CN111481182A - 一种精神障碍患者危险级别判断*** - Google Patents

一种精神障碍患者危险级别判断*** Download PDF

Info

Publication number
CN111481182A
CN111481182A CN202010276090.2A CN202010276090A CN111481182A CN 111481182 A CN111481182 A CN 111481182A CN 202010276090 A CN202010276090 A CN 202010276090A CN 111481182 A CN111481182 A CN 111481182A
Authority
CN
China
Prior art keywords
patient
grade
mental disorder
data
matrix
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
Application number
CN202010276090.2A
Other languages
English (en)
Other versions
CN111481182B (zh
Inventor
向静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University Of Political Science & Law
Original Assignee
Southwest University Of Political Science & Law
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University Of Political Science & Law filed Critical Southwest University Of Political Science & Law
Priority to CN202010276090.2A priority Critical patent/CN111481182B/zh
Publication of CN111481182A publication Critical patent/CN111481182A/zh
Application granted granted Critical
Publication of CN111481182B publication Critical patent/CN111481182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Dentistry (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Educational Technology (AREA)
  • Pulmonology (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供一种精神障碍患者危险级别判断***，其特征在于，包括计算机，可穿戴设备：所述计算机分别与可穿戴设备连接；所述计算机与精神病管理部门云端服务器连接；所述计算机计算精神障碍患者最终危险状态系数并发送至所述精神病管理部门云端服务器。本发明通过计算最终危险状态系数R，可以准确的评估精神障碍患者的症状及危险状态，为社区管理人员管理精神患者员提供准确可靠的参考数据，为社区管理人员执法行动提供依，可以由效避免精神障碍患者发病引发的社会惨剧。

Description

一种精神障碍患者危险级别判断***
技术领域
本申请涉及信息技术领域，具体涉及一种精神障碍患者危险级别判断***。
背景技术
《严重精神障碍管理治疗工作规范(2018年版)》公布的危险性评估标准较简单，只考虑了行为表现而忽略了多因素危险性，与病理性精神症状分离严重，只能用作简单分级方便随访管理，无法对是否发病、病情轻重进行准确评估，大部分基层管控人员人手有限又身兼数职，多靠电话随访，不能起到有效监管作用。
发明内容
为了解决通过精神障碍患者生理信号数据和行动影像数据对精神障碍患者精神状态进行评估的问题，本发明提供一种精神障碍患者危险级别判断***，包括计算机，可穿戴设备：
所述计算机分别与可穿戴设备连接；
所述计算机与精神障碍患者管理部门云端服务器连接；
所述计算机计算精神障碍患者最终危险状态系数并发送至所述精神障碍患者管理部门云端服务器。
进一步的，所述计算机执行以下步骤：
S1:通过患者佩戴的可穿戴设备和患者行动范围的安防监控设备获取患者的心跳数据，体感姿势数据，语音数据，监控视频数据；
S2:依据所述心跳数据，所述语音数据，体感姿势数据，监控视频数据分析患者行为，自动生成患者行为数据，并有患者行为数据获取患者危险等级数据；
S3：依据用户危险等级数据获取患者最终危险状态系数。
进一步的，
所述危险等级包括低危，中危，高危三个级别。
进一步的，
所述步骤S3包括以下步骤：
S31:依据以下规则确定等级分值：
等级低每项分值为1，
等级中每项分值为10，
等级高每项分值为100,
对目标列归类,
Y对应17X1的矩阵，对应第1～17特征，如果有相应的特征，则标记为1，否则标记0，则有
Figure BDA0002444840980000031
令最终的评分为Yfen，则有
Figure BDA0002444840980000032
如果Yfen＝0，则病人正常，不需要进行计算；
如果Yfen∈(0,10]，则病人对应的等级为低；
如果Yfen∈(10,100)，则病人对应的等级为中；
如果Yfen≥100，则病人对应的等级为高。
S321：根据S31步骤的设定，确定由低，中，高三种级别建立的对比矩阵分别为：
Figure BDA0002444840980000041
其中i＝1，2，3，4，5，6时，x1i＝1，其他x1i＝0。(i取值为1-17的整数)
Figure BDA0002444840980000042
其中i＝7，8，9，10，11时，x2i＝1，其他x2i＝0。(i取值为1-17的整数)
Figure BDA0002444840980000043
其中i＝12，13，14，15，16，17时，x3i＝1，其他x3i＝0。(i取值为1-17的整数)
S322:令：
Figure BDA0002444840980000044
时，xa1i＝1，其它xa1i＝0.(i取值为1-17的整数)
Figure BDA0002444840980000045
时，xa2i＝1，其它xa2i＝0.(i取值为1-17的整数)
Figure BDA0002444840980000046
时，xa3i＝1，其它xa3i＝0.(i取值为1-17的整数)
令
Figure BDA0002444840980000047
其中：
当病人等级为低时，令
Figure BDA0002444840980000051
进行灰色关联度计算；
当病人等级为中时，令X1＝X'zhong，令X01＝Xa1·Y、X02＝Xa2·Y，分别令X0＝X01和X0＝X02带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到两个关联度系数r01和r02；
当病人等级为高时，有X1＝X'gao
令X01＝Xa1·Y、X02＝Xa2·Y和X03＝Xa3·Y，分别令X0＝X01、X0＝X02和X0＝X03；带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到三个关联度系数r01、r02和r03；
S323：计算灰色关联度步骤，包括，
S3231：
对：
Figure BDA0002444840980000052
逐行进行归一化，公式如下：
Figure BDA0002444840980000053
通过上述公式逐一计算出归一化后每一个新xij组成新矩阵X(2)，则：
Figure BDA0002444840980000054
S3232：对矩阵X(2)求差序列Δ、Δmax和Δmin
令：
Δ＝[Δi1],i＝1,…,17
Δij＝|xi0-xi1|,i＝1,…,17,j＝0,1
则：
Figure BDA0002444840980000061
Figure BDA0002444840980000062
S3233采用以下公式求灰色关联度系数矩阵ξ
ξ＝[ξi1],i＝1,…,17
Figure BDA0002444840980000063
其中，β为关联系数；
S3234：
令比较序列X和目标序列Y的灰色关联度为r，采用以下公式计算r
Figure BDA0002444840980000064
S324计算状态系数R，包括，
令W＝[w1 w2 w3]为权重矩阵，其中W1对应着患者低的权重系数、W2对应着患者中的权重系数、W3对应着患者高等级的权重系数，分别表示低、中、高等级分量在患者心理疾病中所占比重大小，这一系数由用户预先设定，并且 w1 w2 w3满足w1+w2+w3＝1。
状态系数R计算公式如下：
Figure BDA0002444840980000071
当病人等级为低时，
R＝w1·r01
当病人等级为中时，
R＝w1·r01+w2·r02
当病人等级为高时，
R＝w1·r01+w2·r02+w3·r03。
本发明通过计算最终危险状态系数R，可以准确的评估精神障碍患者的症状及危险状态，为社区管理人员管理精神患者员提供准确可靠的参考数据，为社区管理人员执法行动提供依据。
附图说明
图1为本发明流程图。
图2为本发明架构图。
具体实施方式
如图1所示本发明提供一种精神障碍患者危险级别判断***，包括计算机，可穿戴设备：
所述计算机分别与可穿戴设备连接；
所述计算机与精神障碍患者管理部门云端服务器连接；
所述计算机计算精神障碍患者最终危险状态系数并发送至所述精神障碍患者管理部门云端服务器。
进一步的，所述计算机执行以下步骤：
S1:通过患者佩戴的可穿戴设备和患者行动范围的安防监控设备获取患者的心跳数据，体感姿势数据，语音数据，监控视频数据；
S2:依据所述心跳数据，所述语音数据，体感姿势数据，监控视频数据分析患者行为，自动生成患者行为数据，并有患者行为数据获取患者危险等级数据；
S3：依据用户危险等级数据获取患者最终危险状态系数。
在本发明实施过程中，按下表将危险等级分为低危，中危，高危三个级别。
Figure BDA0002444840980000081
Figure BDA0002444840980000091
上述行为与症状表现通过计算机自动分析患者心跳数据，所述语音数据，体感姿势数据，监控视频数据自动得出。
在本发明实施过程中，可穿戴设备可以是具有通信功能且具有心跳传感器、体感姿势传感器的智能手表，智能手表检测用户的心跳数据、体感姿势数据并智能分析睡眠状况(深睡时间、浅睡时间、起床次数)发送至计算机。智能手表带有麦克风，麦克风可获取患者的语音数据，并将语音数据发送至计算机。在本发明一实施例中采用苹果智能手表,在本发明另一实施例中，智能手表采用集成了麦克风的华为watchGT2。
患者的视频数据可以由患者所处环境中的监控设备获取，在本发明一实施例中，计算机与安防监控设备连接，由患者居住小区的安防监控设备获取患者的视频数据。
体感数据可以通过智能手表内集成的加速度计和陀螺仪获取。
上述计算机通过视频数据和语音数据分析患者行为的技术方案均为公知技术。
下面对依据用户危险等级数据获取患者最终危险状态系数的过程进行具体说明。
第一步：确定分级
Step1:确定等级分值
等级 每项分值
低 1
中 10
高 100
Step2：对目标列归类
Y对应17X1的矩阵，对应第1～17特征，如果有相应的特征，则标记为1，否则标记0，则有
Figure BDA0002444840980000101
令最终的评分为Yfen，则有
Figure BDA0002444840980000111
如果Yfen＝0，则病人正常，不需要进行计算；
如果Yfen∈(0,10]，则病人对应的等级为低；
如果Yfen∈(10,100)，则病人对应的等级为中；
如果Yfen≥100，则病人对应的等级为高。
第二步：确定不同等级内的严重程度评分
Step1：确定对比矩阵
根据以上设定，则有由低，中，高三种建立的对比矩阵分别为：
Figure BDA0002444840980000112
其中i＝1，2，3，4，5，6时，x1i＝1，其他x1i＝0。(i取值为1-17的整数)
Figure BDA0002444840980000113
其中i＝7，8，9，10，11时，x2i＝1，其他x2i＝0。(i取值为1-17的整数)
Figure BDA0002444840980000114
其中i＝12，13，14，15，16，17时，x3i＝1，其他x3i＝0。(i取值为1-17的整数)
Step2确定输入矩阵
令：
Figure BDA0002444840980000115
时，xa1i＝1，其它xa1i＝0.(i取值为1-17的整数)
Figure BDA0002444840980000116
时，xa2i＝1，其它xa2i＝0.(i取值为1-17的整数)
Figure BDA0002444840980000121
时，xa3i＝1，其它xa3i＝0.(i取值为1-17的整数)
令
Figure BDA0002444840980000122
其中：
当病人等级为低时，令
Figure BDA0002444840980000123
当病人等级为中时，令X1＝X'zhong
并且因为Y＝Xa1·Y+Xa2·Y
令X01＝Xa1·Y、X02＝Xa2·Y，分别令X0＝X01和X0＝X02带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到两个关联度系数r01和r02。
当病人等级为高时，有X1＝X'gao
并且因为Y＝Xa1·Y+Xa2·Y+Xa3·Y
令X01＝Xa1·Y、X02＝Xa2·Y和X03＝Xa3·Y，分别令X0＝X01、X0＝X02和X0＝X03；带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到三个关联度系数r01、r02和r03。
从上式中得到，当病人等级为中时，r03＝0；当病人等级为低时，r03＝r02＝0。
那么对于一个精神病人，一定存在三个系数r01 r02 r03和病人的特征矩阵Rbingren，使Rbingren＝[r01 r02 r03]。
Step3：计算灰色关联度
Step3.1归一化
对：
Figure BDA0002444840980000131
逐行进行归一化，公式如下：
Figure BDA0002444840980000132
通过上述公式逐一计算出归一化后每一个新xij组成新矩阵X(2)，则：
Figure BDA0002444840980000133
Step3.2对矩阵X(2)求差序列Δ、Δmax和Δmin
令：
Δ＝[Δi1],i＝1,…,17
Δij＝|xi0-xi1|,i＝1,…,17,j＝0,1
则：
Figure BDA0002444840980000134
Figure BDA0002444840980000135
Step3.3求灰色关联度系数矩阵ξ
ξ＝[ξi1],i＝1,…,17
Figure BDA0002444840980000141
其中β为关联系数，没有特殊要求的情况下，一般取0.5即可。
Step3.4：计算灰色关联度r
令比较序列X和目标序列Y的灰色关联度为r，则有：
Figure BDA0002444840980000142
Step4计算状态系数R
Step3.4中得到的灰色关联度r反映了病人的特征与最严重的当前等级的关联度，为了获得一个可以较为完整的反映病人状态的特征量，则需要对灰色关联度r进行进一步的处理。
令W＝[w1 w2 w3]为权重矩阵，其中w1 w2 w3分别对应着病人低、中、高等级的权重系数，分别表示低、中、高等级分量在病人心理疾病中所占比重大小，这一系数一般由专家评判给出。并且w1 w2 w3满足w1+w2+w3＝1。
由step2中得知，一个病人的特征矩阵Rbingren＝[r01 r02 r03]，其中r01 r02 r03分别对应着在step2中得到的三个个关联度系数r01、r02和r03
则有R计算公式如下：
Figure BDA0002444840980000143
X'di表示矩阵Xdi的转置，X'zhong表示矩阵Xzhong的转置，X'gao表示矩阵Xgao的转置，W'表示矩阵W的转置。
最终系数R即为不同等级下的严重程度分值，并且R是介于0和1之间的数值，当R越大，说明病人在当前等级下越严重。
并且有：
当病人等级为低时，
R＝w1·r01
当病人等级为中时，
R＝w1·r01+w2·r02
当病人等级为高时，
R＝w1·r01+w2·r02+w3·r03。
本发明通过预先设置的三个权重系数并计算三个关联度系数r01、r02和r03实现了更加精准的精神障碍患者精神状态数值量化。
本发明通过计算最终危险状态系数R，可以准确的评估精神障碍患者的症状及危险状态，为社区管理人员管理精神患者员提供准确可靠的参考数据，为社区管理人员执法行动提供依据。

Claims (4)

1.一种精神障碍患者危险级别判断***，其特征在于，包括计算机，可穿戴设备：
所述计算机分别与可穿戴设备连接；
所述计算机与精神病管理部门云端服务器连接；
所述计算机计算精神障碍患者最终危险状态系数并发送至所述精神病管理部门云端服务器。
2.如权利要求1所述的一种精神障碍患者危险级别判断***，其特征在于，
所述计算机执行以下步骤：
S1:通过患者佩戴的可穿戴设备和患者行动范围的安防监控设备获取患者的心跳数据，体感姿势数据，语音数据，监控视频数据；
S2:依据所述心跳数据，所述语音数据，体感姿势数据，监控视频数据分析患者行为，自动生成患者行为数据，并有患者行为数据获取患者危险等级数据；
S3：依据用户危险等级数据获取患者最终危险状态系数。
3.如权利要求1所述的一种精神障碍患者危险级别判断***，其特征在于，
所述危险等级包括低危，中危，高危三个级别。
4.如权利要求1所述的一种精神障碍患者危险级别判断***，其特征在于，
所述步骤S3包括以下步骤：
S31:依据以下规则确定等级分值：
等级低每项分值为1，
等级中每项分值为10，
等级高每项分值为100,
对目标列归类,
Y对应17X1的矩阵，对应第1～17特征，如果有相应的特征，则标记为1，否则标记0，则有
Figure FDA0002444840970000021
令最终的评分为Yfen，则有
Figure FDA0002444840970000022
如果Yfen＝0，则病人正常，不需要进行计算；
如果Yfen∈(0,10]，则病人对应的等级为低；
如果Yfen∈(10,100)，则病人对应的等级为中；
如果Yfen≥100，则病人对应的等级为高。
S321：根据S31步骤的设定，确定由低，中，高三种级别建立的对比矩阵分别为：
Figure FDA0002444840970000023
其中i＝1，2，3，4，5，6时，x1i＝1，其他x1i＝0。(i取值为1-17的整数)
Figure FDA0002444840970000024
其中i＝7，8，9，10，11时，x2i＝1，其他x2i＝0。(i取值为1-17的整数)
Figure FDA0002444840970000025
其中i＝12，13，14，15，16，17时，x3i＝1，其他x3i＝0。(i取值为1-17的整数)
S322:令：
Figure FDA0002444840970000026
时，xa1i＝1，其它xa1i＝0.(i取值为1-17的整数)
Figure FDA0002444840970000031
时，xa2i＝1，其它xa2i＝0.(i取值为1-17的整数)
Figure FDA0002444840970000032
时，xa3i＝1，其它xa3i＝0.(i取值为1-17的整数)
令
Figure FDA0002444840970000033
其中：
当病人等级为低时，令
Figure FDA0002444840970000034
进行灰色关联度计算；
当病人等级为中时，令X1＝X'zhong，令X01＝Xa1·Y、X02＝Xa2·Y，分别令X0＝X01和X0＝X02带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到两个关联度系数r01和r02；
当病人等级为高时，有X1＝X'gao
令X01＝Xa1·Y、X02＝Xa2·Y和X03＝Xa3·Y，分别令X0＝X01、X0＝X02和X0＝X03；带入X(1)＝[X0 X1]中进行灰色关联度计算，最终分别得到三个关联度系数r01、r02和r03；
S323：计算灰色关联度步骤，包括，
S3231：
对：
Figure FDA0002444840970000041
逐行进行归一化，公式如下：
Figure FDA0002444840970000042
通过上述公式逐一计算出归一化后每一个新xij组成新矩阵X(2)，则：
Figure FDA0002444840970000043
S3232：对矩阵X(2)求差序列Δ、Δmax和Δmin
令：
Δ＝[Δi1],i＝1,…,17
Δij＝|xi0-xi1|,i＝1,…,17,j＝0,1
则：
Figure FDA0002444840970000044
Figure FDA0002444840970000045
S3233采用以下公式求灰色关联度系数矩阵ξ
ξ＝[ξi1],i＝1,…,17
Figure FDA0002444840970000046
其中，β为关联系数；
S3234：
令比较序列X和目标序列Y的灰色关联度为r，采用以下公式计算r
Figure FDA0002444840970000051
S324计算状态系数R，包括，
令W＝[w1 w2 w3]为权重矩阵，其中W1对应着患者低的权重系数、W2对应着患者中的权重系数、W3对应着患者高等级的权重系数，分别表示低、中、高等级分量在患者心理疾病中所占比重大小，这一系数由用户预先设定，并且w1 w2 w3满足w1+w2+w3＝1。
状态系数R计算公式如下：
Figure FDA0002444840970000052
当病人等级为低时，
R＝w1·r01
当病人等级为中时，
R＝w1·r01+w2·r02
当病人等级为高时，
R＝w1·r01+w2·r02+w3·r03。
CN202010276090.2A 2020-04-09 2020-04-09 一种精神障碍患者危险级别判断*** Active CN111481182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010276090.2A CN111481182B (zh) 2020-04-09 2020-04-09 一种精神障碍患者危险级别判断***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010276090.2A CN111481182B (zh) 2020-04-09 2020-04-09 一种精神障碍患者危险级别判断***

Publications (2)

Publication Number Publication Date
CN111481182A true CN111481182A (zh) 2020-08-04
CN111481182B CN111481182B (zh) 2023-05-09

Family

ID=71798370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010276090.2A Active CN111481182B (zh) 2020-04-09 2020-04-09 一种精神障碍患者危险级别判断***

Country Status (1)

Country Link
CN (1) CN111481182B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2898078A1 (en) * 2014-02-05 2015-08-05 Grace Castillo Soyao Systems, devices, and methods for analyzing and enhancing patient health
CN107517375A (zh) * 2017-07-25 2017-12-26 天津大学 对立体深度运动引起的立体观看疲劳的评价分析方法
US20180103885A1 (en) * 2016-10-17 2018-04-19 Morehouse School Of Medicine Mental health assessment method and kiosk-based system for implementation
CN110155069A (zh) * 2019-04-12 2019-08-23 深圳壹账通智能科技有限公司 驾驶员精神状态监测方法、装置、存储介质及终端设备
CN110200643A (zh) * 2019-06-21 2019-09-06 西南政法大学 一种远程智能精神障碍者危险性预警***
CN110276929A (zh) * 2019-06-21 2019-09-24 西南政法大学 一种基于移动智能终端的智能远程精神障碍者危险性预警***
CN110522983A (zh) * 2018-05-23 2019-12-03 深圳先进技术研究院 基于人工智能的脑刺激***、方法、设备和存储介质
CN110664417A (zh) * 2019-09-18 2020-01-10 朔黄铁路发展有限责任公司 列车安全驾驶预警设备和***
GB202000242D0 (en) * 2020-01-08 2020-02-19 Limbic Ltd Dynamic user response data collection system & method
CN110840425A (zh) * 2019-11-20 2020-02-28 首都医科大学宣武医院 一种急诊患者诊中健康监护***及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2898078A1 (en) * 2014-02-05 2015-08-05 Grace Castillo Soyao Systems, devices, and methods for analyzing and enhancing patient health
US20180103885A1 (en) * 2016-10-17 2018-04-19 Morehouse School Of Medicine Mental health assessment method and kiosk-based system for implementation
CN107517375A (zh) * 2017-07-25 2017-12-26 天津大学 对立体深度运动引起的立体观看疲劳的评价分析方法
CN110522983A (zh) * 2018-05-23 2019-12-03 深圳先进技术研究院 基于人工智能的脑刺激***、方法、设备和存储介质
CN110155069A (zh) * 2019-04-12 2019-08-23 深圳壹账通智能科技有限公司 驾驶员精神状态监测方法、装置、存储介质及终端设备
CN110200643A (zh) * 2019-06-21 2019-09-06 西南政法大学 一种远程智能精神障碍者危险性预警***
CN110276929A (zh) * 2019-06-21 2019-09-24 西南政法大学 一种基于移动智能终端的智能远程精神障碍者危险性预警***
CN110664417A (zh) * 2019-09-18 2020-01-10 朔黄铁路发展有限责任公司 列车安全驾驶预警设备和***
CN110840425A (zh) * 2019-11-20 2020-02-28 首都医科大学宣武医院 一种急诊患者诊中健康监护***及方法
GB202000242D0 (en) * 2020-01-08 2020-02-19 Limbic Ltd Dynamic user response data collection system & method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALPERS G W. 等: "Ambulatory assessment in panic disorder and specific phobia", 《PSYCHOLOGICAL ASSESSMENT》 *
刘琛: "安全心理尺度的三角模糊数学表达方法研究", 《中国安全科学学报》 *
向静 等: "基于贝叶斯网络的精神障碍者暴力危害行为智能预警模型的构建", 《中国人民公安大学学报》 *

Also Published As

Publication number Publication date
CN111481182B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN109009017B (zh) 一种智能健康监测***及其数据处理方法
CN113180692B (zh) 一种基于特征融合和注意力机制的脑电信号分类识别方法
CN108806767A (zh) 基于电子病历的疾病症状关联分析方法
CN111680913B (zh) 一种舰员的超负荷工作检测方法及***
WO2022041786A1 (zh) 一种配电不安全行为的预测方法、装置和服务器
CN111951637A (zh) 一种任务情景相关联的无人机飞行员视觉注意力分配模式提取方法
KR20190109710A (ko) 얼굴 이미지들로부터의 질적인 특성의 평가를 위한 컴퓨터-구현된 도구를 구축하기 위한 방법
KR102680761B1 (ko) 질환 발병 위험도 예측 시스템, 예측 방법, 및 프로그램
CN103092971A (zh) 一种用于脑机接口中的分类方法
CN110706822A (zh) 基于逻辑回归模型和决策树模型的健康管理方法
CN113744877A (zh) 一种带有疾病相关因素提取模块的慢性病评估及干预***
CN106777966B (zh) 基于医疗信息平台的数据互动训练方法及***
CN113520319A (zh) 一种基于逻辑回归的癫痫事件风险管理方法和***
CN111481215B (zh) 一种基于危险性级别判断的精神障碍患者远程预警***
CN111481214B (zh) 一种精神障碍患者危险级别判断方法
CN111369763B (zh) 一种精神障碍患者攻击防范***
CN111481182A (zh) 一种精神障碍患者危险级别判断***
CN111466928B (zh) 一种基于危险性级别判断的精神障碍患者随身预警***
CN113724860A (zh) 基于人工智能的医疗检查推荐方法、装置、设备及介质
CN111466929B (zh) 一种基于危险性级别判断的暴力精神障碍患者防范***
CN105787232A (zh) 一种数据处理方法、装置、健康***平台及终端
CN116564521A (zh) 一种慢性病风险评估模型建立方法、介质及***
Wang Computer Internet of Things‐Based Intelligent Medical System to Be Applied in Home Care of Senile Dementia Patients
CN114723597B (zh) 一种智慧居家养老方法及***
CN114847949A (zh) 一种基于脑电特征及放松度指标的认知疲劳康复方法

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