CN109620261A - 一种精神压力测量系统及方法 - Google Patents

Abstract

本发明属于精神压力测量技术领域，公开了一种精神压力测量系统及方法，所述精神压力测量系统包括：心电采集模块、脑电采集模块、血压采集模块、信号处理模块、中央控制模块、判断模块、异常报警模块、存储模块、显示模块。本发明通过信号处理模块对信号进行滤波、放大、模数转换、降噪处理，其中通过降噪模块对信号降噪处理大大提高数据采集的准确性；同时，通过判断模块对监测对象的人体压力生理信号进行识别，判断所述监测对象是否存在精神压力。达到了判断监测对象是否存在精神压力的目的，进而解决了医生无法准确得知患者精神状态进而给出准确治疗方案的技术问题。

Description

一种精神压力测量系统及方法

技术领域

本发明属于精神压力测量技术领域，尤其涉及一种精神压力测量系统及方法。

背景技术

心理压力即精神压力，现代生活中每个人都有所体验，心理压力总的来说有社会、生活和竞争三个压力源。压力过大、过多会损害身体健康。是外界环境的变化和机体内部状态所造成的人的生理变化和情绪波动。导致心理压力的因素很多，而且来源、性质不尽相同。可能是来自社会的，也可能是来自家庭的；可能是愉快的，也可能是不愉快的；可能是有益的，也可能是有害的。不管怎样，人面对压力总是要采取某种态度去适应它。愉快的、有利的心理压力，一般来说对人的健康不会造成危害；短暂的心理压力对人的身心健康也危害甚小，但长期的心理压力使人在生理上产生过度的反应，如果不愉快的、有害的心理压力不能得到积极克服，往往会导致种种疾病。然而，现有精神压力测量过程中采集的数据受噪声影响，导致采集的数据不准确，影响测量；同时，不能准确的判断患者精神状态，影响对患者及时诊断治疗。

综上所述，现有技术存在的问题是：

现有精神压力测量过程中采集的数据受噪声影响，导致采集的数据不准确，影响测量；同时，不能准确的判断患者精神状态，影响对患者及时诊断治疗。

现有技术不能实现异常数据集的降维处理，延迟报警，降低报警效率；现有技术中对存储的数据信息不能进行校正处理，无法保证采集的数据被准确的存储，降低保证信息的真实度和准确度；现有技术中显示器无法保证数据的准确性，工作效率较低。

发明内容

针对现有技术存在的问题，本发明提供了一种精神压力测量系统及方法。

本发明是这样实现的，一种精神压力测量方法，所述精神压力测量方法包括：

第一步，利用心电仪器采集患者的心电数据信号；利用数字脑电仪采集患者脑电波数据信号；利用血压仪器采集患者血压数据信号；

第二步，利用信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；利用数据处理软件根据采集的数据判断精神状态；

第三步，利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理后进行及时报警通知；利用存储器存储采集的心电、脑电波、血压数据信息并通过时域高通滤波非均匀性校正算法，对存储的数据信息进行校正处理；

第四步，利用模块级联约束式的显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

进一步，所述第三步利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理，具有步骤为：

(1)计算新报警a_new与样本报警对应属性的相似度；

样本报警A＝{a₁，a₂，…a_n}，每个报警有m个属性；根据各属性相似度计算公式，得到新报警与已知报警{a₁，a₂，…a_n}的属性相似度矩阵，如下式所示：

(2)计算属性相似度矩阵的相关系数，判断各属性之间的相关性；利用下式，计算属性相似度的相关系数，并构造系数矩阵R＝(r_ij)_n×m：

其中，s_kj为新报警与第k个报警在第j个属性上的相似度；

(3)获取新的属性指标

计算系数矩阵R的特征值{λ₁，λ₂，…λ_m}，及对应的特征向量{w₁，w₂，…w_m}，将特征向量对应分量作为各属性的权重，得m个新的属性指标；第i个报警的第j个新属性指标值的计算如下式所示：

其中，w_ij为特征向量w_i的第j个分量；

(4)计算新报警与样本报警的相似度；

首先根据系数矩阵R的特征值{λ₁，λ₂，…λ_m}，计算出第j个新指标的权重b_j；然后，将新报警与第i个报警的m个新指标进行加权求平均得到两个报警的相似度，如下式所示：

其中，y_ij为第i个报警的第j个新指标。

进一步，所述第四步中利用模块级联约束式的显示器，提高显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息的清晰度，具体方法为：

对于象素宽度为W的显示屏，其每个单元模块宽为W_M象素，最大级联数M_max，如果W_M×M_max<W，就需要对屏体横向分块，设屏体横向分D_V为块，D_V为正整数，则每块的宽度W_F为：

同时每块的宽度不能超过M_max个驱动模块总的象素宽度：

W_F<W_M·M_max，得：

本发明的另一目的在于提供一种实现所述精神压力测量方法的精神压力测量系统，所述精神压力测量系统，包括：

心电采集模块，与信号处理模块连接，用于通过心电仪器采集患者的心电数据信号；

脑电采集模块，与信号处理模块连接，用于通过数字脑电仪采集患者脑电波数据信号；

血压采集模块，与信号处理模块连接，用于通过血压仪器采集患者血压数据信号；

信号处理模块，与心电采集模块、脑电采集模块、血压采集模块、中央控制模块连接，用于通过信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；

中央控制模块，与信号处理模块、判断模块、异常报警模块、存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；

判断模块，与中央控制模块连接，用于通过数据处理软件根据采集的数据判断精神状态；

异常报警模块，与中央控制模块连接，用于通过报警器根据异常数据进行及时报警通知；

存储模块，与中央控制模块连接，用于通过存储器存储采集的心电、脑电波、血压数据信息；

显示模块，与中央控制模块连接，用于通过显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

进一步，所述信号处理模块包括信号滤波模块、信号放大模块、模数转换模块、降噪模块；

信号滤波模块，用于通过信号滤波电路将采集的信号中干扰信号进行过滤操作；

信号放大模块，用于通过信号放大电路将采集的信号进行放大操作；

模数转换模块，用于通过模数转换电路将采集的模拟信号转换为数字信号；

降噪模块，用于通过降噪电路将数字输入信号进行降噪处理。

本发明的另一目的在于提供一种应用所述精神压力测量方法的精神压力测量平台。

本发明的优点及积极效果为：本发明通过信号处理模块对信号进行滤波、放大、模数转换、降噪处理，其中通过降噪模块对信号降噪处理大大提高数据采集的准确性；同时，通过判断模块采用获取人体压力生理信号的方式，通过获取被试对象的基线期、认知任务期以及恢复期的人体压力生理信号；分别对所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号进行计算并得到非相关特征值；所述被试对象的基线期、认知任务期及恢复期分别具有多个非相关特征值；根据所述非相关特征值对分类器进行训练，得到准确率最高的最终模型；通过所述最终模型对监测对象的人体压力生理信号进行识别，判断所述监测对象是否存在精神压力。达到了判断监测对象是否存在精神压力的目的，进而解决了医生无法准确得知患者精神状态进而给出准确治疗方案的技术问题。

本发明利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理，有利于进行及时报警通知，提高报警效率；本发明利用存储器存储采集的心电、脑电波、血压数据信息并通过时域高通滤波非均匀性校正算法，对存储的数据信息进行校正处理，保证采集的数据被准确的存储，保证信息的真实度和准确度；本发明利用模块级联约束式的显示器，提高显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息的清晰度，保证数据的准确性，提高工作效率。

附图说明

图1是本发明实施例提供的精神压力测量方法流程图。

图2是本发明实施例提供的精神压力测量系统结构示意图；

图中：1、心电采集模块；2、脑电采集模块；3、血压采集模块；4、信号处理模块；5、中央控制模块；6、判断模块；7、异常报警模块；8、存储模块；9、显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的精神压力测量方法，具体包括以下步骤：

S101：利用心电仪器采集患者的心电数据信号；利用数字脑电仪采集患者脑电波数据信号；利用血压仪器采集患者血压数据信号；

S102：利用信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；利用数据处理软件根据采集的数据判断精神状态；

S103：利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理后进行及时报警通知；利用存储器存储采集的心电、脑电波、血压数据信息并通过时域高通滤波非均匀性校正算法，对存储的数据信息进行校正处理；

S104：利用模块级联约束式的显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

步骤S103中，本发明实施例提供的利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理，有利于进行及时报警通知，提高报警效率；具有步骤为：

(1)计算新报警a_new与样本报警对应属性的相似度；

假设样本报警A＝{a₁，a₂，…a_n}，每个报警有m个属性；根据各属性相似度计算公式，得到新报警与已知报警{a₁，a₂，…a_n}的属性相似度矩阵，如下式所示：

(2)计算属性相似度矩阵的相关系数，判断各属性之间的相关性；

利用下式，计算属性相似度的相关系数，并构造系数矩阵R＝(r_ij)_n×m

其中，s_kj为新报警与第k个报警在第j个属性上的相似度；

(3)获取新的属性指标

计算系数矩阵R的特征值{λ₁，λ₂，…λ_m}，及对应的特征向量{w₁，w₂，…w_m}，将特征向量对应分量作为各属性的权重，得m个新的属性指标；第i个报警的第j个新属性指标值的计算如下式所示：

其中，w_ij为特征向量w_i的第j个分量；

(4)计算新报警与样本报警的相似度；

首先根据系数矩阵R的特征值{λ₁，λ₂，…λ_m}，计算出第j个新指标的权重b_j；然后，将新报警与第i个报警的m个新指标进行加权求平均得到两个报警的相似度，如下式所示

其中，yi_j为第i个报警的第j个新指标。

步骤S103中，本发明实施例提供的利用存储器存储采集的心电、脑电波、血压数据信息并通过时域高通滤波非均匀性校正算法，对存储的数据信息进行校正处理，保证采集的数据被准确的存储，保证信息的真实度和准确度；具体算法为：

y(n)＝x(n)-f(n)

式中，M为根据截止频率而预先设定的时间常量，x(n)为第n帧的输入，f(n)为第n帧的低通输出，y(n)为校正后输出即为需要进行存储的数据信息。

步骤S104中，本发明实施例提供的利用模块级联约束式的显示器，提高显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息的清晰度，保证数据的准确性，提高工作效率；具体方法为：

对于象素宽度为W的显示屏，其每个单元模块宽为W_M象素，最大级联数M_max，如果W_M×M_max<W，就需要对屏体横向分块，设屏体横向分D_V为块，D_V为正整数，则每块的宽度W_F为：

同时每块的宽度不能超过M_max个驱动模块总的象素宽度，即

W_F<W_M·M_max，由此可得：

如图2所示，本发明实施例提供的精神压力测量系统，包括：

心电采集模块1、脑电采集模块2、血压采集模块3、信号处理模块4、中央控制模块5、判断模块6、异常报警模块7、存储模块8、显示模块9。

心电采集模块1，与信号处理模块4连接，用于通过心电仪器采集患者的心电数据信号；

脑电采集模块2，与信号处理模块4连接，用于通过数字脑电仪采集患者脑电波数据信号；

血压采集模块3，与信号处理模块4连接，用于通过血压仪器采集患者血压数据信号；

信号处理模块4，与心电采集模块1、脑电采集模块2、血压采集模块3、中央控制模块5连接，用于通过信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；

中央控制模块5，与信号处理模块4、判断模块6、异常报警模块7、存储模块8、显示模块9连接，用于通过单片机控制各个模块正常工作；

判断模块6，与中央控制模块5连接，用于通过数据处理软件根据采集的数据判断精神状态；

异常报警模块7，与中央控制模块5连接，用于通过报警器根据异常数据进行及时报警通知；

存储模块8，与中央控制模块5连接，用于通过存储器存储采集的心电、脑电波、血压数据信息；

显示模块9，与中央控制模块5连接，用于通过显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

本发明提供的信号处理模块4包括信号滤波模块、信号放大模块、模数转换模块、降噪模块；

信号滤波模块，用于通过信号滤波电路将采集的信号中干扰信号进行过滤操作；

信号放大模块，用于通过信号放大电路将采集的信号进行放大操作；

模数转换模块，用于通过模数转换电路将采集的模拟信号转换为数字信号；

降噪模块，用于通过降噪电路将数字输入信号进行降噪处理。

本发明提供的降噪模块降噪方法如下：

(1)接收代表采集信号的数字输入信号；

(2)将该数字输入信号解析成一系列在时域上不交叠且相邻的片段；

(3)将每一相邻片段转换成频域表示，所述频域表示包括一系列在时域上不交叠的频谱分量，每一帧的频谱分量包括由索引值标示的频谱幅值；

(4)将所述一系列相邻片段的某一片段的频谱分量、与所述片段相邻的第一片段的频谱分量、以及与所述片段相邻的第二片段的频谱分量在索引值k处的频谱幅值进行比较；

(5)当所述片段的频谱分量在索引值k处的频谱幅值满足至少下列条件之一时，修改所述片段的频谱分量在索引值k处的频谱幅值，所述条件包括：超过所述第一片段的频谱分量在索引值k处的频谱幅值一定比例；以及超过所述第二片段的频谱分量在索引值k处的频谱幅值一定比例；

(6)使用下列三种方式中的一种方式修改所述片段的频谱分量在索引值k处的频谱幅值大小：

(7)对应所述第一片段的频谱分量在索引值k处的频谱幅值以及所述第二片段的频谱分量在索引值k处的频谱幅值之中的较小者；

(8)对应所述第一片段的频谱分量在索引值k处的频谱幅值以及所述第二片段的频谱分量在索引值k处的频谱幅值的算术平均值；

(9)对应所述第一片段的频谱分量在索引值k处的频谱幅值以及所述第二片段的频谱分量在索引值k处的频谱幅值的几何平均值。

本发明提供的判断方法还包括将所述片段的频谱分量、与所述片段相邻的第三片段的频谱分量、以及与所述片段相邻的第四片段的频谱分量在索引值k处的频谱幅值进行比较。

本发明提供的判断方法还包括将所述片段的频谱分量在索引值k处的频谱幅值大小修改为：所述第一片段的频谱分量在索引值k处的频谱幅值、所述第二片段的频谱分量在索引值k处的频谱幅值、第三片段的频谱分量在索引值k处的频谱幅值、以及所述第四片段的频谱分量在索引值k处的频谱幅值中的较小者。

本发明提供的判断方法还包括将所述片段的频谱分量在索引值k处的频谱大小修改为：对应所述第一片段的频谱分量在索引值k处的频谱幅值、所述第二片段的频谱分量在索引值k处的频谱幅值、所述第三片段的频谱分量在索引值k处的频谱幅值、以及所述第四片段的频谱在索引值k处的频谱分量幅值的算术平均值。

本发明提供的判断方法还包括将所述片段的频谱分量在索引值k处的频谱幅值大小修改为：对应所述第一片段的频谱分量在索引值k处的频谱幅值、所述第二片段的频谱分量在索引值k处的频谱幅值、所述第三片段的频谱分量在索引值k处的频谱幅值、以及所述第四片段的频谱分量在索引值k处的频谱幅值的几何平均值。

本发明提供的判断模块6判断方法如下：

1)获取被试对象的基线期、认知任务期以及恢复期的人体压力生理信号；所述基线期为所述被试对象未接收认知任务时的无压力感知的时间段；所述认知任务期为所述被试对象在进行认知任务时的处于压力感知的时间段；所述恢复期为所述被试对象在结束执行认知任务后从压力感知恢复到无压力感知的时间段；

2)分别对所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号进行计算并得到非相关特征值；所述被试对象的基线期、认知任务期及恢复期分别具有多个非相关特征值；

3)根据所述非相关特征值对分类器进行训练，得到准确率最高的最终模型；

4)通过所述最终模型对监测对象的人体压力生理信号进行识别，判断所述监测对象是否存在精神压力。

本发明提供的分别对所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号进行计算并得到非相关特征值，包括：

根据所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号确定所有特征值；

分别对所述基线期、认知任务期及恢复期的特征值进行数据处理，得到非相关特征值；

所述数据处理的方法包括：求取平均值、最大值、最小值、斜率、平均幅值以及平均瞬时峰值速率。

本发明提供的根据所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号确定所有特征值，包括：

抓取所述被试对象的基线期、认知任务期及恢复期的人体压力生理信号中的所有尖峰，并确定每个尖峰对应的幅值；

根据所述每个尖峰对应的幅值确定所述被试对象的基线期、认知任务期及恢复期的所有特征值。

本发明提供的根据所述非相关特征值对分类器进行训练，包括：

将所有的所述非相关特征值进行组合，得到一个或多个非相关特征值组；

通过所有所述非相关特征值组分别对所述分类器进行训练，所述分类器包括：贝叶斯分析分类器、SVM分类器及线性回归分类器。

本发明实施例提供的工作原理：

本发明工作时，首先，通过心电采集模块1利用心电仪器采集患者的心电数据信号；通过脑电采集模块2利用数字脑电仪采集患者脑电波数据信号；通过血压采集模块3利用血压仪器采集患者血压数据信号；通过信号处理模块4利用信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；其次，中央控制模块5通过判断模块6利用数据处理软件根据采集的数据判断精神状态；通过异常报警模块7利用报警器根据异常数据进行及时报警通知；然后，通过存储模块8利用存储器存储采集的心电、脑电波、血压数据信息；最后，通过显示模块9利用显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种精神压力测量方法，其特征在于，所述精神压力测量方法包括：

第一步，利用心电仪器采集患者的心电数据信号；利用数字脑电仪采集患者脑电波数据信号；利用血压仪器采集患者血压数据信号；

第二步，利用信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；利用数据处理软件根据采集的数据判断精神状态；

第三步，利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理后进行及时报警通知；利用存储器存储采集的心电、脑电波、血压数据信息并通过时域高通滤波非均匀性校正算法，对存储的数据信息进行校正处理；

第四步，利用模块级联约束式的显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

2.如权利要求1所述的精神压力测量方法，其特征在于，所述第三步利用报警器通过变量变换将相关异常数据转为若干个不相关的综合指标变量，完成异常数据集的降维处理，具有步骤为：

(1)计算新报警a_new与样本报警对应属性的相似度；

样本报警A＝{a₁，a₂，…a_n}，每个报警有m个属性；根据各属性相似度计算公式，得到新报警与已知报警{a₁，a₂，…a_n}的属性相似度矩阵，如下式所示：

(2)计算属性相似度矩阵的相关系数，判断各属性之间的相关性；利用下式，计算属性相似度的相关系数，并构造系数矩阵R＝(r_ij)_n×m：

其中，s_kj为新报警与第k个报警在第j个属性上的相似度；

(3)获取新的属性指标

计算系数矩阵R的特征值{λ₁，λ₂，…λ_m}，及对应的特征向量{w₁，w₂，…w_m}，将特征向量对应分量作为各属性的权重，得m个新的属性指标；第i个报警的第j个新属性指标值的计算如下式所示：

其中，w_ij为特征向量w_i的第j个分量；

(4)计算新报警与样本报警的相似度；

首先根据系数矩阵R的特征值{λ₁，λ₂，…λ_m}，计算出第j个新指标的权重b_j；然后，将新报警与第i个报警的m个新指标进行加权求平均得到两个报警的相似度，如下式所示：

其中，y_ij为第i个报警的第j个新指标。

3.如权利要求1所述的精神压力测量方法，其特征在于，所述第四步中利用模块级联约束式的显示器，提高显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息的清晰度，具体方法为：

对于象素宽度为W的显示屏，其每个单元模块宽为W_M象素，最大级联数M_max，如果W_M×M_max<W，就需要对屏体横向分块，设屏体横向分D_V为块，D_V为正整数，则每块的宽度W_F为：

同时每块的宽度不能超过M_max个驱动模块总的象素宽度：

W_F<W_M·M_max，得：

4.一种实现权利要求1所述精神压力测量方法的精神压力测量系统，其特征在于，所述精神压力测量系统，包括：

心电采集模块，与信号处理模块连接，用于通过心电仪器采集患者的心电数据信号；

脑电采集模块，与信号处理模块连接，用于通过数字脑电仪采集患者脑电波数据信号；

血压采集模块，与信号处理模块连接，用于通过血压仪器采集患者血压数据信号；

信号处理模块，与心电采集模块、脑电采集模块、血压采集模块、中央控制模块连接，用于通过信号处理电路对采集的信号进行滤波、放大、模数转换、降噪操作；

中央控制模块，与信号处理模块、判断模块、异常报警模块、存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；

判断模块，与中央控制模块连接，用于通过数据处理软件根据采集的数据判断精神状态；

异常报警模块，与中央控制模块连接，用于通过报警器根据异常数据进行及时报警通知；

存储模块，与中央控制模块连接，用于通过存储器存储采集的心电、脑电波、血压数据信息；

显示模块，与中央控制模块连接，用于通过显示器显示精神压力测量系统界面及采集的心电、脑电波、血压数据信息。

5.如权利要求4所述的精神压力测量系统，其特征在于，所述信号处理模块包括信号滤波模块、信号放大模块、模数转换模块、降噪模块；

信号滤波模块，用于通过信号滤波电路将采集的信号中干扰信号进行过滤操作；

信号放大模块，用于通过信号放大电路将采集的信号进行放大操作；

模数转换模块，用于通过模数转换电路将采集的模拟信号转换为数字信号；

降噪模块，用于通过降噪电路将数字输入信号进行降噪处理。

6.一种应用权利要求1～3任意一项所述精神压力测量方法的精神压力测量平台。