CN116453656B - 一种心理健康评估预警***及方法 - Google Patents
一种心理健康评估预警***及方法 Download PDFInfo
- Publication number
- CN116453656B CN116453656B CN202310383000.3A CN202310383000A CN116453656B CN 116453656 B CN116453656 B CN 116453656B CN 202310383000 A CN202310383000 A CN 202310383000A CN 116453656 B CN116453656 B CN 116453656B
- Authority
- CN
- China
- Prior art keywords
- historical
- tension degree
- evaluation
- tension
- degree analysis
- 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
- 230000009323 psychological health Effects 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 121
- 238000012360 testing method Methods 0.000 claims abstract description 119
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000004630 mental health Effects 0.000 claims description 65
- 238000012549 training Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 210000004243 sweat Anatomy 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000035882 stress Effects 0.000 description 34
- 238000013210 evaluation model Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000008454 Hyperhidrosis Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 206010043269 Tension headache Diseases 0.000 description 1
- 208000008548 Tension-Type Headache Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 206010013781 dry mouth Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009894 physiological stress Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种心理健康评估预警***及方法,涉及心理评估技术领域,该方法包括:采用评估问题对目标用户进行心理健康评估测试,获得多个测试结果,并在测试过程中,采集目标用户的生理参数进行紧张程度分析,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,若不合格紧张程度分析结果占比大于预设比例阈值,则进行预警,或否,则根据合格紧张程度分析结果来确定评估模式,并将其输入对应的心理健康评估模型内,获得心理健康评估结果,在心理健康评估结果不合格时,进行预警。本发明解决了现有技术中由于心理健康评估方法单一,导致评估结果准确性不高的技术问题,达到了提高心理健康评估结果准确性的技术效果。
Description
技术领域
本发明涉及心理评估技术领域,具体涉及一种心理健康评估预警***及方法。
背景技术
随着社会发展,生活水平的提高,大众越来越重视心理健康问题。目前的心理测评需求很多,但是其理论基础、实现方式等方面有诸多的局限性阻碍了心理测评的发展和应用,在进行心理测评时往往要对受测者施测多套经典量表,以全面的评估个体的心理发展状况,受测者的能力是通过单纯得分的累加得出的,而没有考虑题目难度、区分度等因素,测量统计指标的制定依赖抽样的变动,抽样偏差、抽样样本大小等因素均会影响测评的指标,种种局限性导致测评量表的精确性、测评效率很容易受到影响。
从测评结果来看,目前的心理健康评估还存在着由于心理健康评估方法单一,导致评估结果准确性不高的技术问题。
发明内容
本申请提供了一种心理健康评估预警***及方法,用于由于心理健康评估方法单一,导致评估结果准确性不高的技术问题。
本申请的第一个方面,提供了一种心理健康评估预警方法,所述方法包括:获取对用户进行心理健康评估的多个评估问题;采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;将所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警。
本申请的第二个方面,提供了一种心理健康评估预警***,所述***包括:评估问题获取模块,所述评估问题获取模块用于获取对用户进行心理健康评估的多个评估问题;测试结果获得模块,所述测试结果获得模块用于采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;生理参数集合获得模块,所述生理参数集合获得模块用于分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;紧张程度分析结果获得模块,所述紧张程度分析结果获得模块用于分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;评估模式确定模块,所述评估模式确定模块用于判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;心理健康评估结果获得模块,所述心理健康评估结果获得模块用于将所述若干个有效评估问题的若干个有效测试结果,结合所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种心理健康评估预警方法,涉及心理评估技术领域,通过采用评估问题对目标用户进行心理健康评估测试,获得多个测试结果,并在测试过程中,采集目标用户的生理参数进行紧张程度分析,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,若不合格紧张程度分析结果占比大于预设比例阈值,则进行预警,或否,则根据合格紧张程度分析结果来确定评估模式,并将其输入对应的心理健康评估模型内,获得心理健康评估结果,在心理健康评估结果不合格时,进行预警,解决了现有技术中由于心理健康评估方法单一,导致评估结果准确性不高的技术问题,实现了提高心理健康评估结果准确性的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本申请实施例提供的一种心理健康评估预警方法逻辑流程示意图;
图2为本申请实施例提供的一种心理健康评估预警方法流程示意图;
图3为本申请实施例提供的一种心理健康评估预警方法中获得多个紧张程度分析结果的流程示意图;
图4为本申请实施例提供的一种心理健康评估预警方法中确定评估模式的流程示意图;
图5为本申请实施例提供的一种心理健康评估预警***结构示意图。
附图标记说明:评估问题获取模块11,测试结果获得模块12,生理参数集合获得模块13,紧张程度分析结果获得模块14,评估模式确定模块15,心理健康评估结果获得模块16。
具体实施方式
本申请提供了一种心理健康评估预警方法,用于解决现有技术中由于心理健康评估方法单一,导致评估结果准确性不高的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种心理健康评估预警方法,所述方法包括:
S100:获取对用户进行心理健康评估的多个评估问题;
图2示出了本申请实施例提供的一种心理健康评估预警方法的流程示意图,具体而言,心理健康评估是从专业的角度对人的认知、情绪、行为、倾向、潜能、性格和生存环境等方面进行评估,以确定人的心理健康状况。
所述用户是指可能需要使用本***进行心理评估测试的人群,根据用户的心理健康倾向和测试诉求,从题库中抽取相应的多个评估问题,题库中包含由医院、心理咨询中心以及一些专业研究机构编制的专业心理测试题,多个评估问题可以为多个问题或者多个心理评估问卷,作为对用户进行心理测试的试题。
S200:采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;
具体的,所述目标用户是指当前使用本***进行心理评估测试的用户,可以分别在多个时间点或不同的场景中,使用上述多个评估问题,对目标用户进行心理评估测试,可以是用户自己手填评估问卷的方式,也可以是由专业的心理咨询人员对目标用户进行提问的方式,记录每一次的测试结果,多次测试后获得的多个测试结果,可以作为后续进行心理健康评估的基础数据。
S300:分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;
具体而言,步骤S300可与步骤S200同时进行,将能够反映目标用户心理紧张程度的心率、皮温等生理参数构建成一个生理参数指标集合,并分别在使用所述多个评估问题对目标用户进行测试的过程中,基于所述生理参数指标集合,利用医学仪器对目标用户的生理参数进行检测,并记录检测结果,最后将目标用户多次测试中的生理参数检测结果整理成多个生理参数集合,可以作为后续进行紧张程度分析的基础数据。
进一步的,本申请实施例步骤S300还包括:
S310:获取所述生理参数指标集合,所述生理参数指标集合包括心率指标、皮温指标和掌心出汗指标;
S320:在每个评估问题测试的过程中,检测所述目标用户的心率、皮温和掌心出汗程度,获得所述多个生理参数集合。
具体的,由于人的心理状态的变化会伴随一些生理上的反应,比如焦虑症患者过度的焦虑和担忧,会引起神经运动性紧张和自主神经活动亢进等,患者可能会感到忐忑不安、注意力不集中,也会坐卧不宁,出现紧张性头痛、颤抖,还可能会有出汗、心动过速、呼吸急促、头晕、口干等症状。心率、皮温、体温和出汗的综合指数又称生理紧张指数,是评价机体反应的指标,可以在一定程度上反映被测者的心理紧张程度,故将目标用户的心率、皮温和掌心出汗程度作为本心理评估测试的生理参数指标合集。参照所述生理参数指标合集,在每次对目标用户进行评估问题测试时,利用生理指标检测仪器检测目标用户的心率、皮温和掌心出汗程度等生理参数并整理成合集,在进行多次评估问题测试后,即可获得多个生理参数集合,可以作为后续进行紧张程度分析的基础数据。
S400:分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;
具体而言,构建获得紧张程度分析模型,并分别将所述多个生理参数集合输入紧张程度分析模型内,由模型分析后输出多个紧张程度分析结果。所述预设紧张程度阈值是确保测试者能够进行有效的心理测评的紧张程度的最大值,举例而言,根据测试者的心理紧张程度大小,将紧张程度由低到高分为1、2、3、4、5,五个等级,若测试者心理紧张程度大于3级时无法进行有效的心理评估测试,则设置紧张程度阈值为3级,将获得的多个紧张程度分析结果与预设紧张程度阈值一一进行对比,如果紧张程度大于预设紧张程度阈值,那说明用户在进行该评估问题测试过程中心理紧张,测试结果的可信度较低,不予采用,将大于预设紧张程度阈值的紧张程度分析结果作为若干个不合格紧张程度分析结果,将小于或等于预设紧张程度阈值的紧张程度分析结果作为若干个合格紧张程度分析结果,可以作为后续确定评估模式的依据。
进一步的,如图3所示,本申请实施例步骤S400还包括:
S410:根据所述目标用户在历史时间内采集的生理参数集合,获取多个历史生理参数集合,并进行紧张程度分析,获得多个历史紧张程度分析结果;
S420:采用所述多个历史生理参数集合和所述多个历史紧张程度分析结果,构建所述紧张程度分析模型,所述紧张程度分析模型内包括紧张评估坐标系、多个历史坐标点,每个历史坐标点均被对应的历史紧张程度分析结果标记;
S430:分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个当前坐标点;
S440:分别获取所述多个当前坐标点最邻近的K个历史坐标点,获得多个历史坐标点集合,并获取每个历史坐标点对应的历史紧张程度分析结果,获得多个历史紧张程度分析结果集合,K为大于等于3的奇数;
S450:分别选取所述多个历史紧张程度分析结果集合内出现频率最高的历史紧张程度分析结果,获得所述多个紧张程度分析结果。
具体的,从所述目标用户在过去一段历史时间内采集的生理参数的合集内,该历史时间例如可为过去一年等,提取出多个心率、皮温和掌心出汗程度数据,以此作为多个历史生理参数集合,利用所述多个历史生理参数集合进行紧张程度分析,这里的紧张程度分析是专业的心理医生或咨询人员基于目标用户的历史生理参数集合中的数据,依靠经验从专业的角度判断用户在测试时的紧张程度,并给出多个历史紧张程度分析结果。
具体的,利用所述多个历史生理参数集合中心率、皮温和掌心出汗程度的构建紧张评估坐标系的X轴,Y轴和Z轴,举例说明,可以是心率为X轴,皮温为Y轴,掌心出汗程度为Z轴,也可以是心率为Y轴,皮温为X轴,掌心出汗程度为Z轴,参数指标与坐标轴可以根据需求设置。将对应的多个历史生理参数输入坐标系内形成多个历史坐标点,其中,不同的心率、皮温和掌心出汗程度形成不同的具体坐标值。所述多个历史坐标点与所述多个历史紧张程度分析结果一一对应标记,构成所述紧张程度分析模型。
分别将当前获得的所述多个生理参数集合输入紧张程度分析模型内,可以获得多个当前坐标点。然后分别提取紧张程度分析模型中,与所述多个当前坐标点最邻近的K个历史坐标点,也就是大于等于3的奇数个与所述多个当前坐标点最相似的历史坐标点,整理成多个历史坐标点集合,并通过识别标记,提取每个历史坐标点对应的历史紧张程度分析结果,以此作为多个历史紧张程度分析结果集合。最后分别选取所述多个历史紧张程度分析结果集合内出现频率最高的历史紧张程度分析结果,也就是最相似的历史紧张程度分析结果,作为所述多个紧张程度分析结果,可以作为后续确定评估模式的依据。
进一步的,本申请实施例步骤S420还包括:
S421:基于所述生理参数指标集合内的多个生理参数指标,构建所述紧张评估坐标系内的多个坐标轴;
S422:将所述多个历史生理参数集合输入所述紧张评估坐标系,形成所述多个历史坐标点;
S423:采用所述多个历史紧张程度分析结果,构建多个标记符,对所述多个历史坐标点进行标记,获得所述紧张程度分析模型。
具体而言,将所述生理参数指标集合内的心率、皮温和掌心出汗程度三个生理参数指标,作为所述紧张评估坐标系内的坐标轴,然后将所述多个历史生理参数集合内的心率、皮温和掌心出汗程度按照其数值输入所述紧张评估坐标系内,形成对应的多个历史坐标点。利用上述获得的多个历史紧张程度分析结果,构建与之相对应的多个标记符,并将对应的所述多个历史坐标点进行标记,构成所述紧张程度分析模型,可以用来对目标用户进行紧张程度分析。
S500:判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;
具体而言,所述预设比例阈值是指提前预设的目标用户在所有测试中紧张的次数占总测试次数的比例的最大值,例如为50%,将所述若干个不合格紧张程度分析结果对应的测试次数除以总测试次数,得到的值如果大于所述预设比例阈值,则说明用户长期处于心理紧张状态,所有测试结果的可信度均较低,不予采用并进行心理健康出现问题的预警,如果不合格紧张程度分析结果所占比例小于等于预设比例阈值,则说明部分的测试结果可信,也就是若干个合格紧张程度分析结果可信,根据可信的测试结果对应的评估问题制定评估模式,所述评估模式可以用来匹配对应的心理健康评估模型。
进一步的,如图4所示,本申请实施例步骤S500还包括:
S510:根据所述预设比例阈值和所述多个评估问题的数量,获取有效评估问题数量阈值;
S520:在所述多个评估问题内随机选取数量大于所述有效评估问题数量阈值的评估问题进行组合,获得多个样本有效问题组合,并作为多个样本评估模式;
S530:对所述若干个有效评估问题进行组合,获得目标有效问题组合及对应的评估模式。
具体的,用所述多个评估问题的数量乘以所述预设比例阈值的比例值,可以得到刚好可以达到所述预设比例阈值的评估问题的数量,以此作为有效评估问题数量阈值。为保证测试的有效性,在所述多个评估问题内随机选取数量大于所述有效评估问题数量阈值的评估问题,并进行组合,获得多个样本有效问题组合,并作为多个样本评估模式。将所述若干个合格紧张程度分析结果对应的所述若干个有效评估问题进行组合,得到目标有效问题组合,将其与样本有效问题组合一一进行匹配,即可获得标有效问题组合对应的评估模式,所述评估模式可以用来匹配对应的心理健康评估模型。
S600:将所述若干个有效评估问题的若干个有效测试结果,结合所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警。
具体而言,提取基于若干个有效评估问题测试获得的若干个有效测试结果,以及对应的若干个合格紧张程度分析结果,并根据目标有效问题组合对应的评估模式匹配对应的心理健康评估模型,所述心理健康评估模型是一种可以不断进行自我迭代优化的神经网络模型,可以通过训练数据集、验证数据集和测试数据集进行监督训练获得,心理健康评估模型的构建过程可以是:首先将训练数据集中的每一组训练数据输入心理健康评估模型内,然后由每组训练数据所对应的输出数据和预期数据的差值对模型进行网络参数调整,进一步的,将训练数据集中的全部数据进行训练,直至网络参数符合收敛条件,由此完成心理健康评估模型的训练。为保证心理健康评估模型的准确性,使用测试数据集对心理健康评估模型进行准确率测试后,则完成心理健康评估模型的构建。将提取到的若干个有效评估问题的若干个有效测试结果,以及所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,由心理健康评估模型输出心理健康评估结果,判断该评估结果是否合格,若心理健康评估结果不合格,说明目标用户的心理健康状况不佳,需要进行预警,并进行心理干预和疏导。通过由所述心理健康评估模型输出心理健康评估结果的方法,可以提高心理健康评估结果的准确性。
进一步的,本申请实施例步骤S600还包括:
S610:根据所述评估模式对应的若干个有效评估问题历史时间内的测试数据,获取多个历史有效测试结果集合,以及多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果;
S620:采用所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,作为构建数据,构建所述评估模式对应的所述心理健康评估模型;
S630:将所述若干个有效测试结果和若干个合格紧张程度分析结果输入所述心理健康评估模型,获得所述心理健康评估结果。
具体的,从过去一段时间内,在所述评估模式下使用对应的若干个有效评估问题对目标用户进行心理测试的测试数据中,提取多个有效的测试结果,作为多个历史有效测试结果集合,提取多个合格的紧张程度分析结果,作为多个历史合格紧张程度分析结果集合,并提取多个历史心理健康评估结果,以所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,作为构建数据,利用所述构建数据进行训练、验证和测试,可以获得所述评估模式对应的所述心理健康评估模型。将所述若干个有效测试结果和若干个合格紧张程度分析结果作为输入数据,输入所述评估模式对应的所述心理健康评估模型中,由所述心理健康评估模型输出对应的所述心理健康评估结果,可以提高心理健康评估结果的准确性。
进一步的,本申请实施例步骤S620还包括:
S621:基于BP神经网络,构建所述心理健康评估模型,所述心理健康评估模型的输入数据包括所述评估模式对应的若干个有效评估问题的测试结果以及若干个紧张程度分析结果;
S622:对所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果进行数据标注和划分,获得训练数据集、验证数据集和测试数据集;
S623:采用所述训练数据集、验证数据集和测试数据集对所述心理健康评估模型进行监督训练,根据实际输出和预期输出的误差,对网络参数进行更新调整,直到符合收敛条件,然后进行验证和测试,在满足预设条件的情况下,获得所述心理健康评估模型。
具体的,BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,无需事先确定输入输出之间映射关系的数学方程,仅通过自身的训练学习某种规则,在给定输入值时得到最接近期望输出值的结果。本申请基于BP神经网络模型的架构,并结合历史有效测试结果集合等数据进行模型训练,得到所述心理健康评估模型,所述心理健康评估模型使用所述评估模式对应的若干个有效评估问题的测试结果以及若干个紧张程度分析结果为输入数据,来输出所述心理健康评估结果。
具体的,所述心理健康评估模型的构建过程可以是:从目标用户之前的心理评估数据中,提取所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,并使用均匀随机抽样的方式将数据标注和划分为训练数据集、验证数据集和测试数据集,将训练数据集中的一组训练数据输入心理健康评估模型内进行监督训练,然后由这组训练数据所对应的输出数据和预期数据的差值对模型进行网络参数调整,进一步的,将训练数据集中的全部数据进行训练,直至完成对全部训练数据的训练和网络参数的调整,使网络参数符合收敛条件,再将验证数据集中的数据输入所述心理健康评估模型,由验证数据所对应的输出数据和预期数据的差值对网络参数进行最终调整,由此完成心理健康评估模型的训练。为保证心理健康评估模型的准确性,可以使用测试数据集对心理健康评估模型进行准确率测试,设定该测试准确率为85%,若当前测试数据集的测试准确率满足85%,则完成所述心理健康评估模型的构建,所述心理健康评估模型可以用来对目标用户进行心理健康评估,以判断用户的心理状况是否需要预警。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过采用评估问题对目标用户进行心理健康评估测试,获得多个测试结果,并在测试过程中,采集目标用户的生理参数进行紧张程度分析,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,若不合格紧张程度分析结果占比大于预设比例阈值,则进行预警,或否,则根据合格紧张程度分析结果来确定评估模式,并将其输入对应的心理健康评估模型内,获得心理健康评估结果,在心理健康评估结果不合格时,进行预警。
达到了提高心理健康评估结果准确性的技术效果。
实施例二
基于与前述实施例中一种心理健康评估预警方法相同的发明构思,如图5所示,本申请提供了一种心理健康评估预警***,本申请实施例中的***与方法实施例基于同样的发明构思。其中,所述***包括:
评估问题获取模块11,所述评估问题获取模块11用于获取对用户进行心理健康评估的多个评估问题;
测试结果获得模块12,所述测试结果获得模块12用于采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;
生理参数集合获得模块13,所述生理参数集合获得模块13用于分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;
紧张程度分析结果获得模块14,所述紧张程度分析结果获得模块14用于分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;
评估模式确定模块15,所述评估模式确定模块15用于判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;
心理健康评估结果获得模块16,所述心理健康评估结果获得模块16用于将所述若干个有效评估问题的若干个有效测试结果,结合所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警。
进一步的,所述***还包括:
生理参数指标集合获取模块,所述生理参数指标集合获取模块用于获取所述生理参数指标集合,所述生理参数指标集合包括心率指标、皮温指标和掌心出汗指标;
生理参数集合获得模块,所述生理参数集合获得模块用于在每个评估问题测试的过程中,检测所述目标用户的心率、皮温和掌心出汗程度,获得所述多个生理参数集合。
进一步的,所述***还包括:
紧张程度分析模块,所述紧张程度分析模块用于根据所述目标用户在历史时间内采集的生理参数集合,获取多个历史生理参数集合,并进行紧张程度分析,获得多个历史紧张程度分析结果;
紧张程度分析模型构建模块,所述紧张程度分析模型构建模块用于采用所述多个历史生理参数集合和所述多个历史紧张程度分析结果,构建所述紧张程度分析模型,所述紧张程度分析模型内包括紧张评估坐标系、多个历史坐标点,每个历史坐标点均被对应的历史紧张程度分析结果标记;
当前坐标点获得模块,所述当前坐标点获得模块用于分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个当前坐标点;
历史紧张程度分析结果集合获得模块,所述历史紧张程度分析结果集合获得模块用于分别获取所述多个当前坐标点最邻近的K个历史坐标点,获得多个历史坐标点集合,并获取每个历史坐标点对应的历史紧张程度分析结果,获得多个历史紧张程度分析结果集合,K为大于等于3的奇数;
紧张程度分析结果获得模块,所述紧张程度分析结果获得模块用于分别选取所述多个历史紧张程度分析结果集合内出现频率最高的历史紧张程度分析结果,获得所述多个紧张程度分析结果。
进一步的,所述***还包括:
坐标轴构建模块,所述坐标轴构建模块用于基于所述生理参数指标集合内的多个生理参数指标,构建所述紧张评估坐标系内的多个坐标轴;
历史坐标点获取模块,所述历史坐标点获取模块用于将所述多个历史生理参数集合输入所述紧张评估坐标系,形成所述多个历史坐标点;
紧张程度分析模型获得模块,所述紧张程度分析模型获得模块用于采用所述多个历史紧张程度分析结果,构建多个标记符,对所述多个历史坐标点进行标记,获得所述紧张程度分析模型。
进一步的,所述***还包括:
有效评估问题数量阈值获取模块,所述有效评估问题数量阈值获取模块用于根据所述预设比例阈值和所述多个评估问题的数量,获取有效评估问题数量阈值;
样本有效问题组合获取模块,所述样本有效问题组合取模块用于在所述多个评估问题内随机选取数量大于所述有效评估问题数量阈值的评估问题进行组合,获得多个样本有效问题组合,并作为多个样本评估模式;
目标有效问题组合获取模块,所述目标有效问题组合获取模块用于对所述若干个有效评估问题进行组合,获得目标有效问题组合及对应的评估模式。
进一步的,所述***还包括:
历史有效测试结果集合获取模块,所述历史有效测试结果集合获取模块用于根据所述评估模式对应的若干个有效评估问题历史时间内的测试数据,获取多个历史有效测试结果集合,以及多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果;
心理健康评估模型构建模块,所述心理健康评估模型构建模块用于采用所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,作为构建数据,构建所述评估模式对应的所述心理健康评估模型;
心理健康评估结果获得模块,所述心理健康评估结果获得模块用于将所述若干个有效测试结果和若干个合格紧张程度分析结果输入所述心理健康评估模型,获得所述心理健康评估结果。
进一步的,所述***还包括:
心理健康评估模型构建模块,所述心理健康评估模型构建模块用于基于BP神经网络,构建所述心理健康评估模型,所述心理健康评估模型的输入数据包括所述评估模式对应的若干个有效评估问题的测试结果以及若干个紧张程度分析结果;
数据集获得模块,所述数据集获得模块用于对所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果进行数据标注和划分,获得训练数据集、验证数据集和测试数据集;
心理健康评估模型获得模块,所述心理健康评估模型获得模块用于采用所述训练数据集、验证数据集和测试数据集对所述心理健康评估模型进行监督训练,根据实际输出和预期输出的误差,对网络参数进行更新调整,直到符合收敛条件,然后进行验证和测试,在满足预设条件的情况下,获得所述心理健康评估模型。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种心理健康评估预警***,其特征在于,所述***包括:
评估问题获取模块,所述评估问题获取模块用于获取对用户进行心理健康评估的多个评估问题;
测试结果获得模块,所述测试结果获得模块用于采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;
生理参数集合获得模块,所述生理参数集合获得模块用于分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;
紧张程度分析结果获得模块,所述紧张程度分析结果获得模块用于分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;
评估模式确定模块,所述评估模式确定模块用于判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;
心理健康评估结果获得模块,所述心理健康评估结果获得模块用于将所述若干个有效评估问题的若干个有效测试结果,结合所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警;
其中,分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,包括:
紧张程度分析模块,所述紧张程度分析模块用于根据所述目标用户在历史时间内采集的生理参数集合,获取多个历史生理参数集合,并进行紧张程度分析,获得多个历史紧张程度分析结果;
紧张程度分析模型构建模块,所述紧张程度分析模型构建模块用于采用所述多个历史生理参数集合和所述多个历史紧张程度分析结果,构建所述紧张程度分析模型,所述紧张程度分析模型内包括紧张评估坐标系、多个历史坐标点,每个历史坐标点均被对应的历史紧张程度分析结果标记;
当前坐标点获得模块,所述当前坐标点获得模块用于分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个当前坐标点;
历史紧张程度分析结果集合获得模块,所述历史紧张程度分析结果集合获得模块用于分别获取所述多个当前坐标点最邻近的K个历史坐标点,获得多个历史坐标点集合,并获取每个历史坐标点对应的历史紧张程度分析结果,获得多个历史紧张程度分析结果集合,K为大于等于3的奇数;
紧张程度分析结果获得模块,所述紧张程度分析结果获得模块用于分别选取所述多个历史紧张程度分析结果集合内出现频率最高的历史紧张程度分析结果,获得所述多个紧张程度分析结果。
2.根据权利要求1所述的***,其特征在于,分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合,包括:
生理参数指标集合获取模块,所述生理参数指标集合获取模块用于获取所述生理参数指标集合,所述生理参数指标集合包括心率指标、皮温指标和掌心出汗指标;
生理参数集合获得模块,所述生理参数集合获得模块用于在每个评估问题测试的过程中,检测所述目标用户的心率、皮温和掌心出汗程度,获得所述多个生理参数集合。
3.根据权利要求1所述的***,其特征在于,采用所述多个历史生理参数集合和所述多个历史紧张程度分析结果,构建所述紧张程度分析模型,包括:
坐标轴构建模块,所述坐标轴构建模块用于基于所述生理参数指标集合内的多个生理参数指标,构建所述紧张评估坐标系内的多个坐标轴;
历史坐标点获取模块,所述历史坐标点获取模块用于将所述多个历史生理参数集合输入所述紧张评估坐标系,形成所述多个历史坐标点;
紧张程度分析模型获得模块,所述紧张程度分析模型获得模块用于采用所述多个历史紧张程度分析结果,构建多个标记符,对所述多个历史坐标点进行标记,获得所述紧张程度分析模型。
4.根据权利要求1所述的***,其特征在于,根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式,包括:
有效评估问题数量阈值获取模块,所述有效评估问题数量阈值获取模块用于根据所述预设比例阈值和所述多个评估问题的数量,获取有效评估问题数量阈值;
样本有效问题组合获取模块,所述样本有效问题组合取模块用于在所述多个评估问题内随机选取数量大于所述有效评估问题数量阈值的评估问题进行组合,获得多个样本有效问题组合,并作为多个样本评估模式;
目标有效问题组合获取模块,所述目标有效问题组合获取模块用于对所述若干个有效评估问题进行组合,获得目标有效问题组合及对应的评估模式。
5.根据权利要求1所述的***,其特征在于,将所述若干个有效评估问题的若干个有效测试结果,结合所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,包括:
历史有效测试结果集合获取模块,所述历史有效测试结果集合获取模块用于根据所述评估模式对应的若干个有效评估问题历史时间内的测试数据,获取多个历史有效测试结果集合,以及多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果;
心理健康评估模型构建模块,所述心理健康评估模型构建模块用于采用所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,作为构建数据,构建所述评估模式对应的所述心理健康评估模型;
心理健康评估结果获得模块,所述心理健康评估结果获得模块用于将所述若干个有效测试结果和若干个合格紧张程度分析结果输入所述心理健康评估模型,获得所述心理健康评估结果。
6.根据权利要求5所述的***,其特征在于,采用所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果,作为构建数据,构建所述评估模式对应的所述心理健康评估模型,包括:
心理健康评估模型构建模块,所述心理健康评估模型构建模块用于基于BP神经网络,构建所述心理健康评估模型,所述心理健康评估模型的输入数据包括所述评估模式对应的若干个有效评估问题的测试结果以及若干个紧张程度分析结果;
数据集获得模块,所述数据集获得模块用于对所述多个历史有效测试结果集合、多个历史合格紧张程度分析结果集合和多个历史心理健康评估结果进行数据标注和划分,获得训练数据集、验证数据集和测试数据集;
心理健康评估模型获得模块,所述心理健康评估模型获得模块用于采用所述训练数据集、验证数据集和测试数据集对所述心理健康评估模型进行监督训练,根据实际输出和预期输出的误差,对网络参数进行更新调整,直到符合收敛条件,然后进行验证和测试,在满足预设条件的情况下,获得所述心理健康评估模型。
7.一种心理健康评估预警方法,其特征在于,所述方法包括:
获取对用户进行心理健康评估的多个评估问题;
采用所述多个评估问题,对目标用户进行测试,获得多个测试结果;
分别在所述多个评估问题测试的过程中,按照生理参数指标集合,采集所述目标用户的生理参数,获得多个生理参数集合;
分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,并分别判断是否大于预设紧张程度阈值,获得大于所述预设紧张程度阈值的若干个不合格紧张程度分析结果,以及若干个合格紧张程度分析结果;
判断所述若干个不合格紧张程度分析结果的占比是否大于预设比例阈值,若是,则进行预警,或否,则根据所述若干个合格紧张程度分析结果对应的若干个有效评估问题,确定评估模式;
将所述若干个合格紧张程度分析结果输入所述评估模式对应的心理健康评估模型内,获得心理健康评估结果,并在心理健康评估结果不合格时,进行预警;
其中,分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个紧张程度分析结果,包括:
根据所述目标用户在历史时间内采集的生理参数集合,获取多个历史生理参数集合,并进行紧张程度分析,获得多个历史紧张程度分析结果;
采用所述多个历史生理参数集合和所述多个历史紧张程度分析结果,构建所述紧张程度分析模型,所述紧张程度分析模型内包括紧张评估坐标系、多个历史坐标点,每个历史坐标点均被对应的历史紧张程度分析结果标记;
分别将所述多个生理参数集合输入紧张程度分析模型内,获得多个当前坐标点;
分别获取所述多个当前坐标点最邻近的K个历史坐标点,获得多个历史坐标点集合,并获取每个历史坐标点对应的历史紧张程度分析结果,获得多个历史紧张程度分析结果集合,K为大于等于3的奇数;
分别选取所述多个历史紧张程度分析结果集合内出现频率最高的历史紧张程度分析结果,获得所述多个紧张程度分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310383000.3A CN116453656B (zh) | 2023-04-11 | 2023-04-11 | 一种心理健康评估预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310383000.3A CN116453656B (zh) | 2023-04-11 | 2023-04-11 | 一种心理健康评估预警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116453656A CN116453656A (zh) | 2023-07-18 |
CN116453656B true CN116453656B (zh) | 2023-10-03 |
Family
ID=87131605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310383000.3A Active CN116453656B (zh) | 2023-04-11 | 2023-04-11 | 一种心理健康评估预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453656B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435964B (zh) * | 2023-12-21 | 2024-03-15 | 江苏赫奕科技有限公司 | 基于数据诊断仪的设备状态评估方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719664A (zh) * | 2016-01-14 | 2016-06-29 | 盐城工学院 | 基于似然概率模糊熵的紧张状态下语音情绪自动识别方法 |
CN111599442A (zh) * | 2020-05-20 | 2020-08-28 | 南京汇心创悦心理咨询服务有限公司 | 一种心理健康状态动态评估预警*** |
CN112182339A (zh) * | 2020-11-03 | 2021-01-05 | 深圳市艾利特医疗科技有限公司 | 一种心理评估方法和*** |
CN112183623A (zh) * | 2020-09-28 | 2021-01-05 | 湘潭大学 | 基于风电运维人员紧张程度的运维操作方法 |
CN115177253A (zh) * | 2022-08-02 | 2022-10-14 | 河南牧业经济学院 | 基于多模态数据学生心理危机预警*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11501303B2 (en) * | 2020-07-29 | 2022-11-15 | Capital One Services, Llc | Utilizing card movement data to identify fraudulent transactions |
-
2023
- 2023-04-11 CN CN202310383000.3A patent/CN116453656B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719664A (zh) * | 2016-01-14 | 2016-06-29 | 盐城工学院 | 基于似然概率模糊熵的紧张状态下语音情绪自动识别方法 |
CN111599442A (zh) * | 2020-05-20 | 2020-08-28 | 南京汇心创悦心理咨询服务有限公司 | 一种心理健康状态动态评估预警*** |
CN112183623A (zh) * | 2020-09-28 | 2021-01-05 | 湘潭大学 | 基于风电运维人员紧张程度的运维操作方法 |
CN112182339A (zh) * | 2020-11-03 | 2021-01-05 | 深圳市艾利特医疗科技有限公司 | 一种心理评估方法和*** |
CN115177253A (zh) * | 2022-08-02 | 2022-10-14 | 河南牧业经济学院 | 基于多模态数据学生心理危机预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN116453656A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104856704B (zh) | 主客观相结合的心理测评方法及*** | |
US8965497B2 (en) | Electrophysiological analysis system and method | |
US6741888B2 (en) | Method and apparatus for estimating degree of neuronal impairment in brain cortex | |
CN108133736A (zh) | 一种自适应性认知功能评估方法及*** | |
CN108135548A (zh) | 用于监测压力状态的方法和*** | |
KR20090024808A (ko) | 치매 및 치매성 장애의 평가 | |
Sandhu et al. | Brief pain inventory–facial minimum clinically important difference | |
CN116453656B (zh) | 一种心理健康评估预警***及方法 | |
JP2012523947A (ja) | 伝統中国医学(tcm)の原理に基づいて肌組成を判定するコンピュータ援用診断システム及び方法 | |
CN102203783A (zh) | 执行受检者测量 | |
Grant et al. | A methodology for validating nursing diagnoses | |
RU106013U1 (ru) | Система постановки дифференцированного диагноза по данным диагностики, справочная система результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы, система дифференциации записи результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы и дифференциально-диагностическая матрица для интеграции в автоматизированные медицинские информационные системы | |
CN114943629A (zh) | 一种健康管理保健服务***及其健康管理方法 | |
CN106725529A (zh) | 基于蓝牙传输的团体心理测评*** | |
JPH0428338A (ja) | ストレス度判定装置 | |
CN106295202B (zh) | 基于Hale指数的青少年健康状况动态分析方法 | |
CN113729708B (zh) | 一种基于眼动技术的谎言评判方法 | |
JP4378455B2 (ja) | 心理状態測定装置 | |
US8762168B2 (en) | Method of defining the physical condition level | |
CN114864086A (zh) | 一种基于肺功能报告模板的疾病预测方法 | |
Grant et al. | Clinical referents for nursing diagnoses | |
CN116019429A (zh) | 基于生理指标的健康监测方法、装置、设备及存储介质 | |
KR102373947B1 (ko) | 정신 건강 분석 결과에 따른 자동 상담 예약 방법 및 이를 실행하기 위한 프로그램이 기록된 기록매체 | |
CN113425279B (zh) | 一种用于呼吸窘迫综合征的动物实验方法 | |
CN117877748B (zh) | 一种多参数心肺功能测试设备及其数据处理方法 |
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 |