IPC分类号 : A61B5/16,G09B1/00,G09B7/00,G06F17/00,G06F17/18,G06Q50/00,G06F3/048,G06F3/14,G09B19/00
专利摘要
认知训练方法具有获得对象记忆练习期间的传感器数据的步骤，其进而确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息。当确定了所述传感器数据包含指示用于记忆的认知功能的预定信息时，实施进一步进行所述记忆练习的步骤。当完成所述记忆练习时进行计算所述对象的客观认知评估的步骤，并且至少部分地响应进一步进行记忆练习来测量认知训练。计算客观认知评估的事实提供了使用自学性认知训练装置的方法。
权利要求
1.用于认知训练的方法，其包括：
获得对象记忆练习期间的传感器数据；
确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息；
当确定了所述传感器数据包含指示用于记忆的认知功能的预定信息时，进一步进行所述记忆练习；以及
响应所述记忆练习的完成来计算所述对象的客观认知评估，
其中至少部分地响应进一步进行所述记忆练习来测量认知训练。
2.如权利要求1所述的方法，其还包括响应所述客观认知评估来修正所述记忆练习。
3.如前述权利要求中任一项所述的方法，其中当确定了所述传感器数据不包含所述指示用于记忆的认知功能的预定信息时，不进一步进行所述记忆练习。
4.如前述权利要求中任一项所述的方法，其中确定所述传感器数据是否包含所述指示用于记忆的认知功能的预定信息包括当在预定持续时间内完成了所述记忆练习的预定部分时，确定所述传感器数据包含所述指示用于记忆的认知功能的预定信息。
5.如前述权利要求中任一项所述的方法，其还包括在所述进一步进行步骤前确定得分是否达到所述记忆练习的当前水平，所述得分指示为完成所述记忆练习所用的时间。
6.如前述权利要求中任一项所述的方法，其还包括响应所计算的客观认知评估来调整所述预定信息。
7.如前述权利要求中任一项所述的方法，其中所述用于记忆的认知功能包括即时记忆、视觉空间记忆、注意力记忆和延迟记忆。
8.如权利要求7所述的方法，其中所述记忆练习包括匹配图像和/或文字，以及确定所述传感器数据包含所述指示用于记忆的认知功能的预定信息包括确定在所述记忆练习期间获得的所述传感器数据包含指示至少视觉空间记忆和即时记忆的预定信息。
9.如前述权利要求中任一项所述的方法，其中确定所述传感器数据是否包含所述指示用于记忆的认知功能的预定信息的步骤包括使所述传感器数据通过过滤器。
10.如前述权利要求中任一项所述的方法，其中所述传感器包括摄影机和/或脑电图(EEG)电极。
11.自学性认知训练装置，其包括：
用于接收对象记忆练习期间的传感器数据的输入装置；
认知功能评价器，其被适配成从所述输入装置接收所述传感器数据并确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息；
练习装置，其被适配成当确定了所述传感器数据包含所述指示用于记忆的认知功能的预定信息时进一步进行所述记忆练习，所述练习装置包括被适配成响应所述记忆练习的完成来计算所述对象的客观认知评估的计算装置。
12.如权利要求11所述的自学性认知训练装置，其中所述练习装置被适配成当确定了所述传感器数据不包含所述指示用于记忆的认知功能的预定信息时不进一步进行。
13.如前述权利要求中任一项所述的自学性认知训练装置，其中所述认知功能评价器还被适配成当在预定持续时间内完成了所述记忆练习的预定部分时确定所述传感器数据包含所述指示用于记忆的认知功能的预定信息。
14.如前述权利要求中任一项所述的自学性认知训练装置，其中所述练习装置还被适配成确定得分是否达到所述记忆练习的当前水平，并且当确定了所述得分达到所述记忆练习的当前水平时进一步进行所述记忆练习。
15.如前述权利要求中任一项所述的自学性认知训练装置，其中所述输入装置包括摄影机和/或脑电图(EEG)电极。
16.如前述权利要求中任一项所述的自学性认知训练装置，其中所述自学性认知训练装置耦接至传感器信号翻译器，所述传感器信号翻译器可用于翻译所述传感器数据，并且其中所述认知功能评价器可用于接收经翻译的传感器数据，并且确定所述经翻译的传感器数据是否包含指示用于记忆的认知功能的预定信息。
17.如前述权利要求中任一项所述的自学性认知训练装置，其还包括认知评估器，所述认知评估器耦接至所述练习装置，并且可用于接收和评估经计算的客观认知评估。
18.如权利要求17所述的自学性认知训练装置，其还包括耦接至所述认知评估器并被适配成储存信息的优化器，所述信息包括所述传感器数据，所述记忆练习以及与所述对象对应的对象简况。
19.如权利要求18所述的自学性认知训练装置，其中所述认知评估器被适配成将所述对象的经评估的客观认知评估传送至所述优化器，并且其中所述优化器被适配成接收所述客观认知评估，并且响应所述客观认知评估来更新所述对象的对象简况。
20.如权利要求18或19所述的自学性认知训练装置，其还包括耦接至所述优化器的配置器，所述配置器被适配成响应所述对象的所述经评估的客观认知评估和所述对象简况来配置所述记忆练习。
21.如权利要求20所述的自学性认知训练装置，其中所述配置器还被适配成响应所述经更新的对象简况来调整所述预定信息。
22.如前述权利要求中任一项所述的自学性认知训练装置，其中所述用于记忆的认知功能包括即时记忆、视觉空间记忆、注意力记忆和延迟记忆。
23.如权利要求22所述的自学性认知训练装置，其中所述记忆练习包括匹配图像和/或文字，并且其中所述练习装置还被适配成确定所述记忆练习期间接收的所述传感器数据是否包含指示至少视觉空间记忆和即时记忆的所述预定信息。
24.如前述权利要求中任一项所述的自学性认知训练装置，其中所述认知功能评价器包括过滤器，其中所述认知功能评价器还被适配成使所述传感器数据通过所述过滤器以便确定所述传感器数据是否包含所述预定信息。
25.如前述权利要求中任一项所述的自学性认知训练装置，其中所述练习装置还被适配成根据机器学习技术进一步进行所述记忆练习。
26.如前述权利要求中任一项所述的自学性认知训练装置，其中所述计算装置还被适配成根据概率建模法计算所述对象的所述客观认知评估。
27.如前述权利要求中任一项所述的自学性认知训练装置，其中所述计算装置还被适配成响应完成所述记忆练习所用的时间来计算所述对象的所述客观认知评估。
28.系统，其包括：
权利要求11至27中任一项所述的装置；以及
包括可用于接收对象的客观认知评估的接收器的服务器。
29.如权利要求28所述的服务器，其中所述服务器可用于接收和存储对象简况。
30.包括如权利要求11至27中任一项所述的两个或更多个装置的系统，其中所述接收器还可用于接收与所述两个或更多个装置对应的两个或更多个对象的所述客观认知评估，并且所述服务器可用于使所述两个或更多个对象与他们各自的客观认知评估相关联。
31.如权利要求30所述的服务器，其中所述服务器可用于接收和存储所述对象简况。
32.用于认知训练的计算机可读介质，所述计算机可读介质在其上存储有计算机程序代码，所述代码被计算机执行时，使所述计算机进行至少以下操作：
获得对象记忆练习期间的传感器数据；
确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息；
当确定了所述传感器数据包含指示用于记忆的认知功能的预定信息时，进一步进行所述记忆练习；以及
响应所述记忆练习的完成来计算所述对象的客观认知评估，
其中至少部分地响应所述进一步进行所述记忆练习来测量认知训练。
说明书
技术领域
本发明一般地涉及自学性认知训练装置及其方法。
发明背景
失忆是随着年龄增大而出现的常见神经变性症状。在诊断为患有痴呆症(其为影响记忆的认知性功能的一组表现和症状)的患者中尤其如此。一种这样的痴呆症例子是阿尔茨海默病。对患有阿尔茨海默病的患者使用经批准的药物，但是它们不能治愈或预防所述症状。因此，需要替选的干预来治疗患者的失忆。
经颅直流刺激(tDCS)是一种这样的替选干预。它是将低强度的直流电递送至皮层区以促进或抑制自发的神经活性的神经调节方法。但是，由于tDSC引发持续多至一小时的后效应，在一些情况下其可对对象的认知功能导致不必要的副作用。
以现有技术和工具，难以提供满足对象需要的个体化记忆训练系统。每个对象都具有不同程度的受影响的记忆功能，即，痴呆症患者可同时表现出两种或更多种痴呆进程。
对象痴呆过程还可能以不同速度进展，使得难以提供对记忆认知功能的客观评估。客观的认知评估将有助于提供个体化训练程序从而协助对象的认知功能训练。
因此，存在提供可用于提供个体化记忆训练程序的客观认知评估的需要。
发明概述
根据第一方面，提供了用于认知训练的方法，所述方法包括：获得记忆练习期间对象的传感器数据；确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息；当确定了所述传感器数据包含指示用于记忆的认知功能的预定信息时，进一步进行所述记忆练习；以及响应所述记忆练习的完成计算所述对象的客观认知评估，其中至少部分地响应所述进一步进行记忆练习来测量认知训练。
根据第二方面，提供了自学性认知训练装置，其包括：用于接收记忆练习期间对象的传感器数据的输入装置；适配成从所述输入装置接收所述传感器数据并确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息的认知功能评价器；当确定了所述传感器数据包含指示用于记忆的认知功能的所述预定信息时适配成进一步进行所述记忆练习的练习装置，所述练习装置包括计算装置，其适配成响应所述记忆练习的完成来计算所述对象的客观认知评估。
根据第三方面，提供了包括根据上述第二方面的两个或更多个装置的系统，其中所述接受器还可用于接受对应于两个或更多个装置的两个或更多个对象的客观认知评估，并且所述服务器可用于使两个或更多个对象与其各自的客观认知评估相关联。
附图简要说明
对本领域技术人员而言，通过以下仅以示例方式给出的书面描述并结合附图，本发明的实施方案将会被更好的理解并变得明显，其中附图中：
图1示出了描述根据第一实施方案的用于认知训练的方法的流程图；
图2示出了根据第二实施方案的自学性认知训练装置；
图3示出了用于脑机接口训练的配置的图；
图4示出了记忆练习的平面图；
图5示出了难度水平和所用时间变化的图示；
图6示出了卡数量和难度水平变化的图式；
图7示出了系统中自学性认知训练装置的框图。
发明详述
以下描述的一部分明确地或者暗含地涉及算法和对计算机存储器内数据操作的功能或者符号表示。这些算法的描述和功能或者符号表示是数据处理领域内技术人员用于更有效地向本领域内其它技术人员表达他们工作实质内容的方法。算法在本文以及一般地被设想为生成期望结果的一系列有条理的步骤。这些步骤是需要对诸如能够存储、转移、组合、对比以及通过其它方式操控的电、磁或者光信号等物理量进行物理操控的步骤。
除非特别说明，否则如以下可显而易见地，应该理解本说明书通篇使用的诸如“扫描”、“计算”、“确定”、“置换”、“生成”、“起始”、“输出”等术语的讨论，涉及计算机系统或者类似电子装置的动作和处理，上述的电子设备将表示为计算机系统内物理量的数据操控和转换成类似地表示为计算机系统或者其它信息存储、传输或者显示设备内物理量的其它数据。
本说明书还公开了用于运行所述方法的设备。这种设备可为所需的目的而特别构建，或者可以包括通用计算机或者其它由存储在计算机中的计算机程序选择性启动或者重新配置的其它装置。本文介绍的算法和显示不是固有地与任何具体计算机或者其它设备相关。可将多种通用机器与根据本文教导的程序一起使用。可选地，可以适当地构建更专业的装置以执行所需要的方法步骤。常规的通用计算机的结构将在以下描述中介绍。
此外，由于可以由计算机代码实施本文描述方法的各步骤对本领域的普通技术人员是显而易见的，因此本说明书还暗含地公开了计算机程序。所述计算机程序不应限制于任何特定的编程语言及其执行。应理解，可使用多种编程语言及其译码来实施本文所包含的公开内容的教导。此外，所述计算机程序不应限制于任何特定的控制流。在不脱离本发明的精神或范围的情况下，存在可使用不同控制流的所述计算机程序的许多其他变体。
此外，可并行而非序贯地进行所述计算机程序的一个或多个步骤。这样的计算机程序可以储存于任何计算机可读介质上。所述计算机可读介质可以包括存储装置，例如磁盘或光盘、记忆芯片或者适于与通用计算机通过接口连接的其他存储装置。所述计算机可读介质还可包括例如因特网系统等硬接线介质，或者例如GSM移动电话系统等无线介质。当计算机程序在通用计算机上加载并执行时，实际上产生了实施优选方法的步骤的设备。
还可将本发明实施为硬件模块。更具体的，在硬件的情况下，模块是设计用于与另一些组件或模块一起使用的功能硬件单元。例如，可使用分立的电子组件来实施模块，或者模块可形成例如专用集成电路(ASIC)等完整电子线路的一部分。存在许多其他可能性。本领域技术人员应理解，所述系统也可作为硬件模块和软件模块的组合来实现。
图1示出了描述根据第一实施方案的用于认知训练的方法的流程图100。该方法以个体化方式为对象提供认知训练。
在步骤102中，获得与对象相关的传感器数据。在步骤104中，将确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息。在一个实施方案中，所述传感器数据可来自生理传感器和/或行为传感器。在另一个实施方案中，所述传感器数据可来自摄影机和/或脑电图(EEG)电极。在步骤106中，进一步进行记忆练习。在步骤108中，确定所述记忆练习是否完成。在步骤110中，计算客观认知评估。
在步骤104中，将使从步骤102获得的传感器数据与指示用于记忆的认知功能的预定信息进行比较，以确定所述传感器数据是否包含预定信息。存在所述预定信息指示，该对象正在使用用于记忆的认知功能。
当确定了所述传感器包含指示用于记忆的认知功能的预定信息时，将在步骤106中进一步进行所述记忆练习。在确定了所述传感器数据不包含指示用于记忆的认知功能的预定信息的情况下，重复步骤104直至确定了所述传感器数据包含指示用于记忆的认知功能的预定信息。
所述确定步骤包括确定在预定的持续时间内何时完成记忆练习的预定部分。在一种情况下，提供指示物以向对象说明在预定的持续时间内完成所述部分的记忆练习的进程。所述指示物可为视觉信号、光信号或声音信号。如果没有在预定的持续时间内完成所述部分的记忆练习，将重复步骤104，并且所述指示物将向对象进行相同的指示。
所述确定步骤包括在步骤106中的进一步进行记忆练习之前，在步骤104中确定是否达到了记忆练习的当前水平的得分。基于几个参数来采集所述得分，即，完成所述记忆练习所花的时间、所述练习的复杂度和困难度、对象的准确度、对象的简况(profile)和状态。可根据所述对象的需要来调整得分。所述得分指示完成至少部分所述记忆练习时用于记忆的认知功能的量度。
在步骤108中，确定是否完成了所述记忆练习。当确定了完成所述记忆练习时，执行步骤110。来自步骤110的结果提供了作为对象的记忆认知能力的客观评估的值，其基于适于对象的有记录的参数以及练习期间对象的表现，即，完成练习所花的时间以及准确率。步骤108中得到的客观认知评估可用于调整在确定步骤104中使用的预定信息。
将响应所计算的客观认知评估来评估对象在整个记忆练习中的表现。将响应客观认知评估来相应地更新对象简况。这使得临床专业人员能够保持跟踪训练进展。
然后响应对象的客观认知评估以及对象简况来配置记忆练习。这为对象提供了根据对象的状态和需要的个体化认知训练方法。还可相应地调整在确定步骤中使用的预定信息。如果对象在预期的持续时间之前完成了记忆练习，则缩短用于确定传感器数据是否包含预定信息的预定持续时间，反之亦然。如果对象花了比预期更长的时间来完成记忆练习，则相应地调整用于分析传感器数据的预定信息。以此方式，将提供个体化记忆练习。
图2示出了根据用于认知训练的第二实施方案的设备200。通过输入装置203获取传感器数据。如图3所示，输入装置203的一个例子是连接至对象前额的电极。在一个实施方案中，输入装置203可以是生理和/或行为传感器。在另一个实施方案中，输入装置203可为摄影机和/或脑电图(EEG)电极。
将输入装置203布置成与认知功能评价器206耦接。将认知功能评价器206适配成确定所述传感器数据是否包含指示记忆的预定信息。
认知功能评价器206还被适配成确定在预定的持续时间内何时完成所述记忆练习的预定部分。在一种情况下，提供指示物以向对象说明在预定的持续时间内所述部分的记忆练习的完成进程。所述指示物可为视觉信号、光信号或声音信号。如果没有在预定的持续时间内完成所述部分的记忆练习，认知功能评估器将重复确定步骤，并且所述指示物将向对象进行相同的指示。
在一个实施方案中，存在传感器信号翻译器204，其被适配成翻译通过输入装置203获取的传感器数据以用于认知功能评价器206中的，以确定所翻译的传感器数据是否包含指示用于记忆的认知功能的预定信息。在另一个实施方案中，传感器信号翻译器204可以是EEG翻译器，并且可以被适配成翻译所获取的EEG数据以用于认知功能评价器206中，以确定所翻译的传感器数据是否包含指示用于记忆的认知功能的预定信息。
在一个实施方案中，认知功能评价器206包括过滤器205。在认知功能评价器206确定所述传感器数据中是否包含预定信息之前，使从输入装置203或传感器信号翻译器204接收的传感器数据通过过滤器205。
使认知功能评价器206耦接至练习装置208。练习装置208被适配成当确定了传感器数据包含指示用于记忆的认知功能的预定信息时进一步进行记忆练习。练习装置208被适配成当确定了传感器数据不包含指示用于记忆的认知功能的预定信息时不进一步进行。练习装置208被适配成确定得分是否达到记忆装置的当前水平，并且当确定了得分达到记忆练习的当前水平时，按照机器学习技术进一步进行记忆练习。所述得分指示完成至少部分所述记忆练习时对用于记忆的认知功能的量度。
练习装置208包括计算装置209，其被适配成当练习装置确定完成了记忆装置时，根据概率建模法来计算对象的客观认知评估。在一个实施方案中，计算装置209响应对象的表现和/或得分，即完成记忆练习所花的时间、表现的准确性，来计算对象的客观认知评估。
将练习装置208耦接至认知评估器210，后者被适配成接收经计算的对象的客观认知评估。认知评估器210响应经计算的客观认知评估来为记忆装置评估对象的表现。
将认知评估器210耦接至优化器212，后者被适配成储存包括以下的信息：来自输入装置203、传感器信号翻译器204的传感器数据，与记忆练习有关的参数，以及与对象相应的对象简况。对象简况包括来自完成记忆练习的状态和历史客观认知评价。优化器212被适配成接收经评估的客观认知评估，并且响应所述客观认知评估来相应地更新对象简况。这使得临床专业人员能够保持跟踪训练进展。
将优化器212耦接至配置器214，后者被适配成响应对象的经评估的客观认知评估以及对象简况来配置记忆练习。这为对象提供了根据对象的状态和需要的个体化认知训练方法。在一个实施方案中，配置器214响应经评估的客观认知评估来调整用于认知功能评价器206确定步骤的预定信息。如果对象在预期的持续时间之前完成了记忆练习，则缩短用于确定传感器数据是否包含预定信息的预定持续时间，反之亦然。如果对象花了比预期更长的时间来完成记忆练习，则相应地调整用于分析传感器数据的预定信息。
在一个实施方案中，配置器214将响应经评估的客观评估来配置用于确定传感器数据是否包含预定持续时间的预定持续时间。如果对象在预期的持续时间之前完成了记忆练习，则缩短用于确定传感器数据是否包含预定信息的预定持续时间，并且反之亦然。
在一个实施方案中，配置器214响应经评估的客观认知评估来配置记忆练习的复杂度和/或难度。如果对象在预期的持续时间之前完成了记忆练习，则增加记忆练习的复杂度和/或难度，反之亦然。
在一个实施方案中，将优化器212耦接至认知功能评价器206。认知功能评价器206将响应经评估的客观评估来配置指示用于记忆的认知功能的预定信息。如果对象在预期的持续时间之前完成了记忆练习，则增加用于确定步骤的预定信息，并且反之亦然。
在一个实施方案中，认知功能评价器206将响应经评估的客观评估来配置用于确定传感器数据是否包含预定持续时间的预定持续时间。如果对象在预期的持续时间之前完成了记忆练习，则缩短用于确定传感器数据是否包含预定信息的预定持续时间，并且反之亦然。
在一个实施方案中，存在经由记忆练习期间进行的选择来自使用者的第二输入207。它可以为键盘、签(joss stick)或计算机鼠标控制的形式。
图4显示，根据本实施方案，记忆练习包括翻转和匹配描述图像和/或不同语言的文字的卡片。对象的记忆包括即时记忆、视觉空间/结构性记忆、注意力记忆和延迟记忆。通过对象的速度和记忆练习的难度确定对象记忆的实际表现。一个例子是对象凭借对象的认知功能来翻转或匹配卡片所需的持续时间。通过该记忆练习，认知功能评估测量了用于记忆的认知功能的表现，即对象的记忆。
但是，本领域技术人员会知晓，可使用许多其他练习，只要它们通过针对包括即时记忆、视觉空间/结构性记忆、注意力记忆和延迟记忆在内的记忆四个部分中的两个或更多个来测量记忆表现即可。
记忆练习需要从对象获取的传感器数据以在将进一步进行练习之前满足预定信息，因此，需要对象使用用于记忆的认知功能，以便完成练习。如果对象没有以适于他/她的方式使用用于记忆的认知功能，指示物会告知对象。
现有技术可以假定记忆练习中认知功能和难度的简单指示物(例如卡片的数量)。但是，同一对象的认知努力变化不定，并且即使相同数量的卡片亦与不同的难度水平相关，则将容易使这样的技术不准确，并且它们的结果在每次之间不稳定。因此，本发明的实施方案寻求以以下的方式来解决该问题。
首先，它包括图像处理技术以自动分析卡片之间的相似性矩阵。然后，它计算结合了相似性测量和卡片块尺寸的难度的数学模型。其次，测量对象的用于记忆的实际认知功能，并使用合适的数学模型将其用于使认知工作负荷标准化。应用将来自多个测试阶段的结果组合成对记忆容量的客观测量的稳健数学模型，这使非相关状态的影响最小化。
实施方案使用来自客观认知评估的信息以在概率上使训练的效果最大化。配置器214配置难度测量。在其中记忆练习包括匹配具有相同图像的卡片对的实施方案中，将通过优化卡片的数量和卡片的选择来实现，从而使难度测量与对象的认知容量最佳匹配。
例如，可以控制难度测量以使得预期对象在给定时间内完成它。该实施方案也调整用于生成指示物的预定信息，从而使对象能够有效完成任务。
通过计算机来计算表现指数。考虑两个变量，即，基于计算机的训练活动(或者基于计算机的记忆练习，为了不失去一般性，我们使用术语训练活动，其也涵盖记忆练习)的难度水平λ，以及对象完成该活动所用的预期时间最小值τ。
时间还受记忆练习期间对象的工作负荷或认知功能的影响。因此，在一个实施方案中，τ被视为对象充分利用用于记忆的认知功能的理论时间。
图5示出了难度水平和所用时间的变化的图示。将时间τ视为难度水平λ的函数。两个变量都是非负性的。为了考虑多种难度水平，使用函数曲线下从0直至指定难度水平λ0的面积，
时间τ是λ的单调函数，因为更困难的活动需要更长的时间来完成。换成数学公式，其为
以下面的方法来测量客观量化活动难度的λ。为了不失去一般性，使用记忆活动作为例子。考虑到活动的布置，有一些决定难度的因素。
●卡片的数量，可由偶数n来描述
●每对卡片之间的距离，可由矩阵K来描述；
●每对卡片之间的相似度，可由矩阵S来描述；
难度由这三个变量决定。
λ＝f(K，S，n) (3)
应注意，这三个变量是相关联的。例如，K和S的大小基本由n×n决定。下面的模型描述了通过忽略K并将矩阵S的信息简化为对间的平均相似度s的函数。
图6示出了卡数量和难度水平的变化的图式。
如果对象在时间τ0内进行并完成记忆练习，通过对象的认知功能能力以及活动的难度二者来确定该时间。使用来自算法的关于用于记忆的认知功能的信息，通过引入经标准化的持续时间来简化认知功能变量，在所述经标准化的持续时间内，对象如果充分利用他/她的用于记忆的认知功能，则能够完成该阶段。
总体记忆容量应将所有可能的难度水平纳入考虑。但是，对于一些难度-时间对样本，估计函数曲线下直至难度水平指定上限的面积并不简单。
因此，对于如方程1来计算表现指数，按上文来计算时间和难度水平样本，除了需要确定的方程4中的系数α。估计方程1中的函数变成了曲线-拟合问题。
因为上述难度水平已经说明了高阶的原因，并且预期它与时间间的关系为低阶。特别地，考虑M阶多项式估计：
因为x＝0时y＝0，所以去掉零阶。
由于该估计在[0,∞]的范围内是单调的，强而充分的条件是
因此，需要确定系数b's和α。如果存在三联形式的训练活动数据的N样品数据集—— (提示：训练活动中图像的平均相似性测量)、图像块的数量ni以及用于完成活动的标准化的持续时间τi，可归结上述描述从而结合变量来用公式表示τ的函数。
然后，所述优化问题用公式表示为：
然后使用优化工具箱来解决该问题。因为该函数是高度非线性的，所以不能保证全局最优解决方案。
然后使用经估计的系数，由下式给出由曲线下面积定义的表现指数：
使用曲线下面积而不是使用在特定难度水平下的时间能够提供更稳健的表现评估，因为后者更易受噪音干扰，并且不负责多变的难度水平。此外，这使得能够预测多达任意难度水平的对象的全局表现。
在经历练习的对象应在指定时间内以最大的可能难度水平完成一轮记忆练习的情况下，其可被造模为统计学问题：
P(τ≤t0|λpl)≤ζc (11)
其中t0是对象完成活动的指定时间，ζc是置信水平，例如0.95。
对于每个难度水平，时间τ可视为非负的随机变量，其平均值例如 由方程6确定。
使用最大熵原理，变量τ应为γ分布，其中由两个参数来确定分布函数：标度参数θ(或其倒数，速率参数 )以及形状参数k。即，
其中Γ()是由下式指定的γ函数：
因为每个难度水平与特定的时间随机变量τ有关，所以K和θ两个参数基本上是难度水平的函数。实际上，我们可选择合适的k来匹配经验分布的形状，然后由平均数和k二者容易地确定θ，因为
然后，γ函数的累积分布函数(CDF)是
其中γ()是不完全的γ函数。
然后，通过解决以下问题来选择难度水平
将最大λ 代入F(t0；k(λ)，θ(λ))≤ζc (15)
在具有有限数量的图像子集的实际系统中，计算每个子集以及使用n和 的难度水平。然后，计算CDF以及CDF不大于ζc的最大一个。
所述装置和方法采用旨在针对每个对象使训练效率最大化的个体化方法。具体地，这通过使用被称为个体化训练配置优化(PTCO)的自动化机制来实现。该机制确定训练程序的布局，并根据行为状态和认知状态来设置最适合对象状态的参数。使用另外两个独特的组件来评价这两个状态：使用脑-机接口技术的传感器信号翻译器，以及认知评估引擎。
基本的科学原则是，已经在神经科学和心理学中建立了注意力与工作记忆之间的相互作用。但是，通过主动神经-心理学计算来组合这两者从而得到更有效的认知训练是新领域，并且还需要在技术上和临床上验证可行性和效果。
核心技术包括如下。
●用于同时训练记忆和注意力的基于计算机的系统，其使用先进的神经计算技术和机器学习技术；
●客观认知(记忆)评估工具，其提供用于优化训练程序以及用于临床用途的认知评价的信息；
●利用难度水平的概率建模法的自动的个体化设置优化方法；
●整合了使用生理学数据来实时评价注意力状况的先进注意力检测方法；
●包括支持多客户端的基于服务器的训练系统的新系统
图7示出了系统700中装置702(a)至(e)的框图。根据本实施方案，系统700具有装置702(a)至(e)中的至少一个以及接收器706。接收器可用于接收来自装置702(a)至(e)中至少一个的对对象的客观认知评估。系统700还包括数据存储708，用于接收和储存来自所述装置中至少一个的对象简况。当系统700与装置702(a)至(e)中的两个或更多个耦接时，系统700还可用于使两个或更多个对象与他们各自的客观认知评估相关联。
第五实施方案提供了用于认知训练的计算机可读介质。所述计算机可读介质在其上存储了计算机程序代码，当计算机执行所述代码时，所述代码导致计算机进行至少以下操作：获得对象在记忆练习期间的传感器数据；确定所述传感器数据是否包含指示用于记忆的认知功能的预定信息；当确定了所述传感器数据包含指示用于记忆的认知功能的预定信息时，进一步进行所述记忆练习；以及响应所述记忆练习的完成计算所述对象的客观认知评估，其中至少部分地响应所述进一步进行记忆练习来测量认知训练。
实验和讨论
参与者
评估了总共38个对象的资格，其中排除了三个不满足标准的对象。将总共35个参与者随机分组(17个进入BCI干预，以及18个进入等待列表对照)。发现两个参与者不合格，并且被不正确的随机分组；他们都没有接收任何干预。所述意向处理(ITT)群体中留下总共33个患者，15个进入BCI干预，并且18个进入等待列表对照。一个参与者在随机分组后失去了跟进，并且还有一个在完成一周评估后退出(这两个都来自等待列表对照组)。没有一个接受了任何干预。因此，ITT群体的这33个中，31个(15个进行BCI干预，并且16个进行等待列表对照)贡献了关于初级功效和可接受性分析的信息。所有31个参与者都完成了所有24个阶段(依从率：100％)
程序
在本研究中使用的BCI系统已经在之前的出版物中进行了详述。在训练之前，所有参与者都经历了校准Stroop任务。该Stroop任务使得BCI系统能够开发出代表每个参与者专注状态的个体化EEG图谱。
进入干预组以及等待列表组中的参与者都进行了持续8周的24个阶段的BCI干预。计划每个阶段花30分钟来完成。在每个阶段期间，参与者进行卡片配对记忆活动，其中他们必须集中他们的注意力以便翻开或合上屏幕上的卡片(参见图2)。在每个训练阶段后，询问参与者是否经历了任何不良事件。干预组在他们进行实验的头8周里经历BCI治疗。等待列表对照组直到8周后才经历干预。从第9周至第16周，等待列表对照组经历了和干预组相同的BCI训练干预程序。从开始的招募到最后的跟进，所有研究程序都在2012年4月至2013年1月之间完成。
结果测量
在每个参与者的最终BCI训练阶段(干预组的第8周和等待列表对照组的第16周)，进行可用性和可接受性问卷(改编自(26))。评估参与者对每一项在多大程度上同意，度量为1(强烈不同意)至7(强烈同意)。
表1.对可用性和可接受性问卷中所有项响应的描述性总结
功效结果测量是重复性成套神经心理状态测验(Repeatable Battery for the Assessment of Neuropsychological Status，RBANS)的总分，对于干预组，在第1、8和16周中进行所述测验；对于等待列表对照组，在第1、9和16周中进行所述测验。通过在BCI训练每个阶段后询问参与者是否在该阶段经历了任何不适来评估不良事件或严重不良事件。如果有的话，然后在研究结束时针对每个参与者整理这些事件的总结。
主要指标有：基于可用性问卷上的参与者总体评分的BCI装置可接受率；以及第8周相对于第1周的RBANS总分变化。将可接受率定义为对整个系统的评分大于4(刻度范围为1至7)的参与者的比例。
第二指标包括：依从率，其被定义为完成了不少于19个BCI阶段(总共提供24个阶段)的参与者的比例；第8周与第1周相比重复性成套神经心理状态测验(RBANS)的五个域得分的变化，以及BCI阶段之前与之后RBANS的五个域得分之间的变化，以及跨组汇总的总度量指数得分。
RBANS得分的变化
表3中示出了处于两个时期中两组的中值得分。如表2中所示，在训练前和训练后干预组中第8周与第1周之间RBANS总度量指数得分中值差为3.0(范围为-6至28)。在等待列表对照组中，等待列表期期间相应的差的中值是2.0(-18至19)。等待列表对照组在第9至16周接受BCI干预。干预期间RBANS总度量指数得分的差的中值为4.5(-9至22)。在第8至16周期间未接受治疗的干预组中，第8周与第16周之间差的相应中值为1.0(-20至29)。
对组间总RBANS得分的变化得分(从第1周至第8周)的中值差的Hodges-Lehmann估计为7.0(95％CI：-4.0至15.0；p＝0.332)，其没有统计学显著性。点数估计(7.0)体现了约0.6SD的效应量。对组间5个RBANS域的变化得分(第1周至第8周)的中值差异Hodges-Lehmann估计为0.5至9.5，这提示对于干预组中的这些参与者，所述域中的每一个都有改进。但是，域得分之间的变化得分的差值都没有统计学显著差异(表2)。
汇总来自两组的BCI前和BCI后的数据，BCI前和BCI后的RBANS总分的变化中值为4.0(95％CI：-9.0至28.0；p<0.001)(表3)。合并两组，BCI前和BCI后的即时记忆、视觉空间/结构性记忆、注意力和延迟记忆域得分的变化中值都是统计学上显著的，语言域得分除外。
表2.干预组和等待列表对照组第1周与第8周之间的RBANS域指数得分变化的比较
1来自曼-惠特尼U检验的P值
2Hodges-Lehmann估计及其相关的95％置信区间
表3.干预前和干预后RBANS个体指数子得分和总度量指数得分，汇总干预组和等待列表对照组两组的数据
1来自威氏符号秩次检验的P值
安全性
在研究期间没有任何参与者报告不良事件或严重不良事件。
讨论
如在对可用性和可接受性问卷的回应中可见，参与者的反馈是积极的。非常高的依从率也提示参与者中有着高水平的主动性。这些因素指示，老年使用者可能充分主动地依从该训练计划，即使在他们自己家里亦如此。
训练前和训练后RBANS总分以相似的量级改进，并且对于干预组和等待列表对照组两组都存在该改进(对于干预组，第1周与第8周之间；以及对于等待列表对照组，第9周与第16周之间)。在干预前，等待列表对照组中的RBANS总分没有改变。此外，在第9和第16周之间，干预组停止治疗，他们的平均RBANS总分既没有降至基线水平，也没有以如第1和第8周之间同等大的量级改进。变化的时间顺序可认为支持干预组第1周和第8周之间的平均RBANS总分的改进是由于BCI治疗效果所致。
虽然该数据指示，与等待列表对照组相比，干预组表现出第1周与第8周之间更大的RBANS总分的改进，但是该差异没有达到统计学显著性。因此，该研究没有提供决定性的证据来证明由RBANS总分评估的干预组与等待列表对照组之间的正常老年人的注意力和记忆的差异。但是，得到的效应量为0.6SD。当汇总来自两组的数据时得到的高显著性结果也支持该结论，这表明BCI训练前和BCI训练后的RBANS总分的正位移。
应注意，合并两组，BCI前和BCI后除语言外的所有五个RBANS域的得分都显示出统计学上显著性的正性变化。该差异化的改进表明，RBANS得分的增加是训练程序的功效的有效指示，所述训练程序靶向注意力和记忆而非语言。视觉空间/结构性的显著性正性变化可归因于记忆任务的视觉性质和图画性质。这可能磨练了参与者对图像刺激的注意力，其用于评估RBANS的视觉空间/结构性域。此外，虽然用于训练和评估的任务的性质和形式非常不同(例如，图像的视觉记忆相对词汇表的听觉记忆)，但是将训练期间记忆和注意力的推定改进翻译成RBANS相关域和全局得分的得分增加。还可将其作为另一个证据证明该训练导致认知机能的全局改进而不是任务特异性的改进。
虽然在本发明前面的详述中示出了一些示例性实施方案，但是应理解，存在许多变体，包括关于用作输入的信息的变体，以及如何进行记忆练习的变体。
本领域技术人员应理解，可对如在具体实施方案中示出的本发明进行许多变化和/或改造，而不脱离广泛描述的本发明的精神或范围。因此，这些实施方案在各方面都应视为举例说明性的，而非限制性的。
自学性认知训练装置及其方法专利购买费用说明
Q：办理专利转让的流程及所需资料
A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。
1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2：按规定缴纳著录项目变更手续费。
3：同时提交相关证明文件原件。
4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式
Q：专利转让变更，多久能出结果
A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0