CN115363585B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115363585B CN115363585B CN202211075308.3A CN202211075308A CN115363585B CN 115363585 B CN115363585 B CN 115363585B CN 202211075308 A CN202211075308 A CN 202211075308A CN 115363585 B CN115363585 B CN 115363585B
- Authority
- CN
- China
- Prior art keywords
- indexes
- tested
- risk
- film
- task
- 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.)
- Active
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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- A61B5/02—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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Dermatology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Developmental Disabilities (AREA)
- Databases & Information Systems (AREA)
- Pulmonology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Educational Technology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了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,群体中的各被试佩戴可穿戴式外周生理数据采集装置;所有被试在静息态下观看播放的无声影片,采集各被试的静息态生理指标;继续播放无声影片,同时随机播放多个短暂声音刺激诱发被试皮肤电反应的去习惯化任务,得到群体中各被试的去习惯化任务指标;播放设定播放时间的用于诱发被试悲伤情绪的影片片段,得到对应被试的观影任务指标;根据所得群体中各被试的静息态指标、去习惯化任务指标和观影任务指标,结合所设定的生理指标评估阈值和去习惯化分数阈值,对群体中各被试的抑郁风险做综合评估,并输出。本发明使用外周生理数据指标评估个体抑郁风险,评估结果客观准确。
Description
技术领域
本发明涉及抑郁筛查技术领域,具体涉及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。
背景技术
抑郁症是最常见的情绪障碍之一,主要特征为持久性的心情低落,对所有或几乎所有活动的兴趣或乐趣都明显减少,失眠或睡得过多,以及认知功能方面的损害等。据世界卫生组织(WHO)报告,目前全球大约有2.8 亿的抑郁症患者,约占世界总人口的3.8%。抑郁症不同于人们常说的情绪波动或短时间在压力下的负面情绪反应,中度和重度的抑郁症对患者的健康状况危害很大,会显著影响其日常的工作、学习和家庭功能。因此,准确地识别、筛查出高抑郁风险的个体,是后续进行早期干预,避免抑郁症对患者身心健康乃至生命安全影响的重要前提。
虽然有很多治疗抑郁症的方法已经被证明是有效的,但对于抑郁症的诊断依旧存在一些难点。目前临床抑郁症诊断的“金标准”是由接受过专业训练的医生使用如DSM-IV,DSM-V,ICD-10等精神疾病诊断手册中的内容对个体进行结构化的访谈评估。然而,由于耗时较长、需要专业化训练、形式只能是一对一面谈等原因,这种评估方式难以被应用于大规模的抑郁风险筛查。其他常用的临床抑郁症判别和诊断方式还包括他评量表(如汉密尔顿抑郁量表)和自评量表(如抑郁自评量表,贝克抑郁量表等),其中自评量表是目前主要被应用于大规模筛查的方式。然而,自评量表主要依赖于个体的主观报告,具有一定局限性,可能会存在刻意隐瞒、自我认知存在偏差等情况,对于文化程度较低或智力水平稍差的患者评估效果也不理想。
发明内容
为了解决上述所存在的技术问题,在较短的时间内以群体筛查的方式高效、准确地评估群体中每个个体的抑郁风险等级,筛查出高抑郁风险的个体进行下一步的确诊和干预,提高大规模抑郁风险筛查的效率,降低筛查成本,提高抑郁个体评估准确性,为此,本发明提供了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。
所采用的技术方案如下:
一方面,本发明提供了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***,所述***包括:
生理数据采集装置,佩戴在群体中各被试的身体上,用于采集各被试的心率变异性指标和皮肤电活动指标;
观影播放模块,其包括无声影片库和悲伤情绪影片库,用于为被试分别呈现无声风景影片和诱发悲伤情绪的影片片段;
声音刺激模块,用于被试在静息态下观看无声风景影片后,在继续观看无声风景影片的同时随机播放短暂的声音刺激;
指标计算模块,其设有生理指标评估阈值和去习惯化分数阈值,根据所述生理数据采集装置所采集的生理指标,计算群体中各被试在观看无声风景影片时的静息态指标、随机播放短暂声音刺激时的去习惯化任务指标和观看诱发悲伤情绪影片片段的观影任务指标,根据所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试满足条件指标所占比例;
评估抑郁风险模块,其设有风险比例阈值,根据所得到的满足条件指标所占比例与风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险。
优选地,所述观影播放模块播放无声风景影片时,被试首先在静息态下观看3-8min,所述声音刺激模块在播放无声风景影片的同时随机播放声音刺激,所播放的声音刺激数量10-20个,频率为1000Hz,音量为85-100dB,持续时间1s,且每两个声音刺激之间间隔时间为15s-25s的随机数。
优选地,所述的生理数据采集装置为多模态智能监测手环。
优选地,所述的静息态指标包括:高频功率HF、相邻R-R间期差值均方根RMSSD和皮肤电导水平SCL;
所述的观影任务指标为包括:皮肤电导水平变化值△SCL、高频功率变化值△HF及皮肤电活动的信息熵。
进一步地,所述指标计算模块中所设定的生理指标评估阈值为所得群体各被试的静息态指标和观影任务指标中排序后8-10%的被试所对应的指标,所述去习惯化分数阈值为3-5;
所得群体中各被试的静息态指标和观影任务指标分别与对应的所述生理指标评估阈值相比较,将所得去习惯化任务指标与所述去习惯化分数阈值相比较,所述指标计算模块计算群体中各被试满足小于生理指标评估阈值的指标与去习惯化分数阈值的指标数量之和占所有指标数量的比例R;所述评估抑郁风险模块根据所得比率R对群体中各被试的抑郁风险做出综合评估。
进一步地,所述风险比例阈值的下限值为a,其上限值为b,当所得比例R满足:b>R>a时,所述评估抑郁风险模块评估对应被试的抑郁风险为中风险;当比例R满足:R≥b时,则所述评估抑郁风险模块评估对应被试的抑郁风险为高风险;当比例R满足:R≤a时,则所述评估抑郁风险模块评估对应被试的抑郁风险为低风险。
优选地,所述风险比例阈值的下限值a取30%,其上限值b取70%。
另一方面,本发明还提供了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方法,群体中的各被试佩戴可穿戴式外周生理数据采集装置;
所有被试在静息态下观看观影播放模块播放的无声风景影片,生理数据采集装置同时采集各被试所产生的心率变异性指标和皮肤电活动指标,经指标计算模块计算得到对应被试的静息态指标;
观影播放模块继续播放无声风景影片,声音刺激模块随机播放多个短暂声音刺激来诱发被试皮肤电反应的去习惯化任务,指标计算模块记录连续施加声音刺激后没有产生皮肤电反应的刺激序号,得到群体中各被试的去习惯化任务指标;
观影播放模块播放设定播放时间的用于诱发被试悲伤情绪的影片片段,生理数据采集装置采集各被试在观影状态下的心率变异性指标和皮肤电活动指标,经指标计算模块计算得到对应被试的观影任务指标;
指标计算模块根据所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试所得静息态指标、去习惯化任务指标和观影任务指标中满足设定条件的指标占所有指标的比例;
评估抑郁风险模块根据所得到的满足条件指标所占比例与风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险,并输出。
进一步地,观影播放模块继续播放无声风景影片的同时,声音刺激模块播放10-20个频率为1000Hz,音量85-100dB,持续时间1s的声音刺激,每两个声音刺激之间间隔时间为15s-25s的随机数;指标计算模块记录声音刺激响起后被试是否产生皮肤电反应,若连续三个声音刺激后没有产生皮肤电反应,则记录第一个没有产生皮肤电反应的刺激序号,得到去习惯化任务指标。
进一步地,被试在静息态下观看无声风景影片3-8min,优选5min,被试执行完声音刺激的去习惯化任务后放松20-40s,然后观看至少10min的悲伤情绪的影片片段,生理数据采集装置采集被试在观影状态下的心率变异性指标和皮肤电活动指标。
本发明技术方案具有如下优点:
A.本发明使用静息态、情绪唤醒、声音刺激等情境下的外周生理数据指标评估个体抑郁风险,相对于访谈和量表等主观评估方式,外周生理指标更为客观,难以被主动操控,可有效避免个体隐瞒自身的抑郁表现,使得评估结果更为客观准确。
B.本发明采用标准化的任务和数据采集流程,并且在各个任务阶段采集的指标有明确的划分标准和阈值,实施难度小,支持自动化的刺激呈现和数据采集,无需操作者具有心理学相关的专业知识。并且以群体数据采集的方式进行,采集效率高、输出结果快,适用于在不同领域大规模的推广。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所提供的标准化群体抑郁风险筛查流程图;
图2是本发明所提供的标准化群体抑郁风险筛查***组成图示。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图2所示,本发明提供了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***,***包括:生理数据采集装置、观影播放模块、声音刺激模块、指标计算模块和评估抑郁风险模块。
生理数据采集装置优选为中科心研自研的多模态智能监测手环,将其佩戴在群体中各位被试的手腕上,用于采集各被试的相邻R-R间期差值均方根RMSSD、高频功率HF和皮肤电导水平SCL。
观影播放模块包括无声影片库和悲伤情绪影片库,用于为被试分别呈现无声风景影片和诱发悲伤情绪的影片片段;在播放时,可以调取相应影片库中的视频资料。
声音刺激模块用于被试在静息态下观看无声风景影片后,在继续观看的无声风景影片上随机播放短暂的声音刺激;观影播放模块播放无声风景影片时,被试首先在静息态下观看3-8min,声音刺激模块在继续播放的无声风景影片上随机播放声音刺激,所播放的声音刺激数量10-20个,频率为1000Hz,音量为85-100dB,持续时间1s,且每两个声音刺激之间间隔时间为15s-25s的随机数。
指标计算模块中设有生理指标评估阈值和去习惯化分数阈值,根据生理数据采集装置所采集的生理指标,计算群体中各被试在观看无声风景影片时的静息态指标、随机播放短暂声音刺激时的去习惯化任务指标和观看诱发悲伤情绪影片片段的观影任务指标,根据所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试满足条件指标所占比例;
评估抑郁风险模块中设有风险比例阈值,结合所得到的满足条件指标所占比例与所设定的风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险。
如图1所示,本发明还提供了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方法,具体方法如下步骤:
【S001】群体中的各被试佩戴可穿戴式外周生理数据采集装置;主要采集各被试的心率变异性指标和皮肤电活动指标。
【S002】所有被试在静息态下观看观影播放模块播放的无声风景影片,采集各被试观看影片时所产生的心率变异性指标和皮肤电活动指标,经指标计算模块计算,得到对应被试的静息态指标。比如在所有被试欣赏无声风景影片时,实时采集此时所产生的生理指标,指标计算模块根据所采集的生理指标计算得到静息态指标,所得到的静息态指标包括:高频功率HF、相邻R-R间期差值均方根RMSSD和皮肤电导水平SCL。
本发明中各被试在静息态下观看无声风景影片3-8min,优选5min。
【S003】采集完静息态指标后,继续播放无声风景影片,同时声音刺激模块随机播放多个短暂声音刺激来诱发被试皮肤电反应的去习惯化任务,指标计算模块记录连续施加声音刺激后没有产生皮肤电反应SCR的刺激序号,得到群体中各被试的去习惯化任务指标。
继续播放无声风景影片的同时,播放10-20个频率为1000Hz,音量 85-100dB,持续时间可采用1s的声音刺激,每两个声音刺激之间间隔时间为15s-25s的随机数;记录声音刺激响起后被试是否产生皮肤电反应,若连续三个声音刺激后没有产生皮肤电反应,则记录第一个没有产生皮肤电反应的刺激序号,得到去习惯化任务指标。比如,在给出的一系列声音刺激中,第一个声音刺激的序号是1,然后往后以此类推,如果在序号为5的声音刺激之后连续三个声音刺激都没有唤起皮肤电反应,也就是第5,6,7 号声音刺激都没有观察到皮肤电反应,记录这个人的去习惯化分数阈值为 5,通常情况下,高抑郁风险者的去习惯化分数阈值通常是≤5,因此,本发明中所设定的去习惯化分数阈值优选为5,若所得被试的去习惯化任务指标≤5时,则认为满足抑郁风险的条件。
【S004】观影播放模块播放设定播放时间的用于诱发被试悲伤情绪的影片片段,采集各被试的生理指标,经指标计算模块计算得到对应被试的观影任务指标。所得到的观影任务指标包括:皮肤电导水平变化值△SCL、高频功率变化值△HF及皮肤电活动的信息熵。优选地,被试执行完声音刺激的去习惯化任务后放松20-40s,比如休息30s,然后观影播放模块播放至少10min的悲伤情绪影片片段,供被试观看。
【S005】指标计算模块根据所得群体中各被试的静息态指标、去习惯化任务指标和观影任务指标,结合所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试所得静息态指标、去习惯化任务指标和观影任务指标中满足设定条件的指标占所有指标的比例R。
设定静息态指标和观影任务指标中的生理指标评估阈值取群体中排序后8-10%的被试所对应的指标,本发明优选设定筛查群体中监测指标水平排序为后10%的指标数据作为生理指标评估阈值,比如100个人的群体中,取生理指标排序在后10名被试所对应的指标数值作为生理指标评估阈值,当然还可以采用常模形式;所设定去习惯化任务指标中的去习惯化分数阈值为3-5,本发明优选设定的去习惯化分数阈值为5,当然还可以设置其它数据作为评价;所得群体中各被试的静息态指标和观影任务指标分别与所设定的生理指标评估阈值比较,将所得去习惯化任务指标与所设定的去习惯化分数阈值相比较,计算群体中各被试满足小于生理指标评估阈值的指标与去习惯化分数阈值的指标数量之和占所有指标数量的比例R;根据所得比率R对群体中各被试的抑郁风险做出综合评估。
【S006】评估抑郁风险模块中设有风险比例阈值,根据所得到的满足条件指标所占比例R与风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险,并输出。
优选,设定风险比例阈值为a和b,当所得比例R满足:b>R>a时,对应被试的抑郁风险为中风险;当比例R满足:R≥b时,则对应被试的抑郁风险为高风险;当比例R满足:R≤a时,则对应被试的抑郁风险为低风险。
比如图1中a取值30%,b取值70%,小于30%时,认为被试存在低抑郁风险,高于70%时则认为被试存在高抑郁风险,取值在30%-70%范围内时,则认为被试存在中风险。当然这里的a和b中不限于实施例所给定的数值,可以根据群体数据特征情况进一步调整。
本发明采用标准化的任务和数据采集流程,并且在各个任务阶段采集的指标有明确的划分标准和阈值,实施难度小,支持自动化的刺激呈现和数据采集,无需操作者具有心理学相关的专业知识。并且以群体数据采集的方式进行,采集效率高、输出结果快,适用于在不同领域大规模的推广。
本发明未述及之处均适用于现有技术。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (8)
1.一种基于去习惯化与观影任务的标准化群体抑郁风险筛查***,其特征在于,所述***包括:
生理数据采集装置,佩戴在群体中各被试的身体上,用于采集各被试的心率变异性指标和皮肤电活动指标;
观影播放模块,其包括无声影片库和悲伤情绪影片库,用于为被试分别呈现无声风景影片和诱发悲伤情绪的影片片段;
声音刺激模块,用于被试在静息态下观看无声风景影片后,在继续观看无声风景影片的同时随机播放短暂的声音刺激;
指标计算模块,其设有生理指标评估阈值和去习惯化分数阈值,根据所述生理数据采集装置所采集的生理指标,计算群体中各被试在观看无声风景影片时的静息态指标、随机播放短暂声音刺激时的去习惯化任务指标和观看诱发悲伤情绪影片片段的观影任务指标,根据所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试满足条件指标所占比例;
评估抑郁风险模块,其设有风险比例阈值,根据所得到的满足条件指标所占比例与风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险;
所述的静息态指标包括:高频功率HF、相邻 R-R 间期差值均方根RMSSD和皮肤电导水平SCL;
所述的观影任务指标为包括:皮肤电导水平变化值△SCL、高频功率变化值△HF及皮肤电活动的信息熵;
所述指标计算模块中所设定的生理指标评估阈值为所得群体各被试的静息态指标和观影任务指标中排序后8-10%的被试所对应的指标,所述去习惯化分数阈值为3-5;
所得群体中各被试的静息态指标和观影任务指标分别与对应的所述生理指标评估阈值相比较,将所得去习惯化任务指标与所述去习惯化分数阈值相比较,所述指标计算模块计算群体中各被试满足小于生理指标评估阈值的指标与去习惯化分数阈值的指标数量之和占所有指标数量的比例R;所述评估抑郁风险模块根据所得比率R对群体中各被试的抑郁风险做出综合评估。
2.根据权利要求1所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查***,其特征在于,所述观影播放模块播放无声风景影片时,被试首先在静息态下观看3-8min,所述声音刺激模块在播放无声风景影片的同时随机播放声音刺激,所播放的声音刺激数量10-20个,频率为1000Hz,音量为85-100dB,持续时间1s,且每两个声音刺激之间间隔时间为15s-25s的随机数。
3.根据权利要求1所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查***,其特征在于,所述的生理数据采集装置为多模态智能监测手环。
4.根据权利要求1所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查***,其特征在于,所述风险比例阈值的下限值为a,其上限值为b,当所得比例R满足:b>R>a时,所述评估抑郁风险模块评估对应被试的抑郁风险为中风险;当比例R满足:R≥b时,则所述评估抑郁风险模块评估对应被试的抑郁风险为高风险;当比例R满足:R≤a时,则所述评估抑郁风险模块评估对应被试的抑郁风险为低风险。
5.根据权利要求4所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查***,其特征在于,所述风险比例阈值的下限值a取30%,其上限值b取70%。
6.一种基于去习惯化与观影任务的标准化群体抑郁风险筛查方法,其特征在于,群体中的各被试佩戴可穿戴式外周生理数据采集装置;
所有被试在静息态下观看观影播放模块播放的无声风景影片,生理数据采集装置同时采集各被试所产生的心率变异性指标和皮肤电活动指标,经指标计算模块计算得到对应被试的静息态指标;
观影播放模块继续播放无声风景影片,声音刺激模块随机播放多个短暂声音刺激来诱发被试皮肤电反应的去习惯化任务,指标计算模块记录连续施加声音刺激后没有产生皮肤电反应的刺激序号,得到群体中各被试的去习惯化任务指标;
观影播放模块播放设定播放时间的用于诱发被试悲伤情绪的影片片段,生理数据采集装置采集各被试在观影状态下的心率变异性指标和皮肤电活动指标,经指标计算模块计算得到对应被试的观影任务指标;
指标计算模块根据所设定的生理指标评估阈值和去习惯化分数阈值,计算各被试所得静息态指标、去习惯化任务指标和观影任务指标中满足设定条件的指标占所有指标的比例;
评估抑郁风险模块根据所得到的满足条件指标所占比例与风险比例阈值,将群体中各被试的抑郁风险等级划分为高风险、中风险和低风险,并输出;
所述的静息态指标包括:高频功率HF、相邻 R-R 间期差值均方根RMSSD和皮肤电导水平SCL;
所述的观影任务指标为包括:皮肤电导水平变化值△SCL、高频功率变化值△HF及皮肤电活动的信息熵;
所述指标计算模块中所设定的生理指标评估阈值为所得群体各被试的静息态指标和观影任务指标中排序后8-10%的被试所对应的指标,所述去习惯化分数阈值为3-5;
所得群体中各被试的静息态指标和观影任务指标分别与对应的所述生理指标评估阈值相比较,将所得去习惯化任务指标与所述去习惯化分数阈值相比较,所述指标计算模块计算群体中各被试满足小于生理指标评估阈值的指标与去习惯化分数阈值的指标数量之和占所有指标数量的比例R;所述评估抑郁风险模块根据所得比率R对群体中各被试的抑郁风险做出综合评估。
7.根据权利要求6所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查方法,其特征在于,观影播放模块继续播放无声风景影片的同时,声音刺激模块播放10-20个频率为1000Hz,音量85-100dB,持续时间1s的声音刺激,每两个声音刺激之间间隔时间为15s-25s的随机数;指标计算模块记录声音刺激响起后被试是否产生皮肤电反应,若连续三个声音刺激后没有产生皮肤电反应,则记录第一个没有产生皮肤电反应的刺激序号,得到去习惯化任务指标。
8.根据权利要求7所述的基于去习惯化与观影任务的标准化群体抑郁风险筛查方法,其特征在于,被试在静息态下观看无声风景影片3-8min,被试执行完声音刺激的去习惯化任务后放松20-40s,然后观看至少10min的悲伤情绪的影片片段,生理数据采集装置采集被试在观影状态下的心率变异性指标和皮肤电活动指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211075308.3A CN115363585B (zh) | 2022-09-04 | 2022-09-04 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211075308.3A CN115363585B (zh) | 2022-09-04 | 2022-09-04 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115363585A CN115363585A (zh) | 2022-11-22 |
CN115363585B true CN115363585B (zh) | 2023-05-23 |
Family
ID=84069992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211075308.3A Active CN115363585B (zh) | 2022-09-04 | 2022-09-04 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115363585B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631629A (zh) * | 2023-07-21 | 2023-08-22 | 北京中科心研科技有限公司 | 一种识别抑郁情绪障碍的方法、装置及可穿戴设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108056774A (zh) * | 2017-12-29 | 2018-05-22 | 中国人民解放军战略支援部队信息工程大学 | 基于视频刺激材料的实验范式情绪分析实现方法及其装置 |
CN108652648A (zh) * | 2018-03-16 | 2018-10-16 | 合肥数翼信息科技有限公司 | 一种用于老年人抑郁症的抑郁监控装置 |
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*** |
CN109350051A (zh) * | 2018-11-28 | 2019-02-19 | 华南理工大学 | 用于精神状态评估与调节的头部可穿戴设备及其工作方法 |
CN109585021A (zh) * | 2018-11-28 | 2019-04-05 | 华南理工大学 | 基于全息投影技术的精神状态评估***及其工作方法 |
CN112259237A (zh) * | 2020-10-13 | 2021-01-22 | 阿呆科技(北京)有限公司 | 基于多情感刺激和多级分类模型的抑郁评估*** |
CN113301843A (zh) * | 2018-12-11 | 2021-08-24 | 皇家飞利浦有限公司 | 用于向用户提供生物反馈的设备、***和方法 |
CN113712572A (zh) * | 2020-11-25 | 2021-11-30 | 北京未名脑脑科技有限公司 | 认知功能的评估***和方法 |
CN114997387A (zh) * | 2022-06-28 | 2022-09-02 | 郑州轻工业大学 | 一种视觉诱发的情绪习惯化特性神经网络电路 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019183612A1 (en) * | 2018-03-23 | 2019-09-26 | Koniku Inc. | Methods of predicting emotional response to sensory stimuli based on individual traits |
-
2022
- 2022-09-04 CN CN202211075308.3A patent/CN115363585B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108056774A (zh) * | 2017-12-29 | 2018-05-22 | 中国人民解放军战略支援部队信息工程大学 | 基于视频刺激材料的实验范式情绪分析实现方法及其装置 |
CN108652648A (zh) * | 2018-03-16 | 2018-10-16 | 合肥数翼信息科技有限公司 | 一种用于老年人抑郁症的抑郁监控装置 |
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*** |
CN109350051A (zh) * | 2018-11-28 | 2019-02-19 | 华南理工大学 | 用于精神状态评估与调节的头部可穿戴设备及其工作方法 |
CN109585021A (zh) * | 2018-11-28 | 2019-04-05 | 华南理工大学 | 基于全息投影技术的精神状态评估***及其工作方法 |
CN113301843A (zh) * | 2018-12-11 | 2021-08-24 | 皇家飞利浦有限公司 | 用于向用户提供生物反馈的设备、***和方法 |
CN112259237A (zh) * | 2020-10-13 | 2021-01-22 | 阿呆科技(北京)有限公司 | 基于多情感刺激和多级分类模型的抑郁评估*** |
CN113712572A (zh) * | 2020-11-25 | 2021-11-30 | 北京未名脑脑科技有限公司 | 认知功能的评估***和方法 |
CN114997387A (zh) * | 2022-06-28 | 2022-09-02 | 郑州轻工业大学 | 一种视觉诱发的情绪习惯化特性神经网络电路 |
Also Published As
Publication number | Publication date |
---|---|
CN115363585A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9999743B2 (en) | Sound-induced sleep method and a system therefor | |
CN110743079B (zh) | 心理调节训练方法和*** | |
KR102378278B1 (ko) | 생체 신호 분석 시스템 및 이를 이용한 생체 신호 분석 방법 | |
Yuvaraj et al. | Emotion classification in Parkinson's disease by higher-order spectra and power spectrum features using EEG signals: A comparative study | |
Daly et al. | Personalised, multi-modal, affective state detection for hybrid brain-computer music interfacing | |
Diaz-Romero et al. | Recognizing emotional states with wearables while playing a serious game | |
Ćosić et al. | New tools and methods in selection of air traffic controllers based on multimodal psychophysiological measurements | |
CN115363585B (zh) | 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 | |
Fu et al. | Symmetric convolutional and adversarial neural network enables improved mental stress classification from EEG | |
Cano et al. | Low-cost assessment of user experience through EEG signals | |
Roy et al. | EEG based stress analysis using rhythm specific spectral feature for video game play | |
CN116850567A (zh) | 基于vr的模拟现实环境高风险职业人群耐挫素质增强*** | |
Friedman et al. | A data-driven validation of frontal EEG asymmetry using a consumer device | |
Saidi et al. | Proposed new signal for real-time stress monitoring: Combination of physiological measures | |
Yelamanchili | Neural correlates of flow, boredom, and anxiety in gaming: An electroencephalogram study | |
Lan et al. | Stable feature selection for EEG-based emotion recognition | |
Zhu et al. | Visceral versus verbal: Can we see depression? | |
CN112687373A (zh) | 一种心理渴求度的量化***及其方法 | |
KR102060863B1 (ko) | 생리 심리 반응 정보 및 회상 자극 반응 정보를 이용한 인지 부하 측정 방법 및 인지 부하 측정 장치 | |
Jadhav et al. | Analysis of effect of meditation on cognitive load using higher order crossing features | |
CN117524422B (zh) | 基于室内绿植改善人体应激恢复性的评估***及方法 | |
Aufegger et al. | Virtual reality feedback influences musicians’ physical responses and mental attitude towards performing | |
Gao et al. | Learning Attention Level Prediction via Multimodal Physiological Data Using Wearable Wrist Devices | |
Bornoiu et al. | Intelligent system for emotion recognition based on electrodermal activity processing | |
Bhatti et al. | CLARE: Cognitive Load Assessment in REaltime with Multimodal Data |
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 |