算所述认知功能评分关联输入向量的按位置加权和以得到所述认知功能综合评分值;
其中,基于所述第一评分矩阵,对所述认知功能评分输入向量进行向后机器学习的视点度量感知以得到认知功能评分关联输入向量,包括:将所述第一评分矩阵进行矩阵展开以得到第一评分向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置差分以得到第一视点度量表示向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置点乘以得到第二视点度量表示向量;
计算所述认知功能评分输入向量和所述第一评分向量之间的按位置加和以得到第三视点度量表示向量;
计算所述第一视点度量表示向量、所述第二视点度量表示向量和所述第三视点度量表示向量中各个位置的梯度幅值以得到第一视点度量感知向量、第二视点度量感知向量和第三视点度量感知向量;
将所述第一视点度量感知向量、所述第二视点度量感知向量和所述第三视点度量感知向量输入向后机器学习逆向多视点感知优化模块以得到逆向多视点感知优化表示向量;
计算所述逆向多视点感知优化表示向量和所述认知功能评分输入向量之间的按位置点乘以得到所述认知功能评分关联输入向量。