一種多通道簡易精神狀態(tài)檢測系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種多通道簡易精神狀態(tài)(MMSE)檢測系統(tǒng)。本發(fā)明利用平板電腦、數(shù)字化輸入板和語音的多通道輸入，建立一種基于多通道信息融合的簡易精神狀態(tài)（MMSE）新型電子化檢測系統(tǒng)，從而能有效的提高MMSE的檢查速度、量化認知與手部運動功能數(shù)據(jù)、量化構(gòu)音及發(fā)音數(shù)據(jù)，提高檢查的效率、綜合性和客觀性。該方法融合了電子化檢查量表、數(shù)字化輸入板的多通道輸入、發(fā)音信息的分析。通過電子化的系統(tǒng)來提高檢查的效率，多通道融合的方法來建立認知與運動、發(fā)音信息的數(shù)據(jù)模型，建立客觀定量的MMSE分析系統(tǒng)。
【專利說明】一種多通道簡易精神狀態(tài)檢測系統(tǒng)
【技術領域】
[0001]本發(fā)明屬于數(shù)字醫(yī)療領域，具體涉及一種利用數(shù)字筆輸入技術、語音分析技術、觸摸技術的簡易精神狀態(tài)(MMSE)的多通道檢測系統(tǒng)。
【背景技術】
[0002]人機交互技術的最新進展為傳統(tǒng)的醫(yī)學檢查創(chuàng)造了更多的可能性。平板電腦包含著目前最自然最直接的觸摸交互技術，能夠使醫(yī)生在最自然的狀態(tài)下進行量表的檢查。筆式交互對于那些具有很少或沒有計算機經(jīng)驗的人容易接受。他們可以利用其以前的寫作經(jīng)驗，而無需學習如何操縱鍵盤和鼠標。數(shù)字化輸入板這種方法新穎、安全、價廉、快速、便攜、無創(chuàng)，而且可以檢測、表征和定量運動功能障礙而無需電線或其他附件。這種方法不僅可以收集在二維X— Y平面內(nèi)的測量數(shù)據(jù)，而且可以獲取壓力軸、方位角、旋轉(zhuǎn)角、傾角三維信息等，對檢測用戶手部的震顫等功能障礙提供了新的量化信息。語音分析技術可以通過分析人的說話聲音，提取出其中蘊含的構(gòu)音肌肉群功能狀態(tài)、情感和精神狀態(tài)等特征，并可基于這些特征對用戶的神經(jīng)功能進行綜合定量分析。當前代表性的工作包括基于語音的情感分析(參考文獻:E.Moore, M.Clements, J.Peifer, and L.ffeisser.Comparingobjective feature statistics of speech for classifying clinical depression.1EMBS, 2004.),壓力分析(參考文獻:Modeling drivers’ speech under stress.SpeechCommunication-Special issue on speech and emotion, 40 (1-2)，2003.),患病與否及嚴重程度分析(參考文獻:Nonlinear speech analysis algorithms mapped to a standardmetric achieve clinically useful quantification of average Parkinson’s diseasesymptom severity.Novel speech signal processing algorithms for high—accuracyclassification of Parkinsons disease.)。
[0003]在目前醫(yī)療領域，簡易精神狀態(tài)(麗SE)量表是一項針對認知功能的初步篩查，常規(guī)的MMSE檢查僅可對受試者的認知功能進行初步的評價。但在受試者接受MMSE檢查過程中，需要回答一系列問題，并做簡單繪圖，因此對檢查過程中更多信息(如語音、筆跡)的分析可以反映受試者更為全面的神經(jīng)功能(如發(fā)音肌群運動功能、手運動功能)。從神經(jīng)功能評價的角度看，綜合性的、同時包含認知功能、運動功能及語言能力的評價方式必然具有更高的應用價值。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于利用平板電腦、數(shù)字化輸入板和語音的多通道輸入，建立一種基于多通道信息融合的簡易精神狀態(tài)(MMSE)的新型電子化檢測系統(tǒng)，該方法融合了電子化檢查量表、數(shù)字化輸入板的多通道輸入、發(fā)音信息的分析，通過電子化的系統(tǒng)來提高檢查的效率，多通道融合的方法來建立認知與運動、發(fā)音信息的數(shù)據(jù)模型，從而能有效的提高MMSE的檢測速度、量化認知與手部運動功能數(shù)據(jù)、量化構(gòu)音及發(fā)音數(shù)據(jù)，提高麗SE數(shù)據(jù)的檢測效率、綜合性和客觀性。[0005]具體來說，本發(fā)明采用的技術方案如下:
[0006]一種多通道簡易精神狀態(tài)檢測系統(tǒng)，包括:
[0007]錄音設備，包括發(fā)音信息采集模塊和音頻文件分割模塊；所述發(fā)音信息采集模塊用于采集檢測開始后待測者的所有發(fā)音信息；所述音頻文件分割模塊根據(jù)當前不同的檢測項目，將采集的發(fā)音信息切分成不同的音頻文件，并存儲在平板電腦中；
[0008]數(shù)字化輸入板，包括多通道輸入數(shù)據(jù)采集模塊，用于采集檢測過程中待測者多通道輸入的數(shù)據(jù)，并存儲在平板電腦中；
[0009]平板電腦，連接所述錄音設備和數(shù)字化輸入板，包括發(fā)音特征提取模塊、運筆特征提取模塊、電子化的MMSE量表模塊及MMSE數(shù)據(jù)模型模塊；所述發(fā)音特征提取模塊用于提取上述音頻文件的發(fā)音特征；所述運筆特征提取模塊用于提取上述多種通道輸入過程中的運筆特征；所述發(fā)音特征、運筆特征輸入所述MMSE數(shù)據(jù)模型后，輸出簡易精神狀態(tài)檢測結(jié)果。
[0010]進一步地，所述發(fā)音信息采集模塊通過錄音采集發(fā)音信息，具體音頻參數(shù)為16bit，44.1Hz, Ichannel ;所述發(fā)音信息包括:發(fā)音開始時間，發(fā)音結(jié)束時間。
[0011]進一步地，所述數(shù)字化輸入板是支持數(shù)位筆輸入的液晶顯示屏；所述數(shù)位筆是支持筆尖軌跡、筆尖壓力、筆尾三維傾角、筆身自轉(zhuǎn)角的數(shù)位筆；所述數(shù)位筆采用數(shù)字化輸入板像素點坐標進行定位。
[0012]進一步地，所述多通道輸入的數(shù)據(jù)包括:記錄反應時間，完成時間，總連線時間，圈內(nèi)停留時間，錯誤次數(shù)，錯誤率，總平均速度，每段平均速度，最大速度，偏移度，最大偏移值，壓力，傾斜方向，傾斜幅度，旋轉(zhuǎn)角等。
[0013]進一步地，所述發(fā)音特征包括音頻文件的Mel頻率倒譜系數(shù)(Mel FrequencyCepstrum Coefficient, MFCC)、感知線性預測(Perceptual Linear Predictive, PLP)、基礎頻率(FO)、循環(huán)周期熵(RPDE)等特征；所述運筆特征包括運筆壓力、速度等特征。
[0014]進一步地，所述發(fā)音特征提取模塊通過以下方法提取所述音頻文件的發(fā)音特征:首先對每個窗口寬度25ms、采樣率為IOms的漢明窗口提取PLP特征。它從26個梅爾頻率帶計算6個PLP特征，在應用一個參數(shù)為22的倒譜同態(tài)濾波器的同時再加上一個5序的預測器。其次，對音頻文件提取INTERSPEECH2010Paralinguistic Challenge特征集，一共包含1582個特征，選取其中的MFCC系數(shù)及其一階導數(shù)，基礎頻率(F0)，聲音響度、音高等特征。最后，通過Matlab程序提取出音頻的信噪比、循環(huán)周期熵(RPDE)、趨勢波動分析、音高周期熵等特征。
[0015]進一步地，所述運筆特征提取模塊通過以下方法提取所述多種通道輸入過程中的運筆特征:待測者在多通道輸入過程中在每一個時間點會形成一個七維向量X〈時間，X坐標，I坐標，筆尖壓力，筆尾三維方向角，筆尾三維傾斜角，筆身自轉(zhuǎn)角〉。從落筆到繪圖結(jié)束則形成了一個包含m個X的序列StlOCtl, X1, X2,.., Xm>。根據(jù)這個序列，計算出整個繪圖過程中的總連線時間、圈內(nèi)停留時間、錯誤次數(shù)、平均速度、平均壓力、平均曲率等特征。
[0016]進一步地，所述MMSE數(shù)據(jù)模型模塊是根據(jù)訓練樣本提取的特征建立的分類模型，包括認知與運動數(shù)據(jù)模型和發(fā)音信息數(shù)據(jù)模型；所述認知與運動數(shù)據(jù)模型是根據(jù)提取出的運筆特征，采用6種特征選擇的算法(最好優(yōu)先、遺傳算法等)，選出其中公共的3個特征(連線上停留時間、偏移度、畫線壓力離散度)輔以基本特征(年齡、血壓等)采用已有的主流BP神經(jīng)網(wǎng)絡分類器進行訓練建立的；所述發(fā)音數(shù)據(jù)模型是根據(jù)發(fā)音特征，通過特征選擇算法，選出其中的25個特征，主要包括(第0、2、3、4、6、7、8、9、10、維MFCC系數(shù)，第2、3、4、8、12維MFCC導數(shù)，聲道刺激率、信噪比)等，采用BP神經(jīng)網(wǎng)絡進行訓練建立的；所述認知與運動數(shù)據(jù)模型和發(fā)音信息數(shù)據(jù)模型與電子化的麗SE量表的題目評分進行匹配，最終建立麗SE數(shù)據(jù)模型；該模型作為患病嚴重程度模型，能夠給出計算機預測的用戶對MMSE檢查的得分。
[0017]進一步地，所述電子化的MMSE量表模塊是將MMSE量表中的每一項檢測項目對應到平板電腦數(shù)據(jù)庫中的一個表項；對于電子化的MMSE量表模塊中的檢查題目，所述多通道簡易精神狀態(tài)檢測系統(tǒng)將自動記錄每道題的得分情況及作答結(jié)果詳情。
[0018]進一步地，所述多通道簡易精神狀態(tài)檢測系統(tǒng)根據(jù)每一題選擇的選項、數(shù)字化輸入板輸入及錄音設備采集的數(shù)據(jù)，生成一條麗SE檢查的向量R〈name, gender, age,…,week_score, day_score,...，total_score>,并存儲在數(shù)據(jù)庫中，同時生成一個報告文檔，詳細描述了每一題的得分(包括對數(shù)字化輸入板操作的結(jié)果及音頻文件分析后給出的客觀定量的檢測結(jié)果)。
[0019]與現(xiàn)有技術相比，本發(fā)明具有的優(yōu)點和積極效果如下:
[0020]1)本發(fā)明采用電子設備進行MMSE的檢查方式，不僅方便醫(yī)生操作且效率更高，還能自動將數(shù)據(jù)存儲在數(shù)據(jù)庫中并同時生成報告文檔。
[0021]2)本發(fā)明采用的數(shù)字化輸入板信息采集方式，可以量化分析待測者的畫圖能力，并能預測待測者的患病情況，平均準確率能達到94.03%。
[0022]3)本發(fā)明采用的發(fā)音分析技術，可以量化分析待測者的構(gòu)音能力，并能預測待測者對MMSE檢測的評分，與實際測量的評分誤差在3分以內(nèi)。
【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的結(jié)構(gòu)示意圖。
[0024]圖2為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的系統(tǒng)框架圖。
[0025]圖3為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的操作流程示意圖。
[0026]圖4為本發(fā)明電子化的麗SE量表的示意圖。
[0027]圖5為本發(fā)明數(shù)字化輸入板操作示意圖。
[0028]其中:1—錄音設備；2—數(shù)字化輸入板；3—平板電腦。
【具體實施方式】
[0029]為使本發(fā)明的目的、特征和優(yōu)點能更明顯易懂，下文通過具體實施例，并結(jié)合附圖，做詳細的說明。
[0030]MMSE的檢查往往費時費力，目前的做法仍然是以十年前的方式操作。醫(yī)生根據(jù)量表對患者進行詢問，并記錄下每一個問題的回答及分數(shù)。當需要患者進行手部動作、發(fā)音等操作時，醫(yī)生將道具提供給患者，觀察患者的操作并根據(jù)經(jīng)驗進行主觀的定性分析。數(shù)字化輸入板及語音分析技術能有效量化手部運動、語音數(shù)據(jù)，提高疾病信息判斷的客觀性。本發(fā)明為該問題提供了一種解決方法。
[0031]本實例支持用戶在平板電腦及液晶數(shù)位屏上進行更加方便、有效、精確的操作；具體包含Surface Pro平板電腦(屏幕大小為10.6寸，分辨率為1280*800，操作系統(tǒng)為Windows8)和Wacoml3HD液晶數(shù)位屏(屏幕大小為13.0寸，分辨率為1280*800，附帶的數(shù)位筆為 Wacom KP-701E)。
[0032]圖1為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的結(jié)構(gòu)示意圖，如圖所示，該系統(tǒng)包括:
[0033]錄音設備1，包括發(fā)音信息采集模塊和音頻文件分割模塊；所述發(fā)音信息采集模塊用于采集檢測開始后待測者的所有發(fā)音信息；所述音頻文件分割模塊根據(jù)當前不同的檢測項目，將采集的發(fā)音信息切分成不同的音頻文件，并存儲在平板電腦中；
[0034]數(shù)字化輸入板2，包括多通道輸入數(shù)據(jù)采集模塊，用于采集檢測過程中待測者多通道輸入的數(shù)據(jù)，并存儲在平板電腦中；
[0035]平板電腦3，連接所述錄音設備和數(shù)字化輸入板，包括發(fā)音特征提取模塊、運筆特征提取模塊、電子化的MMSE量表模塊及MMSE數(shù)據(jù)模型模塊；所述發(fā)音特征提取模塊用于提取上述音頻文件的發(fā)音特征；所述運筆特征提取模塊用于提取上述多種通道輸入過程中的運筆特征；所述發(fā)音特征、運筆特征以及電子化MMSE量表模塊采集的評分數(shù)據(jù)輸入所述MMSE數(shù)據(jù)模型后，輸出簡易精神狀態(tài)檢測結(jié)果。
[0036]圖2為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的系統(tǒng)框架圖。包括:
[0037]I)使用平板電腦I采集電子化的麗SE量表模塊中檢查題目的各項評分數(shù)據(jù)，使用數(shù)字化輸入板設備中的多通道輸入數(shù)據(jù)采集模塊采集MMSE測驗的多通道輸入數(shù)據(jù)(筆尖軌跡、筆尖壓力、筆尾三維傾角、筆身自轉(zhuǎn)角等)，使用錄音設備中的發(fā)音信息采集模塊采集語音數(shù)據(jù)，音頻文件分割模塊進行分割后存儲在平板電腦中，并通過運筆特征提取模塊和發(fā)音特征提取模塊提取運筆特征(壓力、速度等)和發(fā)音特征(MFCC、PLP、FO、RPDE等)，得到所述定量分析算法的候選特征。
[0038]2)將上一步所得到的候選特征進行建模，得到患病與否與嚴重程度的定量結(jié)果。
[0039]3)通過多通道融合的方法對以上2個結(jié)果進行融合，綜合考慮患病預測及評分預測，調(diào)整相關參數(shù)，來建立時間相關的麗SE數(shù)據(jù)模型，并將相關檢測結(jié)果分別存儲在數(shù)據(jù)庫和文檔報告中。
[0040]圖3為本發(fā)明多通道簡易精神狀態(tài)檢測系統(tǒng)的操作流程示意圖，包括:
[0041]I)簡易精神狀態(tài)檢測開始時，同時開始后臺錄音，采集發(fā)音信息，同時根據(jù)當前不同的檢測項目，將采集的發(fā)音信息切分成不同的音頻文件，切分成不同的音頻文件，并提取各個首頻文件發(fā)首特征；
[0042]2)在利用數(shù)字化輸入板繪圖時，采集運筆過程中每一點的時間，X坐標，y坐標，筆尖壓力，筆尾三維方向角，筆尾三維傾斜角，筆身自轉(zhuǎn)角等信息，提取運筆特征；
[0043]3)將電子化的MMSE量表各項指標的評分數(shù)據(jù)，繪圖、發(fā)音數(shù)據(jù)存儲在數(shù)據(jù)庫中并生成報告文檔，與此同時，平板電腦對運筆特征、發(fā)音特征的分析結(jié)果也將包含在報告中，最終得到定量的麗SE數(shù)據(jù)。
[0044]圖4給出了本發(fā)明電子化的麗SE量表的示意圖。在利用本發(fā)明的多通道簡易精神狀態(tài)檢測系統(tǒng)進行檢測時，醫(yī)生首先根據(jù)電子化的MMSE量表中的檢查問題向病人進行詢問，并記錄下問題的記過。當需要病人在數(shù)字化輸入板上進行操作時，醫(yī)生可以點擊相應頁面的按鈕，則病人可在其面前的數(shù)字化輸入板上進行操作，醫(yī)生同時可以進行實施觀察，如圖5所示。多通道簡易精神狀態(tài)檢測系統(tǒng)后臺同時將整個檢查過程進行全程錄音，并將涉及到語音部分抽取出來，進行語音數(shù)據(jù)的分析。最后多通道簡易精神狀態(tài)檢測系統(tǒng)將自動給醫(yī)生生成一個檢查報告用于打印的進一步操作，并同時將檢查結(jié)果存儲在數(shù)據(jù)庫中。
[0045]本發(fā)明采用的數(shù)字化輸入板信息采集方式，可以量化分析待測者的畫圖能力，并能預測待測者的患病情況，平均準確率能達到94.03%。其中正常人群共627人，其中570人被系統(tǒng)預測為正常，57人被預測為患?。换疾∪巳?80人，565人被預測為患病，15人被預測為正常。
[0046]本發(fā)明采用的發(fā)音分析技術，可以量化分析待測者的構(gòu)音能力，并能預測待測者對麗SE檢測的評分，與實際測量的評分誤差在3分以內(nèi)。對于210個患病者，平均絕對分差為2.7874，平均均方差為3.5093，相關系數(shù)為-0.7506。
[0047]以上通過實施例對本發(fā)明所述的基于平板電腦、數(shù)字筆、語音分析的多通道簡易精神狀態(tài)(MMSE)檢測系統(tǒng)進行了詳細的說明，但本發(fā)明的具體實現(xiàn)形式并不局限于此。本領域的一般技術人員，可以在不背離本發(fā)明所述方法的精神和原則的情況下對其進行各種顯而易見的變化與修改。本發(fā)明的保護范圍應以權(quán)利要求書所述為準。
【權(quán)利要求】
1.一種多通道簡易精神狀態(tài)檢測系統(tǒng)，包括: 錄音設備，包括發(fā)音信息采集模塊和音頻文件分割模塊；所述發(fā)音信息采集模塊用于采集檢測開始后待測者的所有發(fā)音信息；所述音頻文件分割模塊根據(jù)當前不同的檢測項目，將采集的發(fā)音信息切分成不同的音頻文件，并存儲在平板電腦中； 數(shù)字化輸入板，包括多通道輸入數(shù)據(jù)采集模塊，用于采集檢測過程中待測者多通道輸入的數(shù)據(jù)，并存儲在平板電腦中； 平板電腦，連接所述錄音設備和數(shù)字化輸入板，包括發(fā)音特征提取模塊、運筆特征提取模塊、電子化的MMSE量表模塊及MMSE數(shù)據(jù)模型模塊；所述發(fā)音特征提取模塊用于提取上述音頻文件的發(fā)音特征；所述運筆特征提取模塊用于提取上述多種通道輸入過程中的運筆特征；所述發(fā)音特征、運筆特征輸入所述MMSE數(shù)據(jù)模型后，輸出簡易精神狀態(tài)檢測結(jié)果。
2.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述發(fā)音信息采集模塊通過錄音采集發(fā)音信息，具體音頻參數(shù)為16bit，44.1Hz, Ichannel ;所述發(fā)音信息包括:發(fā)音開始時間，發(fā)音結(jié)束時間。
3.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述數(shù)字化輸入板是支持數(shù)位筆輸入的液晶顯示屏；所述數(shù)位筆是支持筆尖軌跡、筆尖壓力、筆尾三維傾角、筆身自轉(zhuǎn)角的數(shù)位筆；所述數(shù)位筆采用數(shù)字化輸入板像素點坐標進行定位。
4.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述多通道輸入的數(shù)據(jù)包括:記錄反應時間，完成時間，總連線時間，圈內(nèi)停留時間，錯誤次數(shù)，錯誤率，總平均速度，每段平均速度，最大速度，偏移度，最大偏移值，壓力，傾斜方向，傾斜幅度，旋轉(zhuǎn)角。
5.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述發(fā)音特征包括音頻文件的Mel頻率倒譜系數(shù)、感知線性預測、基礎頻率、循環(huán)周期熵；所述運筆特征包括運筆壓力、速度。
6.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述發(fā)音特征提取模塊通過以下方法提取所述音頻文件的發(fā)音特征:首先對每個漢明窗口提取PLP特征，其次，對音頻文件提取INTERSPEECH2010Paralinguistic Challenge特征集，選取其中的MFCC系數(shù)及其一階導數(shù)，基礎頻率，聲音響度、音高，最后，通過Matlab程序提取出音頻的信噪比、循環(huán)周期熵、趨勢波動分析、音高周期熵。
7.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述運筆特征提取模塊通過以下方法提取所述多種通道輸入過程中的運筆特征:用戶在多通道輸入過程中在每一個時間點形成一個七維向量X〈時間，X坐標，y坐標，筆尖壓力，筆尾三維方向角，筆尾三維傾斜角，筆身自轉(zhuǎn)角 >，從落筆到繪圖結(jié)束則形成了一個包含m個X的序列S0<x0, X1, X2,.., xm>，根據(jù)這個序列，計算出整個繪圖過程中的總連線時間、圈內(nèi)停留時間、錯誤次數(shù)、平均速度、平均壓力、平均曲率。
8.如權(quán)利要求1-7任一所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述MMSE數(shù)據(jù)模型模塊是根據(jù)訓練樣本提取的特征建立的分類模型，包括認知與運動數(shù)據(jù)模型和發(fā)音信息數(shù)據(jù)模型；所述認知與運動數(shù)據(jù)模型是根據(jù)提取出的運筆特征，采用特征選擇算法，選出其中公共的3個特征輔以基本特征，采用已有的主流BP神經(jīng)網(wǎng)絡分類器進行訓練建立的；所述發(fā)音數(shù)據(jù)模型是根據(jù)發(fā)音特征，通過特征選擇算法，選出其中的25個特征，包括第0、2、3、4、6、7、8、9、10、維1^(1:系數(shù)，第2、3、4、8、12維1^(1:導數(shù)，聲道刺激率、信噪比，采用BP神經(jīng)網(wǎng)絡進行訓練建立的；所述認知與運動數(shù)據(jù)模型和發(fā)音信息數(shù)據(jù)模型與電子化的MMSE量表的總檢測評分進行匹配，最終建立MMSE數(shù)據(jù)模型。
9.如權(quán)利要求1所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述電子化的MMSE量表模塊是將MMSE量表中的每一項檢測項目對應到平板電腦數(shù)據(jù)庫中的一個表項；對于電子化的麗SE量表模塊中的檢查題目，所述多通道簡易精神狀態(tài)檢測系統(tǒng)將自動記錄每道題的得分情況及作答結(jié)果詳情。
10.如權(quán)利要求9所述的多通道簡易精神狀態(tài)檢測系統(tǒng)，其特征在于，所述多通道簡易精神狀態(tài)檢測系 統(tǒng)根據(jù)每一題選擇的選項、數(shù)字化輸入板輸入及錄音設備采集的數(shù)據(jù)，生成一條 MMSE 檢查的向量 R〈name，gender, age,…，week_ score, day—score，…，total—score〉，并存儲在數(shù)據(jù)庫中，同時生成一個報告文檔，詳細描述了每一題的得分。
【文檔編號】G10L25/63GK103956171SQ201410128613
【公開日】2014年7月30日 申請日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】田豐, 姜超詞, 朱以誠, 周立新, 袁晶, 崔麗英, 王宏安 申請人:中國科學院軟件研究所, 中國醫(yī)學科學院北京協(xié)和醫(yī)院