CN105615901A - 一种监测情绪的方法和系统 - Google Patents

Abstract

本发明提供了一种监测情绪的方法及系统，其中方法包括：获取用户的心电数据、心理量表数据和运动数据；根据获取到的心电数据、心理量表数据和运动数据，以及情绪判别模型监测用户的情绪，生成该用户的情绪监测结果。本发明解决了现有的使用移动客户端的心理健康相关产品在情绪判别方面不够准确的问题。

Description

一种监测情绪的方法和系统

技术领域

本发明涉及通信技术领域，具体涉及一种监测情绪的方法和系统。

背景技术

根据中国疾病预防控制中心精神卫生中心2009年公布的数据，我国各类精神疾病患者占总人口的17.8％，人数在1亿人以上，其中号称“第一心理杀手”的抑郁症患者达2600万。由于羞耻感强、专家治疗费用高等原因，九成抑郁症患者不去就医，造成病情恶化。而利用移动终端和网络技术，进行自助式情绪监测和调节，能够保护患者隐私，降低治疗费用，是解决轻度、中度抑郁症患者就医问题的重要途径。

而现有的使用移动客户端的心理健康相关产品，主要使用如下两种方法中的一种进行情绪判别：方法一、使用诸如心电、脉搏、血压、脑电等心理数据以及诸如表情、语音、文字等文字数据中的一个或几个指标进行情绪判别；方法二、使用心理量表进行情绪判别。然而单纯使用生理数据、文字数据、或心理量表进行情绪监测，情绪判别的准确度较低。

发明内容

为了克服现有的使用移动客户端的心理健康相关产品在情绪判别方面不够准确的问题，本发明提供了一种监测情绪的方法和系统。

为了解决上述技术问题，本发明采用如下技术方案：

依据本发明的一个方面，提供了一种监测情绪的方法，所述方法包括：获取用户的心电数据、心理量表数据和运动数据；根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测所述用户的情绪，生成所述用户的情绪监测结果。

可选地，所述根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测所述用户的情绪，生成所述用户的情绪监测结果，具体包括：获取所述心电数据中的至少一个心电特征、所述心理量表数据中的至少一个量表特征和所述运动数据中的至少一个运动特征；将所述至少一个心电特征、至少一个量表特征和至少一个运动特征输入到情绪判别模型，生成所述用户的情绪监测结果。

可选地，所述心电特征至少包括：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF中的任意一种或多种。

可选地，所述方法还包括：根据得到的所述情绪监测结果，推送与所述情绪监测结果对应的心理干预调节方案。

可选地，所述情绪监测结果为：轻度抑郁、中度抑郁或重度抑郁；

相应地，所述推送与所述情绪监测结果对应的心理干预调节方案，具体为：若所述情绪监测结果为轻度抑郁，推送的心理干预调节方案包括普适性的心理训练方案和个性化的运动指导方案；若所述情绪监测结果为中度抑郁，推送的心理干预调节方案包括专家系统提供的心理训练方案和运动指导方案；或若所述情绪监测结果为重度抑郁，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

可选地，所述方法还包括：确定至少一个实验用户，并分别获取每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

可选地，所述根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值，具体包括：对于任一实验用户，获取所述任一实验用户的心电数据中的至少一个心电特征、所述心理量表数据中的至少一个量表特征和所述运动数据中的至少一个运动特征；根据所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征得出所述任一实验用户的情绪判别估计值。

可选地，所述根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，具体为：利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}\×w_{1j})\×w_{21}+Q_i\×w_{22}+S_i\×w_{23}))}^2$

其中，N表示所有实验用户的数量，M表示心电数据中心电特征的数量；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i表示第i个实验用户的抑郁程度诊断结果；C_ij表示经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j表示与上述C_ij对应的权值；w₂₁表示与上述S₁()对应的权值；w₂₂表示与上述Q_i对应的权值；w₂₃表示与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。

可选地，所述根据所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征得出所述任一实验用户的情绪判别估计值，具体为：

将获取的所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征输入到如下公式中得到任一实验用户的情绪判别估计值：

$J_i=S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\×w_{1j})\×w_{21}+Q_i\×w_{22}+S_i\×w_{23})$

其中，J_i为第i个实验用户的情绪判别估计值。

依据本发明的另一个方面，还提供了一种监测情绪的系统，包括：移动终端和移动健康云平台；其中，所述移动终端获取并向所述移动健康云平台发送用户的心电数据、心理量表数据和运动数据，并获取所述移动健康云平台发送的情绪监测结果和与所述情绪监测结果对应的心理干预调节方案；所述移动健康云平台包括：数据接收模块，用于获取用户的所述心电数据、心理量表测量数据和运动数据；情绪判别模块，用于根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测用户的情绪，生成所述用户的情绪监测结果；干预调节模块，用于推送与所述情绪监测结果对应的所述心理干预调节方案。

可选地，所述情绪判别模块包括：特征获取单元，用于获取所述心电数据中的至少一个心电特征、心理量表数据中的至少一个量表特征和运动数据中的至少一个运动特征；判别单元，用于将所述至少一个心电特征、至少一个量表特征和至少一个运动特征输入到情绪判别模型，生成所述用户的情绪监测结果。

可选地，所述特征获取单元获取的心电特征至少包括：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF中的任意一种或多种。

可选地，所述情绪监测结果为：轻度抑郁、中度抑郁或重度抑郁；相应地，所述干预调节模块包括：轻度抑郁单元，用于在所述情绪监测结果为轻度抑郁时，推送的心理干预调节方案包括普适性的心理训练方案和个性化的运动指导方案；中度抑郁单元，用于在所述情绪监测结果为中度抑郁时，推送的心理干预调节方案包括专家系统提供的心理训练方案和运动指导方案；重度抑郁单元，用于在所述情绪监测结果为重度抑郁时，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

可选地，所述判别单元包括：实验数据获取子单元，用于分别获取每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；情绪判别模型生成子单元，用于根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

可选地，所述情绪判别模型生成子单元利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}\×w_{1j})\×w_{21}+Q_i\×w_{22}+S_i\×w_{23}))}^2$

其中，N表示所有实验用户的数量，M表示心电数据中的心电特征的数量；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i为第i个实验用户的抑郁程度诊断结果；C_ij表示经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j为表示与上述C_ij对应的权值；w₂₁为与上述S₁()对应的权值；w₂₂为与上述Q_i对应的权值；w₂₃为与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。

本发明的有益效果是：

本发明提供的监测情绪的方法及系统，首先建立情绪判别模型，再通过获取与情绪相关性较强的生理数据、心理量表数据和运动数据，与传统的心理测评方法相结合，监测用户的情绪，保证了数据的客观性和方法的科学性，使情绪监测结果更加准确；本发明还在移动健康云平台的系统中预设由心理健康专家制定的心理调节方案，根据用户不同情绪状况向用户推送包含个性化运动指导和心理训练的方案，解决了现有的使用移动客户端的心理健康相关产品在情绪监测方面不够准确，且情绪调节方法未包含运动这一因素的问题，保证了调节方案的科学性和严谨性。

附图说明

图1为本发明的实施例中的监测情绪的方法的步骤流程图；

图2为本发明的实施例中的监测情绪的方法的示意图；

图3为图1中步骤103的流程图；

图4为本发明的实施例中的情绪判别模型的建立的步骤流程图；

图5为本发明的实施例中的初始情绪判别模型的示意图；

图6为本发明的实施例中情绪判别系统的示意图；

图7为本发明的实施例中情绪判别系统的判别单元的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参见图1，为本发明的实施例中的监测情绪的方法的流程图，该方法包括：

步骤101、根据实验用户的心电数据、心理量表数据和运动数据，以及实验用户的抑郁程度诊断结果建立情绪判别模型。

在本实施例中，步骤101为可选步骤，即可以预先建立好情绪判别模型以便后续的情绪监测处理，当然可以理解的是，在本实施例中也并不限定建立情绪判别模型的具体方式。

步骤102，获取用户的心电数据、心理量表数据和运动数据；

可选地，心电数据可通过移动终端直接或间接获取，例如可穿戴式设备将采集到的心电数据发送给移动终端；心理量表数据可通过移动终端获取，例如用户通过移动终端上的应用程序输入心理量表数据，并由移动终端存储该心理量表数据；运动数据可通过在移动终端中设置的传感器获取，例如通过移动终端中的加速度传感器进行计步，计算每日平均步数，并将结果记录在该移动终端中；其中，心电数据可以是连续7天每天2分钟所获取的心电数据，运动数据可以是连续7天内的运动数据。当然可以理解的是，在本实施例中并不限定采集心电数据、心理量表数据和运动数据的具体时间。

步骤103，根据获取到的心电数据、心理量表数据和运动数据，以及情绪判别模型监测用户的情绪，生成该用户的情绪监测结果。

步骤104，根据得到的情绪监测结果，推送与情绪监测结果对应的心理干预调节方案。

其中，推送与情绪监测结果对应的心理干预调节方案，具体为：

若情绪监测结果为轻度抑郁，推送的心理干预调节方案包括普适性的心理训练的方案和个性化的运动指导的方案；

若情绪监测结果为中度抑郁，推送的心理干预调节方案包括专家系统提供的心理训练的方案和运动指导的方案；或者

若情绪监测结果为重度抑郁，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

在本发明的实施例中，可以通过步骤S102～步骤S104反复监测用户的情绪，即在执行完步骤104之后可以返回再进入步骤102，以进行下一次的用户的情绪监测处理。

参见图2，首先通过获取用户的心电数据可得到至少一个心电特征，通过获取用户的心理量表数据可得到至少一个量表特征，通过获取用户的运动数据可得到至少一个运动特征，然后将至少一个心电特征、量表特征以及运动特征输入情绪判别模型，生成该用户的情绪监测结果；最后，可根据情绪监测结果向用户推送相应的心理干预调节方案。

参见图3，本发明的实施例中步骤103具包括：

步骤1031，获取心电数据中的至少一个心电特征、心理量表数据中的至少一个量表特征和运动数据中的至少一个运动特征；

步骤1032，将至少一个心电特征、至少一个量表特征和至少一个运动特征输入到情绪判别模型中，生成用户的情绪监测结果。

其中，心电特征至少包括：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF中的任意一种或多种。当然了可以理解的是，本发明的实施例中并不限定心电特征的具体内容。

下面结合图4介绍如何根据实验用户的心电数据、心理量表数据和运动数据，以及实验用户的抑郁程度诊断结果建立情绪判别模型，具体步骤如下：

步骤401，分别获取每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；

步骤402，根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；

具体地，对于任一实验用户，获取所述任一实验用户的心电数据中的至少一个心电特征、所述心理量表数据中的至少一个量表特征和所述运动数据中的至少一个运动特征；根据所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征得出所述任一实验用户的情绪判别估计值。

步骤403，根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

具体地，利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}\×w_{1j})\×w_{21}+Q_i\×w_{22}+S_i\×w_{23}))}^2$

其中，N为所有实验用户的数量，M为心电数据中心电特征的数量(例如M＝6)；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i为第i个实验用户的抑郁程度诊断结果；C_ij为经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j为与上述C_ij对应的权值；w₂₁为与上述S₁()对应的权值；w₂₂为与上述Q_i对应的权值；w₂₃为与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。

参见图5，情绪判别模型包括：输入层、隐含层以及输出层；其中，输入层为6个心电特征，分别是：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF；隐含层分别为：心电特征、量表特征和运动特征；输出层为抑郁程度值；W₁₁为标准差SDNN的权值，W₁₂为标准差RMSSD的权值，W₁₃为超低频VLF的权值，W₁₄为低频LF的权值，W₁₅为高频HF的权值，W₁₆为低频高频比LF/HF的权值，W₂₁为心电特征的权值，W₂₂为量表特征的权值，W₂₃为运动特征的权值。

进一步地，步骤402中将获取的实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征输入到如下公式中得到任一实验用户的情绪判别估计值：

$J_i=S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\×w_{1j})\×w_{21}+Q_i\×w_{22}+S_i\×w_{23})$

其中，J_i为第i个实验用户的情绪判别估计值

进一步地，S₁(x)为：

$S_1\left(x\right)=\frac{1}{1+e^{-5x}}$

x为经过归一化处理的心电数据的加权求和值。

其中，S₂(x)为:

$S_2\left(x\right)=\left\{\begin{array}{ccc}0,& \mathrm{if}& 0<S_1\left(x\right)<0.25\\ 0.25,& \mathrm{if}& 0.25<S_1\left(x\right)<0.5\\ 0.5,& \mathrm{if}& 0.5<S_1\left(x\right)<0.75\\ 0.75,& \mathrm{if}& 0.75<S_1\left(x\right)<1\end{array}\right\}$

x为经过归一化处理的实验用户的数据的加权求和值。

参见图6，本发明的实施例还提供了一种监测情绪的系统600，包括：移动终端601和移动健康云平台602；其中，

移动终端601获取并向移动健康云平台发送用户的心电数据、心理量表数据和运动数据，并获取移动健康云平台602发送的情绪监测结果和与情绪监测结果对应的心理干预调节方案；

移动健康云平台602包括：数据接收模块603，用于获取用户的心电数据、心理量表测量数据和运动数据；情绪判别模块604，用于根据获取到的心电数据、心理量表数据和运动数据，以及情绪判别模型监测用户的情绪，生成该用户的情绪监测结果；干预调节模块605，用于推送与情绪监测结果对应的心理干预调节方案。

进一步地，干预调节模块605，用于根据得到的情绪监测结果，推送与情绪监测结果对应的心理干预调节方案。

进一步地，情绪监测结果为：轻度抑郁、中度抑郁或重度抑郁；

相应地，干预调节模块605包括：

轻度抑郁单元，用于在情绪监测结果为轻度抑郁时，推送的心理干预调节方案包括普适性的心理训练的方案和个性化的运动指导的方案；

中度抑郁单元，用于在情绪监测结果为中度抑郁时，推送的心理干预调节方案包括专家系统提供的心理训练的方案和运动指导的方案；

重度抑郁单元，用于在情绪监测结果为重度抑郁时，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

参见图7，情绪判别模块604包括：

特征获取单元6041，用于获取心电数据中的至少一个心电特征、心理量表数据中的至少一个量表特征和运动数据中的至少一个运动特征；

判别单元6042，用于根据特征获取单元获取的数据，生成用户的情绪监测结果，进一步地，判别单元6042包括：

实验数据获取子单元6043，用于分别每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；

情绪判别模型生成子单元6044，用于根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

进一步地，情绪判别模型生成子单元利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}{c}_{\mathrm{ij}}\&times;w_{1j})\&times;w_{21}+Q_i\&times;w_{22}+S_i\&times;w_{23}))}^2$

其中，N为所有实验用户的数量，M为心电数据中心电特征的数量；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i为第i个实验用户的抑郁程度诊断结果；C_ij为经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j为与上述C_ij对应的权值；w₂₁为与上述S₁()对应的权值；w₂₂为与上述Q_i对应的权值；w₂₃为与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。

进一步地，S₁(x)为：

$S_1\left(x\right)=\frac{1}{1+e^{-5x}}$

其中，x为经过归一化处理的心电数据的加权求和值。

进一步地，S₂(x)为:

$S_2\left(x\right)=\left\{\begin{array}{ccc}0,& \mathrm{if}& 0<S_1\left(x\right)<0.25\\ 0.25,& \mathrm{if}& 0.25<S_1\left(x\right)<0.5\\ 0.5,& \mathrm{if}& 0.5<S_1\left(x\right)<0.75\\ 0.75,& \mathrm{if}& 0.75<S_1\left(x\right)<1\end{array}\right\}$

x为经过归一化处理的实验用户的数据的加权求和值。

进一步地，情绪判别模型生成子单元6044采用混合微分进化-序列二次规划算法确定所述情绪判别模型中的各个权值。

进一步地，将获取的实验用户的多个心电特征、至少一个量表特征、至少一个运动特征得出情绪判别估计值，具体为，将获取的实验用户的多个心电特征、至少一个量表特征、至少一个运动特征输入到如下公式得到任一实验用户的情绪判别估计值：

$J_i=S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}{C}_{\mathrm{ij}}\&times;w_{1j})\&times;w_{21}+Q_i\&times;w_{22}+S_i\&times;w_{23})$

其中，J_i为第i个实验用户的情绪判别估计值。

本发明提供的监测情绪的方法及系统通过获取用户的心理量表数据、运动数据和心电数据，三者结合能够准确的对用户的抑郁情绪进行判别，根据情绪监测结果向用户推送包含个性化运动指导和心理训练的调节方法，解决了现有的使用移动客户端的心理健康相关产品在情绪判别方面不够准确，且情绪调节方法未包含运动这一因素的问题。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种监测情绪的方法，其特征在于，所述方法包括：

获取用户的心电数据、心理量表数据和运动数据；

根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测所述用户的情绪，生成所述用户的情绪监测结果。

2.如权利要求1所述的方法，其特征在于，所述根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测所述用户的情绪，生成所述用户的情绪监测结果，具体包括：

获取所述心电数据中的至少一个心电特征、所述心理量表数据中的至少一个量表特征和所述运动数据中的至少一个运动特征；

将所述至少一个心电特征、至少一个量表特征和至少一个运动特征输入到情绪判别模型中，生成所述用户的情绪监测结果。

3.如权利要求2所述的方法，其特征在于，所述心电特征至少包括：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF中的任意一种或多种。

4.如权利要求1～3任一项所述的方法，其特征在于，所述方法还包括：

根据得到的所述情绪监测结果，推送与所述情绪监测结果对应的心理干预调节方案。

5.如权利要求4所述的方法，其特征在于，所述情绪监测结果为：轻度抑郁、中度抑郁或重度抑郁；

相应地，所述推送与所述情绪监测结果对应的心理干预调节方案，具体为：

若所述情绪监测结果为轻度抑郁，推送的心理干预调节方案包括普适性的心理训练方案和个性化的运动指导方案；

若所述情绪监测结果为中度抑郁，推送的心理干预调节方案包括专家系统提供的心理训练方案和运动指导方案；或

若所述情绪监测结果为重度抑郁，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定至少一个实验用户，并分别获取每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；

根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；

根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

7.如权利要求6所述的方法，其特征在于，所述根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值，具体包括：

对于任一实验用户，获取所述任一实验用户的心电数据中的至少一个心电特征、所述心理量表数据中的至少一个量表特征和所述运动数据中的至少一个运动特征；

根据所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征得出所述任一实验用户的情绪判别估计值。

8.如权利要求6所述的方法，其特征在于，所述根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，具体为：

利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}{C}_{\mathrm{ij}}\&times;w_{1j})\&times;w_{21}+Q_i\&times;w_{22}+S_i\&times;w_{23}))}^2$

其中，N为所有实验用户的数量，M为心电数据中心电特征的数量；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i为表示第i个实验用户的抑郁程度诊断结果；C_ij为表示经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j为与上述C_ij对应的权值；w₂₁为与上述对应的权值；w₂₂为与上述Q_i对应的权值；w₂₃为与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。

9.如权利要求7所述的方法，其特征在于，所述根据所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征得出所述任一实验用户的情绪判别估计值，具体为：

将获取的所述任一实验用户的至少一个心电特征、至少一个量表特征、至少一个运动特征输入到如下公式中得到任一实验用户的情绪判别估计值：

$J_i=S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}{C}_{\mathrm{ij}}\&times;w_{1j})\&times;w_{21}+Q_i\&times;w_{22}+S_i\&times;w_{23})$

其中，J_i为第i个实验用户的情绪判别估计值。

10.一种监测情绪的系统，其特征在于，包括：移动终端和移动健康云平台；其中，

所述移动终端获取并向所述移动健康云平台发送用户的心电数据、心理量表数据和运动数据，并获取所述移动健康云平台发送的情绪监测结果和与所述情绪监测结果对应的心理干预调节方案；

所述移动健康云平台包括：数据接收模块，用于获取用户的所述心电数据、心理量表测量数据和运动数据；情绪判别模块，用于根据获取到的所述心电数据、心理量表数据和运动数据，以及情绪判别模型监测用户的情绪，生成所述用户的情绪监测结果；干预调节模块，用于推送与所述情绪监测结果对应的所述心理干预调节方案。

11.如权利要求10所述的监测情绪的系统，其特征在于，所述情绪判别模块包括：

特征获取单元，用于获取所述心电数据中的至少一个心电特征、心理量表数据中的至少一个量表特征和运动数据中的至少一个运动特征；

判别单元，用于将所述至少一个心电特征、至少一个量表特征和至少一个运动特征输入到情绪判别模型，生成所述用户的情绪监测结果。

12.如权利要求11所述的监测情绪的系统，其特征在于，所述特征获取单元获取的心电特征至少包括：标准差SDNN、连续差平方根RMSSD、超低频VLF、低频LF、高频HF和低频高频比LF/HF中的任意一种或多种。

13.如权利要求10所述的监测情绪的系统，其特征在于，所述情绪监测结果为：轻度抑郁、中度抑郁或重度抑郁；

相应地，所述干预调节模块包括：

轻度抑郁单元，用于在所述情绪监测结果为轻度抑郁时，推送的心理干预调节方案包括普适性的心理训练方案和个性化的运动指导方案；

中度抑郁单元，用于在所述情绪监测结果为中度抑郁时，推送的心理干预调节方案包括专家系统提供的心理训练方案和运动指导方案；

重度抑郁单元，用于在所述情绪监测结果为重度抑郁时，推送的心理干预调节方案包括进行进一步诊断治疗的方案。

14.如权利要求10所述的监测情绪的系统，其特征在于，所述判别单元包括：

实验数据获取子单元，用于分别获取每个实验用户的抑郁程度诊断结果、心电数据、心理量表数据和运动数据；情绪判别模型生成子单元，用于根据获取到的每个实验用户的心电数据、心理量表数据和运动数据确定每个实验用户的情绪判别估计值；根据所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果确定情绪判别模型中的各个权值，并根据情绪判别模型中的各个权值建立情绪判别模型。

15.如权利要求14所述的监测情绪的系统，其特征在于，所述情绪判别模型生成子单元利用如下公式，以最小化所有实验用户的情绪判别估计值和对应的抑郁程度诊断结果之间的差值为目标函数，确定情绪判别模型中的各个权值：

$\min \frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{(A_i-S_2(S_1(\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}{C}_{\mathrm{ij}}\&times;w_{1j})\&times;w_{21}+Q_i\&times;w_{22}+S_i\&times;w_{23}))}^2$

其中，N表示所有实验用户的数量，M表示心电数据中心电特征的数量；i表示第i个实验用户，j表示心电数据中第j个心电特征；A_i表示第i个实验用户的抑郁程度诊断结果；C_ij表示经过归一化处理的第i个实验用户的第j个心电特征；Q_i表示第i个实验用户的经过归一化处理的量表特征；S_i表示第i个用户的经过归一化处理的运动特征；w_1j表示与上述C_ij对应的权值；w₂₁表示与上述对应的权值；w₂₂表示与上述Q_i对应的权值；w₂₃表示与上述S_i对应的权值；S₁(x)和S₂(x)均为神经网络变换函数。