CN108652648A - 一种用于老年人抑郁症的抑郁监控装置 - Google Patents
一种用于老年人抑郁症的抑郁监控装置 Download PDFInfo
- Publication number
- CN108652648A CN108652648A CN201810222520.5A CN201810222520A CN108652648A CN 108652648 A CN108652648 A CN 108652648A CN 201810222520 A CN201810222520 A CN 201810222520A CN 108652648 A CN108652648 A CN 108652648A
- Authority
- CN
- China
- Prior art keywords
- user
- practical
- state
- mobile terminal
- depressive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 18
- 230000002996 emotional effect Effects 0.000 claims abstract description 102
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 15
- 208000020401 Depressive disease Diseases 0.000 claims description 170
- 230000036651 mood Effects 0.000 claims description 39
- 230000000994 depressogenic effect Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000008451 emotion Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 9
- 230000003930 cognitive ability Effects 0.000 claims description 8
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 description 8
- 230000001629 suppression Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 206010054089 Depressive symptom Diseases 0.000 description 4
- 210000000467 autonomic pathway Anatomy 0.000 description 4
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 230000002889 sympathetic effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000003001 depressive effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 210000001186 vagus nerve Anatomy 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005713 exacerbation Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000035755 Psychosomatic disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000009758 senescence Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Developmental Disabilities (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种用于老年人抑郁症的抑郁监控装置,至少包括:移动端,用于自动采集和/或由用户输入实际情绪状态信息;探测器,用于以间接或直接地接触用户身体的方式采集身体信号,身体信号经由移动端发送给云端服务器;云端服务器,用于基于预设的数据库利用抑郁状态分析算法确定与身体信号对应的理论抑郁状态信息;其特征在于,云端服务器基于用户的实际情绪状态信息、身体信号和/或外界条件来分析抑郁状态的变化趋势,并且云端服务器在抑郁状态状态的变化趋势将在可预见的时间点超出临界值的情况下,移动端向当前用户或关联移动端发出预警提示和/或活动建议。本发明能够准确监控用户抑郁状态的变化趋势,从而进行有效提醒和引导。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种用于老年人抑郁症的抑郁监控装置。
背景技术
老年人属于脆弱的群体。身体的衰老以及心理状态的变化都会引发抑郁症。老年抑郁症是指年龄在55或60岁以上的抑郁症患者,狭义的也可以是指首次起病年龄在55或60岁之上的抑郁症患者,无论是哪一种,都有着诸多老年期的特点。在临床上常见为轻度抑郁,但危害性不容忽视,如不及时诊治,会造成生活质量下降、增加心身疾病(如心脑血管病)的患病风险和死亡风险等严重后果。
老年人的抑郁特征有别于年轻群体的抑郁特征。老年抑郁与遗传、与遗传、大脑解剖结构和病理改变、生化和社会心理等因素有关。这些因素错综复杂并相互交织,对抑郁的发生均有明显影响。由于个体的差异,老年人的抑郁特征不尽相同,这为抑郁症状的评估带来了难度。若按照统一的方法对老年抑郁进行训练和康复,容易获得相反的效果,反而加重抑郁的程度。
半数以上的老年抑郁症患者情绪低落、焦虑、紧张担心、思维迟缓、意志活动减退、睡眠衰弱、身体不适。但是,有些老年抑郁症患者症状不明显,在使用药物进行抑郁治疗好转后继续陷入抑郁状态。因此,根据个体的性格差异来对个体进行抑郁症的康复和监控是迫切解决的技术难题。并且,对极端抑郁状态的预防也是直观重要的,有利于老年人的家属及时了解抑郁程度并配合缓解抑郁症状,避免老年人出现***观念和行为。
中国专利(CN 104127193 A)公开了一种抑郁程度量化评估***,包括:心电脉搏波一体化检测装置、数据传输装置、数据处理平台。该专利还公开了一种抑郁程度量化评估诊断方法,包括以下步骤:步骤1、通多状态综合测试平台获取不同状态下的人体生理信息;步骤2、依据心率变异性分析原理得到不同状态下的HRV特征参数;步骤3、评估自主神经***中的交感神经、迷走神经功能的平衡状态;步骤4、建立抑郁程度量化评估模型,实现快速、客观评估受测者的抑郁程度等级。
但是,该专利仅仅是根据生理信息、HRV特征参数和自主神经***中的交感神经、迷走神经功能的平衡状态来评估抑郁程度,而忽略了人的情绪与抑郁的关联。由于老年人的衰老导致的神经衰退和病痛情况,不能够准确评估老年人的抑郁程度。特别的,对于乐观的老年人,其情绪受病痛影响较小,利用该专利的方法会进一步获得相反的抑郁程度评估结果。因此,该专利并不能够适用老年人的抑郁程度评估以及抑郁监控。
发明内容
本发明源自这样的发现,没有任何一个人能够准确描述某种抑郁所带来的心理感受,无论是悲伤还是痛苦。甚至老年人自己及其家属都没有意识到老年人陷入抑郁状态,患有轻度抑郁症。虽然现在有脑电波扫描、特征信号探测等等方法,也有大量人工智能的算法如CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)被用于构件情绪模型,然而具体到个体的适用效果而言都只能说是差强人意。
从心理学家的角度来看,抑郁是可监控和管理的,至少是可引导的。这种管理与引导需要科学的方法和装置来辅助才能达到预期的效果。故此,本发明的任务在于,提供一种由使用人员自身来标定并记录情绪,并由此来有针对性地训练抑郁控制能力的装置及方法。通过本发明,一方面可以通过示教过程来完成对云端服务器抑郁状态分析算法的训练,另一方面可以由用户持续地调整实际抑郁状态与理论抑郁状态之差别,使得本发明的装置逐渐习得用户的抑郁特征,进而有效管理用户的情绪和引导抑郁症状。
本发明提供一种用于老年人抑郁症的抑郁监控装置,至少包括:移动端,用于自动采集和/或由用户输入实际情绪状态信息;探测器,用于以间接或直接地接触用户身体的方式采集身体信号,所述身体信号经由所述移动端发送给云端服务器;云端服务器,用于基于预设的数据库利用抑郁状态分析算法确定与所述身体信号对应的理论抑郁状态信息;其特征在于,所述云端服务器基于用户的实际情绪状态信息、身体信号和/或外界条件来分析所述抑郁状态的变化趋势,并且所述云端服务器在所述抑郁状态状态的变化趋势将在可预见的时间点超出临界值的情况下,所述移动端向当前用户或关联移动端发出预警提示和/或活动建议。
根据一个优选实施方式,所述云端服务器基于所述探测器采集的身体信号来分析确定与之对应的理论情绪状态并反馈至所述移动端,并且所述云端服务器基于用户输入的实际情绪状态信息、身体信号和/或外界条件来分析并完成所述云端服务器对理论情绪状态的示教过程,其中,所述云端服务器根据所述示教过程确定的至少两种极端情绪状态信息来预先配置抑郁状态分析算法的参数。
根据一个优选实施方式,所述云端服务器基于用户的实际情绪变化趋势、认知能力、活动信息、身体信号和/或外界条件来分析所述抑郁状态状态的变化趋势,其中,所述云端服务器基于用户对刺激信息的反馈来分析所述认知能力,所述云端服务器基于所述移动端自动采集和/或由用户输入的活动信息分析用户的活动信息变化趋势。
根据一个优选实施方式,所述云端服务器将用户输入的实际情绪状态信息、抑郁状态信息和所述移动端提供的与实际情绪状态信息相关的外界条件以彼此关联的方式进行存储,所述移动端被设置为由用户按照与外界条件、活动信息和/或认知能力相关的方式检索存储在所述云端服务器和/或所述移动端的实际情绪状态信息或抑郁状态信息。
根据一个优选实施方式,所述云端服务器根据所述实际情绪状态信息来校正基于所述探测器采集的身体信号分析确定的理论情绪状态,由校正后的理论情绪状态分析得到的抑郁状态信息构成的抑郁管理配置文件按照可根据身体信号进行检索的方式存储在所述移动端和/或数据库。
根据一个优选实施方式,在示教过程中,所述移动端向用户施加能够引发情绪的刺激信息,并且自动采集和/或由用户输入与所述刺激信息对应的实际情绪状态信息以分析实际抑郁状态信息,同时所述探测器采集用户的与所述刺激信息对应的身体信号,所述云端服务器基于示教过程中的至少两种所述实际抑郁状态信息、所述身体信号来预先配置抑郁状态分析算法的参数,并且校正与所述身体信号对应的理论抑郁状态信息。
根据一个优选实施方式,所述移动端由用户输入实际情绪状态的步骤包括:用户以点选的方式选择当前情绪的类型以及级别,和/或用户以文本、语音、视频或图形的方式输入自身的实际情绪状态。
根据一个优选实施方式,所述移动端将用户以文本、语音、视频和/或图形的方式输入的感受与实际抑郁状态以关联的形式存储或提供至所述云端服务器,或者,所述移动端记录引发用户的实际抑郁状态的外界条件并以与对应的抑郁状态关联的形式存储或提供至所述云端服务器,所述云端服务器对用户的特定抑郁状态和所述外界条件之间的相关性进行分析,并且基于所述相关性对所述特定抑郁状态的引发进行预警。
根据一个优选实施方式,所述移动端以外界条件、身体信号、实际情绪状态和抑郁状态的映射关联逐渐增加的方式存储和显示外界条件信息、身体信号信息、实际情绪状态信息和抑郁状态信息,其中,每一个外界条件与至少一个身体信号映射关联,每一个身体信号与至少一个实际情绪状态映射关联,每一个实际情绪状态与至少一个抑郁状态映射关联。
根据一个优选实施方式,所述云端服务器基于对每一时刻的至少一个外界条件、身体信号和/或实际情绪状态的迭代分析来记录实际抑郁状态和理论抑郁状态,并且所述移动终端以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、实际情绪变化趋势和实际抑郁状态的变化趋势,以颜色变化、声音和/或振动的方式提醒用户实际抑郁状态的极端变化趋势,和/或显示改变实际抑郁状态的建议。
本发明的有益技术效果:
本发明的用于老年抑郁的抑郁监控装置,能够将用户的情绪状态进行个性化分析,提高个人的抑郁状态变化的准确判断。并且,本发明能够利用云平台将抑郁状态的数据进行大数据化进行各行业的共享,有利于政府部门分析外界条件的变化对群体的抑郁状态的影响。对于演员、谈判者、医生等需要对抑郁症调节的职业人员,本发明能够帮助其调节抑郁状态或引导其缓解抑郁状态。特别的,抑郁状态不益于工作和生活,对抑郁状态的调节和监控能够避免用户由于抑郁症状造成身体的损害甚至***行为,延长寿命。本发明的情绪控制装置及情绪控制方法,有益于大家快乐工作和生活。
附图说明
图1是本发明的逻辑结构示意图;和
图2是本发明的移动端的显示示意图。
附图标记列表
10:移动端 20:探测器
30:云端服务器 31:数据库
具体实施方式
下面结合附图进行详细说明。
实施例1
如图1所示,本发明提供一种用于老年人抑郁症的抑郁监控装置。本发明的抑郁监控装置至少包括移动端10、探测器20和云端服务器30。移动端10用于自动采集和/或由用户输入实际情绪状态信息。优选的,移动端10包括图像或视频采集装置。移动端可以是智能终端,例如笔记本、手机、智能手环、智能手表等移动装置,也可以是摄像装置。优选的,摄像装置包括普通摄像装置和夜用摄像装置。优选的,自动采集是自动采集用户的脸部表情以及微表情。或者,由用户将自己的表情图片或视频、或用文字描述的情绪输入移动端。优选的,由用户输入实际情绪状态信息包括用户的感受。
本发明的探测器用于以间接或直接地接触用户身体的方式采集身体信号。探测器包括多种采集人体生理信号的模块。探测器的探测模块至少包括脉搏传感器、心跳传感器、血压传感器、呼吸频率传感器、声音采集模块、手部振动模块和脚步频率传感器中的一种或几种。优选的,探测器中的探测模块还可以根据需求增加微波信号传感器,用于检测脑电波的变化。探测器中的探测模块还可以根据需求增加设置在头部的电极。优选的,探测器20采集的身体信号经由所述移动端10发送给云端服务器30。
本发明的云端服务器30用于基于预设的数据库利用抑郁状态分析算法确定与身体信号对应的理论抑郁状态信息。优选的,云端服务器30设置有存储若干抑郁状态分析算法的数据库31。所述云端服务器30根据所述探测器20采集的身体信号来分析并确定与之对应的理论抑郁状态并反馈至所述移动端10。优选的,抑郁状态分析算法包括贝叶斯分类算法、神经网络、支持向量机、决策树、基于事例推理的学习、关联规则学习等机器学习算法。
例如:示教过程的方法步骤包括:
S1:启动示教模式;
S2:用户选择:根据用户名选择本次示教对象,若本次示教的对象为数据存储模块中已经录入的用户,则直接进行选择;若本次示教的对象为尚未录入的用户,则通过移动端录入其用户的情绪信息再进行选择,所述的用户情绪信息包括用户名和用户脸部照片、用户样例情绪及与其关联的外界条件和抑郁状态;
S3:样例选取,若本次示教的样例情绪视频和示教匹配内容已经存储在该用户名下,则直接选取已存储的样例情绪视频和示教匹配内容;若本次示教的样例情绪视频和示教匹配内容没有包含在该用户名下,则通过移动端读入本次示教的示教匹配内容,并且将本次示教的样例情绪视频和示教匹配内容存入该用户名下,然后选取存入的样例情绪视频和示教匹配内容;
S4:情绪变换:调用步骤S3中选取的样例情绪视频,基于用户脸部照片进行基于情绪演化,实现样例情绪在用户脸部照片上的视频反演,生成示教情绪视频;
S5:实时示教:移动端实时显示步骤S4生成的示教情绪视频和步骤S3选取的示教匹配内容进行示教。例如,此时用户处于第一抑郁状态,用户通过移动端输入抑郁状态信息。移动端采集用户此刻的情绪表情、时间轴一一对应的外界条件以及用户的感受并存储至用户名下。云端服务器根据移动端采集的实际情绪信息以及外界条件进行理论抑郁状态分析,多次重复,直至示教结束;
S6:效果评估:云端服务器根据理论抑郁状态分析的抑郁状态和示教过程中录入的第一抑郁状态信息,通过对比来修正抑郁状态分析算法,并且记录与该抑郁状态时间关联的外界条件、实际情绪状态和感受。
其中一种理论抑郁状态分析算法如下所述。抑郁状态算法以支持向量机多分类算法为基础实现抑郁状态感知,支持向量机的模型是定义在特征空间上的间隔最大的线性分类器,可以转化为一个求解凸二次规划的问题,通过求解优化问题来获得分类结果。在示教过程中,只要保证分类结果和真实值Y在一个范围ε以内,就认为是可以接受的,该优化问题表达公式如下:
该方法通过非线性映射将低维空间的示教样本映射至高维空间F,然后在高维空间中通过线性分类器进行分类。其中w表示权重向量,wT为其转置向量,b表示线性阈值参数,相关参数通过示教过程获得。
优选的,抑郁症的分析算法还可以通过建立抑郁程度量化评估模型来进行分析抑郁程度。
例如,S111:通过探测器采集生理参数,,依据心率变异性分析原理得到不同状态下的HRV特征参数;通过测试受测者在多状态综合测试中的心电脉搏波数据,并对此数据进行HRV时域、频域、非线性分析,根据CfsSubsetEval属性评估方法和最好优先迭代准则得到不同状态下心率变异性特征参数;
S112:根据S1获取的心率变异性特征参数量化评估自主神经***中的交感神经、迷走神经功能的平衡状态;根据多状态综合测试过程得到的特征参数来描述该状态下交感神经***与迷走神经***的相对平衡性,实现特征参数对自主神经***平衡状态的量化评估;
S113:在定量评估自主神经***平衡状态的基础上,建立抑郁程度量化评估模型;通过预先建立的数学模型根据心率变异性分析模块得到的特征参数对受测者的精神状态进行评估和抑郁程度分级。
抑郁程度量化评估模型的建立过程包括以下步骤:
S311:计算HRV参数;HRV参数包括:时域参数、频域参数和非线性参数,时域参数包括:MEAN、SDNN、RMSSD和pNN50,频域参数包括:VLF、LF、HF、TP、pVLF、pLF、pHF、nLF、nHF和LF/HF,非线性参数包括SD1、SD2、SDSD、α1和α2;的HRV表示心率变异性,的MEAN为所有窦性RR间期的均值;SDNN为所有窦性RR间期的标准差,的RMSSD为相邻RR间期差值的均方根,的pNN50为50毫秒间隔以上相邻RR间期差值的比例,SDSD为相邻RR间期之间的标准差,的VLF为心率变异性曲线经FFT变换后极低频成分0.0033~0.04Hz的功率,的LF为心率变异性曲线经FFT变换后低频成分0.04~0.15Hz的功率;的HF为心率变异性曲线经FFT变换后高频成分0.15~0.4Hz的功率;的TP为心率变异性曲线经FFT变换后的总功率,的pVLF为心率变异性曲线极低频成分的百分比,的pLF为心率变异性曲线低频成分的百分比,的pHF为心率变异性曲线高频成分的百分比,的nLF为归一化的低频功率,的nHF为归一化的高频成分,的LF/HF为低频成分与高频成分的比值,的SD2为散点图在X=Y方向上的散点图区域最长的两点间距离,SD1为垂直于X=Y方向上散点图区域最长的两点间的距离,的α1为HRV曲线第一部分去趋势波动分析斜率,的α2为HRV曲线第二部分去趋势波动分析斜率;
S312:获取特征参数集;根据可回溯的贪婪搜索扩张和CfsSubsetEval属性评估方法获得HRV参数的特征参数集;
S313:训练抑郁程度量化评估模型H;样本集合X0包括N个训练样本,经第一次训练得到弱分类器h1,将分错的样本和其他样本构建成由N个训练样本组成的第二个样本集合X1,经第二次训练得到弱分类器h2,经t次重复训练,得到t个弱分类器hi,hi={hi|i=1,2,3,…,t},t为正整数,抑郁程度量化评估模型的表达式为:
其中,ht表示第t个弱分类器,αt表示第t个弱分类器的权重;
S314:把心电脉搏波一体化检测装置检测到的数据输入抑郁程度量化评估模型H,得到抑郁程度量化评估结果。
优选的,云端服务器30基于用户对所述移动端10的操作完成对所述云端服务器30的示教过程。首先,云端服务器30需要用户配合以完成示教过程。本发明中的示教是指示范性的人工智能的编程。当用户的实际情绪状态、身体信号、外界条件以及抑郁状态信息以关联的形式存储在云端服务器中时,云端服务器30通过示教过程将实际情绪状态、身体信号以及外界条件的关联关系以及抑郁状态分析算法写入内存中,形成针对用户的个性化抑郁状态分析算法。用户与云端服务器30通过移动端10的示教次数越多,则云端服务器30的抑郁状态分析算法越准确。例如,根据用户多次输入的样例信息而调节各种信息的权重参数,使抑郁状态分析算法的理论情绪状态尽量与用户的实际抑郁状态一致或近似。
其中,所述云端服务器30根据所述示教过程确定的至少两种极端情绪状态信息来预先配置抑郁状态分析算法的参数。不同的抑郁状态,对于同一极端情绪的表现程度是不同的。因此,不同的极端情绪状态信息能够用来配置抑郁状态分析算法的参数。
优选的,在示教过程中,所述移动端10向用户施加能够引发情绪的刺激信息,并且自动采集和/或由用户输入与所述刺激信息对应的实际情绪状态信息。同时所述探测器20采集用户的与所述刺激信息对应的身体信号。所述云端服务器基于示教过程中的至少两种所述实际情绪状态信息、所述身体信号和抑郁状态信息来预先配置抑郁状态分析算法的参数。优选的,云端服务器30基于实际情绪状态获得的实际抑郁状态信息来校正与身体信号对应的理论抑郁状态信息。
优选的,刺激信息包括视频、图片、文字信息和声音等能够引起用户情绪反应的信息。文字信息包括能够引起用户反应的悲伤情景描述、快乐情景描述、温暖场景描述、笑话等文字。特别地,刺激信息还包括能够引起用户极端情绪的刺激信息,以便记录用户的极端情绪。
优选的,云端服务器30还基于示教过程中的实际情绪状态的变化趋势形成个性化的情绪变化曲线。例如,情绪变化为:微开心→开心→不开心→平静→悲伤。正常情况下,用户不会从非常开心状态瞬间转入悲伤状态。
通过持续性分析当前用户的理论抑郁状态,本发明的抑郁监控装置就能够利用云端服务器30来监控抑郁状态的变化趋势。例如,通过对探测器20所采集的身体信号分析可以表明,当前用户的抑郁状态变化趋势正在从平缓变为激烈,且这种趋势没有缓解的趋势时,若移动端10根据理论抑郁状态模型推演得到当前用户趋于悲伤,则其在该用户悲伤之前(例如悲伤等级为4级且趋势为增长),以用户指定的声音、文本、图形或视频等方式向该用户发出提示,以助于其及时地缓解紧张或悲伤的情绪,而不出现情绪继续消极。
优选的,云端服务器30基于用户的实际情绪变化趋势、认知能力、活动信息、身体信号和/或外界条件来分析所述抑郁状态状态的变化趋势。云端服务器基于用户对刺激信息的反馈分析认知能力。所述移动端自动采集和/或由用户输入的活动信息分析用户的活动信息变化趋势。在用户的情绪持续消沉,认知能力降低或参加活动的频率减少之后,云端服务器判断抑郁程度增加,通过移动端或关联的亲属移动端发送预警信息或者活动建议。提醒亲属陪伴老年人参加喜爱的活动,或者安排老年人参加适宜的活动。优选的,云端服务器30基于移动端10主动采集的用户参加活动过程中的身体信号以及情绪状态来记录和存储活动种类与调节抑郁程度的关联关系。在用户的抑郁程度长时间没有减轻的情况下,云端服务器基于活动种类与抑郁状态的关联以优选顺序推荐用户参加相应的活动,以缓解抑郁状态。
优选的,在所述移动端10针对至少一段连续的时间区间内的实际情绪状态信息分析确认当前用户的实际抑郁状态的变化趋势将在可预见的时间点超出临界值的情况下,和/或在所述云端服务器分析确认当前用户的理论抑郁状态的变化趋势将在可预见的时间点超出临界值的情况下,所述云端服务器通过所述移动端向当前用户或者关联的家属移动端发出预警提示。具体地,移动端10或云端服务器30对当前用户的实际抑郁状态的变化趋势进行分析,确认实际抑郁状态的变化趋势将在可预见的时间点超出临界值。此时,云端服务器30通过移动端10向用户发出振动、声音、颜色变化等多种提示,以提醒用户转变注意力,参加活动或查看适宜的影片,引导情绪向积极转变以引导抑郁状态。
优选的,所述移动端10将用户以文本、语音、视频和/或图形的方式输入的实际情绪状态与对应的自动采集的实际情绪状态以关联的形式存储或提供至所述云端服务器30。或者,所述移动端10记录引发用户的实际抑郁状态的外界条件并以与对应的实际情绪状态、实际抑郁状态关联的形式存储或提供至所述云端服务器30。所述云端服务器30对用户的特定抑郁状态和所述外界关系之间的相关性进行分析,并且基于所述相关性对所述特定抑郁状态的引发进行预警。优选的,外界条件例如是天气情况、环境噪音、温度和地理位置信息等。
例如,阴天,温度较低,用户处于陌生的地理位置,环境安静,用户的实际情绪状态为悲伤,移动端采集身体信号,云端服务器分析用户的实际抑郁状态为轻度抑郁。则移动端10或云端服务器30将同一时刻的外界条件、身体信号、实际情绪状态和实际抑郁状态进行关联存储,并且对实际抑郁状态的前一限定时间内的抑郁状态变化趋势和后一限定时间内的抑郁状态变化趋势进行记录。云端服务器30对用户的轻度抑郁状态和所述外界关系之间的相关性进行分析,并且基于所述相关性对轻度抑郁的引发进行预警。优选的,云端服务器30再次分析得到近似的抑郁状态变化趋势以及与其相关的外界条件和身体信号,就会对用户进行重要提示,避免用户陷入极端的悲伤情绪,从而避免抑郁状态的进一步加重。
优选的,由移动端10在一段时间内持续地分析当前用户的实际抑郁状态信息。如果确认当前用户情绪变化从快乐1到恐惧1,在到恐惧2,又转到悲哀1,那么对应的抑郁状态的趋势变化不会在可预见的时间点超出临界值转变为中度抑郁。此时不会向用户发出提示。根据前述优选实施方式,实际情绪状态可以由移动端自动采集,也可以由用户手动输入。在示教阶段,以用户手动输入为主;在结束示教阶段之后,由移动端自动采集为主。优选地,在所述云端服务器30分析确认当前用户的抑郁状态的变化趋势将在可预见的时间点超出临界值的情况下,通过所述移动端10向当前用户发出提示。
优选的,所述云端服务器30将用户输入的当前抑郁状态信息和所述移动端10提供的与实际抑郁状态信息相关的情绪状态信息和/或外界条件以彼此关联的方式进行存储,有助于信息的检索。所述移动端10被设置为由用户按照与外界条件相关的方式检索存储在所述云端服务器30和/或所述移动端10的实际情绪状态信息或实际抑郁状态信息。
抑郁状态检索是抑郁康复训练过程中的一项重要手段。用户通过检索触发某种不良情绪的身体信号能够检索到存储在云端服务器的实际抑郁状态信息。优选的,实际抑郁状态信息还可以是用户以文本、图片和/或视频方式记录的某种内心感受,也可以是由移动端10采集的声音、视频或图像信息,包括用户的微表情数据。
优选的,所述移动端10由用户输入实际情绪状态的步骤包括:用户以点选的方式选择当前情绪的类型以及级别,和/或用户以文本、语音、视频或图形的方式输入自身的实际情绪状态。
优选的,所述移动端10自动采集用户的实际情绪状态的步骤包括:所述移动端10以音频和/或视频采集的方式采集实际情绪状态,并且将所述采集的实际情绪状态与用户以点选的方式选择的情绪类型和情绪级别进行比较,从而对所采集的实际情绪状态进行归类和分级。云端服务器30根据实际情绪状态、外界条件和抑郁状态分析算法分析出相应的抑郁状态。
特别的,移动端10可以按照与外界条件、情绪状态信息相关的方式提供实际抑郁状态信息作为检索结果。例如,以外界条件“阴天-冬季-哭”或身体信号进行输入并检索,则检索到若干相关的抑郁状态“轻度抑郁”、“中度抑郁”、“非抑郁状态”等等。用户可以了解自己受外界条件的影响以及回忆当时的情景,并主动规避相似的外界条件。
虽然云端服务器30能够对身体信号和抑郁状态进行分析,但都是基于理论研究进行的。每个个体的性格不同,有的人喜爱阴天,在阴天心情也比较好,减轻抑郁程度。有的人反感阴天,在阴天心情比较负面,加重抑郁程度。因此,需要示教过程来对理论抑郁状态进行校正,使云端服务器30的分析能够适应独立的个体。优选的,所述云端服务器30根据所述实际情绪状态信息来校正基于所述探测器采集的身体信号分析确定的理论情绪状态,由校正后的理论情绪状态分析得到的抑郁状态信息构成的抑郁管理配置文件按照可根据身体信号进行检索的方式存储在所述移动端和/或数据库。
优选的,移动端10在记录实际抑郁状态信息时,能够在使用本发明装置的用户在感受到某种情绪时,将能够缓解或加重抑郁状态的情绪相关的身体信号以数据记录的形式存储记录下来。所述数据记录可以是语音、文本、图片、视频或以上几种之组合。例如由智能手机作为移动端10分别针对性记录与引发抑郁状态的情绪的时间、地点和天气等外界条件。
优选的,校正后的理论抑郁状态可通过可自定义的关键字来进行检索。优选地,检索得到的理论抑郁状态能够按照与近似的实际抑郁状态一同提供的方式来交付检索结果。将理论抑郁状态与近似的实际抑郁状态一同提供,有利于用户根据检索结果来确定想要的检索信息,提高信息检索的准确率。
优选的,根据实际抑郁状态校正理论抑郁状态的步骤包括:将实际抑郁状态与理论抑郁状态加以比较,并定性和/或定量地调整该理论抑郁状态,从而生成与当前用户相关的用户抑郁状态配置文件。优选地,该用户抑郁状态配置文件也兼顾了与各个实际情绪状态信息相关的外界条件。这样的配置,有利于快速引导用户的负面情绪逐步转变为正向情绪,缓解抑郁状态的加重。具体地,在调整理论抑郁状态时,设置与理论抑郁状态相关的个性化条件在用户抑郁状态配置文件中。个性化条件包括与用户匹配的、实际情绪状态、外界条件和身体信号。当用户处于极端的负面情绪并引发或加重抑郁状态并需要引导时,用户抑郁状态配置文件基于与理论抑郁状态相关的个性化条件,调节移动端的刺激信息,或者改变用户的外界条件来逐步调节用户的情绪状态缓慢变化,从而调节抑郁状态进行缓解或消失。
优选的,移动端10的显示包括外界条件标识、身体特征标识、情绪状态标识和抑郁状态标识。其中,外界条件标识、身体特征标识、情绪状态标识和抑郁状态标识的变化彼此关联,至少一个外界条件定性和/或定量地改变身体特征。至少一个身体特征定性和/或定量地引发情绪状态标识的变化。至少一个情绪状态定性和/或定量地引发用户抑郁状态的变化。优选的,在用户输入实际情绪状态时,云端服务器将通过移动端发送的对应的外界条件、身体信号和感受分析实际情绪状态并显示为情绪状态标识。优选的,外界条件标识、身体特征标识、情绪状态标识和感受标识以同步变化的方式在移动端实时显示。用户在移动端能够同时查看外界条件标识、身体特征标识、情绪状态标识和抑郁状态标识以及其中一个标识的变化引起的其它标识变化。
例如,所述移动端10以外界条件、身体信号、实际情绪状态和抑郁状态的映射关联逐渐增加的方式存储和显示外界条件信息、身体信号信息、实际情绪状态信息和抑郁状态信息。其中,每一个外界条件与至少一个身体信号映射关联。每一个身体信号与至少一个实际情绪状态映射关联。每一个实际情绪状态与至少一个抑郁状态映射关联。
优选的,所述云端服务器基于对每一时刻的至少一个外界条件、身体信号和/或抑郁状态的迭代分析来记录实际抑郁状态和理论抑郁状态。所述移动终端10以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、抑郁状态变化和实际情绪状态的变化趋势,以颜色变化、声音和/或振动的方式提醒用户实抑郁状态的极端变化趋势,和/或显示改变实际抑郁状态的建议。
移动端10以由至少两个圆组成的圆形阵列的方式显示用户输入的、实际情绪状态、与其关联的外界条件和身体信号和实际抑郁状态。其中,每一个圆划分为若干个用于记录信息的空格。
如图2所示,所述移动端10以由四个圆组成的圆形列表的方式存储并显示用户输入的实际情绪状态、与其关联的外界条件和身体信号和实际抑郁状态。其中。圆形列表包括外圈标识和内圈标识。所述内圈标识包括第一内圈标识11和半径大于所述第一内圈标识的第二内圈标识12。所述外圈标识包括第一外圈标识13和半径大于所述第一外圈标识的第二外圈标识14。
所述第一内圈标识11的每一空格用于存储与实际情绪状态关联的外界条件。所述第二内圈标识12的每一空格用于存储与实际情绪状态关联的身体特征。所述第一外圈标识13的每一空格用于存储所述实际情绪状态。所述第二外圈标识14的每一空格用于存储抑郁状态。每一种信息的变化都可能引起其它信息的变化。
例如,外界条件中的噪音指数增大,外界条件标识的每一个空格沿顺时针进行记录并进行颜色变化,身体特征标识的每一空格沿顺时针记录身体信号并进行相应颜色的变化。在噪音指数增大超过个性阈值后,感受标识的每一空格沿顺时针记录感受并发生相应颜色的变化。例如,用户输入的实际情绪状态为烦躁2级。则情绪状态标识基于外界条件变化、身体特征变化及其等级产生变化,导致抑郁状态标识的颜色发生变化。在用户的实际抑郁状态不适合工作或学习时,移动端10以声音、振动或闪烁的方式向用户示警,提醒用户改善情绪或者引导抑郁状态变化。优选的,云端服务器30通过移动端10向用户发出引导抑郁状态变化的建议,例如结合外界条件提出运动建议、音乐歌曲建议等等。
优选的,云端服务器30基于用户在一段时间内的抑郁状态变化趋势通过移动端10向用户发出引导抑郁状态的建议,例如旅游建议、探亲建议、亲子活动建议、工作休息建议甚至生活作息建议,以此引导用户缓解抑郁状态,快乐健康的生活,延长寿命。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种用于老年人抑郁症的抑郁监控装置,至少包括:
移动端,用于自动采集和/或由用户输入实际情绪状态信息;
探测器,用于以间接或直接地接触用户身体的方式采集身体信号,所述身体信号经由所述移动端发送给云端服务器;
云端服务器,用于基于预设的数据库利用抑郁状态分析算法确定与所述身体信号对应的理论抑郁状态信息;
其特征在于,
所述云端服务器基于用户的实际情绪状态信息、身体信号和/或外界条件来分析所述抑郁状态的变化趋势,并且
所述云端服务器在所述抑郁状态状态的变化趋势将在可预见的时间点超出临界值的情况下,所述移动端向当前用户或关联移动端发出预警提示和/或活动建议。
2.如权利要求1所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述云端服务器基于所述探测器采集的身体信号来分析确定与之对应的理论情绪状态并反馈至所述移动端,并且
所述云端服务器基于用户输入的实际情绪状态信息、身体信号和/或外界条件来分析并完成所述云端服务器对理论情绪状态的示教过程,其中,所述云端服务器根据所述示教过程确定的至少两种极端情绪状态信息来预先配置抑郁状态分析算法的参数。
3.如权利要求1所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述云端服务器基于用户的实际情绪变化趋势、认知能力、活动信息、身体信号和/或外界条件来分析所述抑郁状态状态的变化趋势,其中,
所述云端服务器基于用户对刺激信息的反馈来分析所述认知能力,
所述云端服务器基于所述移动端自动采集和/或由用户输入的活动信息分析用户的活动信息变化趋势。
4.如权利要求1至3之一所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述云端服务器将用户输入的实际情绪状态信息、抑郁状态信息和所述移动端提供的与实际情绪状态信息相关的外界条件以彼此关联的方式进行存储,
所述移动端被设置为由用户按照与外界条件、活动信息和/或认知能力相关的方式检索存储在所述云端服务器和/或所述移动端的实际情绪状态信息或抑郁状态信息。
5.如前述权利要求之一所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述云端服务器根据所述实际情绪状态信息来校正基于所述探测器采集的身体信号分析确定的理论情绪状态,由校正后的理论情绪状态分析得到的抑郁状态信息构成的抑郁管理配置文件按照可根据身体信号进行检索的方式存储在所述移动端和/或数据库。
6.如前述权利要求之一所述的用于老年人抑郁症的抑郁监控装置,其特征在于,在示教过程中,所述移动端向用户施加能够引发情绪的刺激信息,并且自动采集和/或由用户输入与所述刺激信息对应的实际情绪状态信息以分析实际抑郁状态信息,同时
所述探测器采集用户的与所述刺激信息对应的身体信号,
所述云端服务器基于示教过程中的至少两种所述实际抑郁状态信息、所述身体信号来预先配置抑郁状态分析算法的参数,并且校正与所述身体信号对应的理论抑郁状态信息。
7.如前述权利要求之一所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述移动端由用户输入实际情绪状态的步骤包括:
用户以点选的方式选择当前情绪的类型以及级别,和/或
用户以文本、语音、视频或图形的方式输入自身的实际情绪状态。
8.如权利要求1所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述移动端将用户以文本、语音、视频和/或图形的方式输入的感受与实际抑郁状态以关联的形式存储或提供至所述云端服务器,
或者,所述移动端记录引发用户的实际抑郁状态的外界条件并以与对应的抑郁状态关联的形式存储或提供至所述云端服务器,
所述云端服务器对用户的特定抑郁状态和所述外界条件之间的相关性进行分析,并且基于所述相关性对所述特定抑郁状态的引发进行预警。
9.如前述权利要求之一所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述移动端以外界条件、身体信号、实际情绪状态和抑郁状态的映射关联逐渐增加的方式存储和显示外界条件信息、身体信号信息、实际情绪状态信息和抑郁状态信息,其中,
每一个外界条件与至少一个身体信号映射关联,
每一个身体信号与至少一个实际情绪状态映射关联,
每一个实际情绪状态与至少一个抑郁状态映射关联。
10.如权利要求9所述的用于老年人抑郁症的抑郁监控装置,其特征在于,所述云端服务器基于对每一时刻的至少一个外界条件、身体信号和/或实际情绪状态的迭代分析来记录实际抑郁状态和理论抑郁状态,并且
所述移动终端以显示具有映射关联的标识的方式显示外界条件变化、身体信号变化、实际情绪变化趋势和实际抑郁状态的变化趋势,以颜色变化、声音和/或振动的方式提醒用户实际抑郁状态的极端变化趋势,和/或显示改变实际抑郁状态的建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810222520.5A CN108652648B (zh) | 2018-03-16 | 2018-03-16 | 一种用于老年人抑郁症的抑郁监控装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810222520.5A CN108652648B (zh) | 2018-03-16 | 2018-03-16 | 一种用于老年人抑郁症的抑郁监控装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108652648A true CN108652648A (zh) | 2018-10-16 |
CN108652648B CN108652648B (zh) | 2021-05-04 |
Family
ID=63785244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810222520.5A Active CN108652648B (zh) | 2018-03-16 | 2018-03-16 | 一种用于老年人抑郁症的抑郁监控装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108652648B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护*** |
CN109903859A (zh) * | 2019-02-20 | 2019-06-18 | 成都乐享智家科技有限责任公司 | 一种用于老年人与家属互动的***及方法 |
CN109977231A (zh) * | 2019-04-10 | 2019-07-05 | 上海海事大学 | 一种基于情感衰变因子的抑郁情绪分析方法 |
CN110881987A (zh) * | 2019-08-26 | 2020-03-17 | 首都医科大学 | 一种基于可穿戴设备的老年人情绪监测*** |
CN111145851A (zh) * | 2019-12-27 | 2020-05-12 | 山东华尚电气有限公司 | 一种基于智能手环的心理状态监测评估*** |
CN113509183A (zh) * | 2021-04-21 | 2021-10-19 | 杭州聚视鼎特科技有限公司 | 一种基于ar人工智能分析情感焦虑抑郁紧张的方法 |
CN114463938A (zh) * | 2022-02-09 | 2022-05-10 | 辽宁工业大学 | 一种空巢老人智能监护*** |
CN115363585A (zh) * | 2022-09-04 | 2022-11-22 | 北京中科心研科技有限公司 | 一种基于去习惯化与观影任务的标准化群体抑郁风险筛查***及方法 |
WO2023012818A1 (en) * | 2021-07-31 | 2023-02-09 | Sparcolife Digital Healthcare Technologies Private Limited | A non-invasive multimodal screening and assessment system for human health monitoring and a method thereof |
CN117497140A (zh) * | 2023-10-09 | 2024-02-02 | 合肥工业大学 | 一种基于细粒度提示学习的多层次抑郁状态检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101485574A (zh) * | 2009-03-06 | 2009-07-22 | 北京阳光易德科技发展有限公司 | 一种心理疾病监控方法及*** |
CN102339606A (zh) * | 2011-05-17 | 2012-02-01 | 首都医科大学宣武医院 | 一种抑郁情绪电话自动语音识别筛查*** |
CN105517484A (zh) * | 2013-05-28 | 2016-04-20 | 拉斯洛·奥斯瓦特 | 用于诊断抑郁症和其他医学状况的***和方法 |
CN105536118A (zh) * | 2016-02-19 | 2016-05-04 | 京东方光科技有限公司 | 一种情绪调节装置、可穿戴设备和缓解情绪的帽子 |
CN105559802A (zh) * | 2015-07-29 | 2016-05-11 | 北京工业大学 | 一种基于注意和情感信息融合的抑郁症诊断***及方法 |
CN105852886A (zh) * | 2016-05-10 | 2016-08-17 | 华南理工大学 | 面向大学生的精神压力评估及高危人群干预*** |
CN105943065A (zh) * | 2016-06-29 | 2016-09-21 | 北京工业大学 | 一种基于脑信息学***化方法学的人体可穿戴生理-心理-行为数据采集与分析*** |
CN106166073A (zh) * | 2016-06-29 | 2016-11-30 | 北京工业大学 | 一种基于电子化poms自评量表的心境状态自评*** |
CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查***和方法 |
-
2018
- 2018-03-16 CN CN201810222520.5A patent/CN108652648B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101485574A (zh) * | 2009-03-06 | 2009-07-22 | 北京阳光易德科技发展有限公司 | 一种心理疾病监控方法及*** |
CN102339606A (zh) * | 2011-05-17 | 2012-02-01 | 首都医科大学宣武医院 | 一种抑郁情绪电话自动语音识别筛查*** |
CN105517484A (zh) * | 2013-05-28 | 2016-04-20 | 拉斯洛·奥斯瓦特 | 用于诊断抑郁症和其他医学状况的***和方法 |
CN105559802A (zh) * | 2015-07-29 | 2016-05-11 | 北京工业大学 | 一种基于注意和情感信息融合的抑郁症诊断***及方法 |
CN105536118A (zh) * | 2016-02-19 | 2016-05-04 | 京东方光科技有限公司 | 一种情绪调节装置、可穿戴设备和缓解情绪的帽子 |
CN105852886A (zh) * | 2016-05-10 | 2016-08-17 | 华南理工大学 | 面向大学生的精神压力评估及高危人群干预*** |
CN105943065A (zh) * | 2016-06-29 | 2016-09-21 | 北京工业大学 | 一种基于脑信息学***化方法学的人体可穿戴生理-心理-行为数据采集与分析*** |
CN106166073A (zh) * | 2016-06-29 | 2016-11-30 | 北京工业大学 | 一种基于电子化poms自评量表的心境状态自评*** |
CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查***和方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109157231B (zh) * | 2018-10-24 | 2021-04-16 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109691983B (zh) * | 2018-11-13 | 2022-04-19 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护*** |
CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护*** |
CN109903859A (zh) * | 2019-02-20 | 2019-06-18 | 成都乐享智家科技有限责任公司 | 一种用于老年人与家属互动的***及方法 |
CN109977231A (zh) * | 2019-04-10 | 2019-07-05 | 上海海事大学 | 一种基于情感衰变因子的抑郁情绪分析方法 |
CN109977231B (zh) * | 2019-04-10 | 2021-04-02 | 上海海事大学 | 一种基于情感衰变因子的抑郁情绪分析方法 |
CN110881987A (zh) * | 2019-08-26 | 2020-03-17 | 首都医科大学 | 一种基于可穿戴设备的老年人情绪监测*** |
CN111145851A (zh) * | 2019-12-27 | 2020-05-12 | 山东华尚电气有限公司 | 一种基于智能手环的心理状态监测评估*** |
CN113509183A (zh) * | 2021-04-21 | 2021-10-19 | 杭州聚视鼎特科技有限公司 | 一种基于ar人工智能分析情感焦虑抑郁紧张的方法 |
WO2023012818A1 (en) * | 2021-07-31 | 2023-02-09 | Sparcolife Digital Healthcare Technologies Private Limited | A non-invasive multimodal screening and assessment system for human health monitoring and a method thereof |
CN114463938A (zh) * | 2022-02-09 | 2022-05-10 | 辽宁工业大学 | 一种空巢老人智能监护*** |
CN114463938B (zh) * | 2022-02-09 | 2024-04-09 | 辽宁工业大学 | 一种空巢老人智能监护*** |
CN115363585A (zh) * | 2022-09-04 | 2022-11-22 | 北京中科心研科技有限公司 | 一种基于去习惯化与观影任务的标准化群体抑郁风险筛查***及方法 |
CN115363585B (zh) * | 2022-09-04 | 2023-05-23 | 北京中科心研科技有限公司 | 一种基于去习惯化与观影任务的标准化群体抑郁风险筛查***及方法 |
CN117497140A (zh) * | 2023-10-09 | 2024-02-02 | 合肥工业大学 | 一种基于细粒度提示学习的多层次抑郁状态检测方法 |
CN117497140B (zh) * | 2023-10-09 | 2024-05-31 | 合肥工业大学 | 一种基于细粒度提示学习的多层次抑郁状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108652648B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108652648A (zh) | 一种用于老年人抑郁症的抑郁监控装置 | |
CN108310587B (zh) | 一种睡眠控制装置与方法 | |
Zhao et al. | EmotionSense: Emotion recognition based on wearable wristband | |
KR20190101951A (ko) | 뇌활동을 분석하는 시스템 및 방법 그리고 그 애플리케이션 | |
US11076788B2 (en) | Method and apparatus for deriving a mental state of a subject | |
US11723568B2 (en) | Mental state monitoring system | |
CN108652587B (zh) | 一种认知功能障碍预防监测装置 | |
Reimer et al. | SmartCoping: A mobile solution for recognizing stress and coping with it | |
CN108209946A (zh) | 一种情绪控制装置与方法 | |
Sadeghi et al. | Wrinkles in subsecond time perception are synchronized to the heart | |
US11583214B2 (en) | Adaptive psychological assessment tool | |
Putilov | Prospects of using electroencephalographic signatures of the chronoregulatory processes for meaningful, parsimonious and quantitative description of the sleep–wake sub-states | |
US20230329631A1 (en) | Systems and methods involving sleep management | |
Akash et al. | Sleep Apnea Detection from Single-Lead ECG A Comprehensive Analysis of Machine Learning and Deep Learning Algorithms | |
Dourou et al. | IoT-enabled analysis of subjective sound quality perception based on out-of-lab physiological measurements | |
CN108461125B (zh) | 一种针对老年人的记忆力训练装置 | |
Shreya et al. | Emotion Based Music Recommendation System for Specially-Abled | |
Gjoreski | Continuous stress monitoring using a wrist device and a smartphone | |
Parousidou | Personalized Machine Learning Benchmarking for Stress Detection | |
Hasan | Biomedical signal based drowsiness detection using machine learning: Singular and hybrid signal approaches | |
Kadar et al. | Smart Testing Environment for the Evaluation of Students' Attention. | |
Sun | Enhanced Indoor Environmental Satisfaction: The Potential Use of Multi-occupant Bio-signals for High-performance Building Control Mechanisms | |
Swart | Mechanisms and outcomes of Autonomous Sensory Meridian Response | |
Bailón Romacho et al. | Intelligent Monitoring of Affective Factors Underlying Sport Performance by Means of Wearable and Mobile Technology | |
Campbell | A theory-driven experimental investigation into the factors influencing subjective and physiological music-evoked emotions, and the potential role of interoception |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |