CN109620266B - 个体焦虑水平的检测方法和系统 - Google Patents

Abstract

本申请公开了一种个体焦虑水平的检测方法和系统，包括：向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据；根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。本检测系统采用了严格的任务无关干扰刺激进行检测，排除了目标本身所带来的无关信息干扰，所得检测结果稳定可重复，避免了口头报告式量表缺乏客观可靠的检测指标的问题。

Description

个体焦虑水平的检测方法和系统

技术领域

本申请涉及脑科学的技术领域，特别涉及一种个体焦虑水平的检测方法和系统。

背景技术

焦虑是目前最普遍的一种心理健康问题，焦虑是指个体预料将来可能会有某种威胁或者不良后果时所产生的一种紧张、焦虑、烦恼、害怕等方面的不愉快情绪状态。研究表明，高焦虑水平会损伤注意系统，其中，对目标无关信息的抑制能力的减弱是注意系统损伤的重要方面。因此，可以通过测量注意抑制能力来预测个体焦虑水平，个体了解自己在一段时间内的焦虑水平对个体的日常生活和个人健康都有积极意义。然而目前对焦虑水平的测试大部分都依赖于个体的口头报告式量表，缺乏客观可靠的检测指标，使检测结果因个人标准的差异而有所偏差，而且目前对于焦虑对注意抑制能力的损伤的研究所采用的实验范式不能严格做到干扰信息目标无关。

发明内容

本申请实施例提供了一种个体焦虑水平的检测方法和系统，通过采用严格的任务无关干扰刺激来检测个体的注意抑制能力，进而预测个体的焦虑水平，辅助判断个体的焦虑状况。

本申请实施例的第一方面提供了一种个体焦虑水平检测方法，包括：

向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据，所述眼动数据包括注视时间，注视次数，眼动轨迹图，眼跳距离，瞳孔大小，N个所述注意抑制能力测试信号与N个所述注意抑制能力响应以及N组所述眼动数据之间一一对应，N为正整数；

根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；

将N组所述眼动数据中的N个所述眼动轨迹图与对应的N个所述注意抑制能力测试信号合成得到N张眼动轨迹合成图，根据对N个所述注意抑制能力测试信号的不同位置的注视时间的长短生成N张热力图，将N张所述眼动轨迹合成图和对应的N张所述热力图分别组合并标记为第N眼动轨迹图，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频；

在计算机显示屏上显示所述检测正确率以及所述注视时间，所述注视次数，所述眼动轨迹视频；

根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。

本申请实施例的第二方面提供了一种个体焦虑水平检测系统，所述个体焦虑水平检测系统包括：视觉刺激呈现子系统、反应记录子系统、结果处理子系统、焦虑水平查询子系统；

所述视觉刺激呈现子系统，用于在所述显示屏设定位置处显示所述注意抑制能力测试信号，将所述注意抑制能力测试信号显示设定时长后消隐；

所述反应记录子系统，用于获取所述被试对象针对所述注意抑制能力测试信号通过微动开关反应按键盒做出的目标刺激朝向判断的动作和反应时间以及所述眼动数据，所述动作所表达的判断结果为所述注意抑制能力响应，记录所述注意抑制能力响应和反应时间以及所述眼动数据；

所述结果处理子系统，用于根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率，并根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值；

所述焦虑水平查询子系统，用于基于输入的所述注意抑制能力分值查询得到对应的焦虑水平。

本申请实施例的第三方面提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。

可以看出，本申请实施例中通过向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据；根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。因为本申请实施例中采用了严格的任务无关干扰刺激来检测个体的注意抑制能力，从而排除了目标本身所带来的无关信息干扰，此外，本申请实施例提供了基于一定样本数据得到的评分模型以及不同焦虑水平对应的注意抑制能力的分值分布表，通过所述评分模型和所述分值分布表预测得到所述被试对象的焦虑水平，所得结果稳定可重复，避免了口头报告式量表缺乏客观可靠的检测指标的问题。

附图说明

图1是本申请实施例提供的一种个体焦虑水平检测方法的流程示意图；

图2是本申请实施例提供的的注意抑制能力测试信号显示过程；

图3是本申请实施例提供的包含干扰信息的注意抑制能力测试信号；

图4是本申请实施例提供的不包含干扰信息的注意抑制能力测试信号。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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、完整地描述，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。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

如图1所示，本申请实施例提供一种个体焦虑水平检测方法，包括：

向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据，所述眼动数据包括注视时间，注视次数，眼动轨迹图，眼跳距离，瞳孔大小，N个所述注意抑制能力测试信号与N个所述注意抑制能力响应以及N组所述眼动数据之间一一对应，N为正整数；

根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；

将N组所述眼动数据中的N个所述眼动轨迹图与对应的N个所述注意抑制能力测试信号合成得到N张眼动轨迹合成图，根据对N个所述注意抑制能力测试信号的不同位置的注视时间的长短生成N张热力图，将N张所述眼动轨迹合成图和对应的N张所述热力图分别组合并标记为第N眼动轨迹图，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频；

在计算机显示屏上显示所述检测正确率以及所述注视时间，所述注视次数，所述眼动轨迹视频；

根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。

其中，经分析，当N取60时可以取得较好的检测效果。

可以看出，本申请实施例中通过向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据；根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。因为本申请实施例中采用了严格的任务无关干扰刺激来检测个体的注意抑制能力，从而排除了目标本身所带来的无关信息干扰，此外，本申请实施例提供了基于一定样本数据得到的评分模型以及不同焦虑水平对应的注意抑制能力的分值分布表，通过所述评分模型和所述分值分布表预测得到所述被试对象的焦虑水平，所得结果稳定可重复，避免了口头报告式量表缺乏客观可靠的检测指标的问题。

在一个可能的示例中，向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据，包括：

在所述显示屏设定位置处显示所述注意抑制能力测试信号，将所述注意抑制能力测试信号显示设定时长后消隐；

获取所述被试对象针对所述注意抑制能力测试信号做出的目标刺激朝向判断的动作和反应时间以及所述眼动数据，所述动作所表达的判断结果为所述注意抑制能力响应，若判断正确，则进入下一个试次；若判断错误，则发出白噪音提醒，再进入下一个试次；若在所述注意抑制能力测试信号出现后的规定时间内，未获取到所述注意抑制能力响应，则在所述显示屏上显示“Too Slow”字样，再进入下一个试次；

重复以上操作直到满足个体焦虑水平检测次数。

其中，所述设定时长为7ms，所述规定时间为2s，所述个体焦虑水平检测次数为60次。如图2所示，每次检测以所述显示屏中心一个2s的注视点开始，2s之后，所述显示屏显示所述注意抑制能力测试信号，显示时长为7ms，7ms之后，所述注意抑制能力测试信号消失，所述显示屏中心出现所述注视点，所述被试对象需要在所述注意抑制能力测试信号出现后的2s内通过微动开关反应按键盒作答。

所述微动开关反应按键盒有两个，因为打印机接口的传输速率远远高于一般的USB接口，为了提高处理效率和检测结果的精确度，将两个所述微动开关反应按键盒与打印机接口相连，测试时，所述被试对象左右手各拿一个所述微动开关反应按键盒，当所述被试对象从所述注意抑制能力测试信号中识别出目标刺激信号后，判断所述目标刺激内部黑色斜线的朝向，若判断黑色斜线向左倾，则按下左手的按键，若判断黑色斜线向右倾，则按下右手的按键。

可以看出，本申请实施例通过所述微动开关反应按键盒发出判断动作，且所述被试对象并不知道检测方法和检测目的，因而可以避免主观因素的干扰，得到稳定可重复的检测结果。

在一个可能的示例中，所述注意抑制能力测试信号包括：目标刺激信号，背景刺激信号，干扰刺激信号；所述目标刺激信号为特定的形状刺激信号，所述背景刺激信号为与所述目标刺激信号形状不同的刺激信号，所述背景刺激信号有M个，M为正整数，所述干扰刺激信号为与所述目标刺激信号颜色和形状都不同的刺激信号，所述目标刺激信号和所述背景刺激信号以及所述干扰刺激信号内部都有一条黑色的斜线，朝向为偏左或偏右。

其中，所述目标刺激信号为菱形(4°)或圆形(3.4°)，在本申请实施例中，所述干扰刺激信号可能出现，也可能不出现，所述干扰刺激信号在一次检测过程中出现的概率是50％，若在一次检测过程中，所述干扰刺激信号出现，如图3所示，则M取值为4，即在所述注意抑制能力测试信号中有4个所述背景刺激信号，1个所述目标刺激信号，1个所述干扰刺激信号；若在一次检测过程中，所述干扰刺激信号不出现，如图4所示，则M取值为5，即在所述注意抑制能力测试信号中有5个所述背景刺激信号和1个所述目标刺激信号。所述显示屏中央的注视点到每个刺激信号中心点的距离为9.4°。

在每次检测过程中，所述被试对象需要忽视除所述目标刺激信号外的其他刺激信号，在所述注意抑制能力测试信号出现后的2s内判断出所述目标刺激信号内部的黑线朝向。

具体实现中，所述背景刺激信号和所述干扰刺激信号不局限于一定的形状和颜色，只要与所述目标刺激信号彼此独立即可。

此外，为了保证所述注视点与所述被试对象双眼中心连线处于同一水平位置，且距离为60cm，需要用到拖额架，所述拖额架用于辅助控制所述显示屏与所述被试对象双眼之间的距离，并使被试对象视线与显示板中心处于同一水平位置。

可以看出，本申请实施例中不仅引入了所述干扰刺激信号作为干扰对象，而且引入了所述背景刺激信号，可以更加真实的模拟现实场景中背景信息带来的干扰，使得检测结果更加客观可靠。

在一个可能的示例中，根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分包括：接收输入的第一数据，从所述第一数据中提取出评分需要用到的特征数据，初始化所述特征数据，通过预先训练好的评分模型对所述特征数据自动评估并得到评分；

所述第一数据包括：N组所述眼动数据Move、所述被试对象的年龄Age、性别Sexual、左右利手Hand、所述检测正确率Acc、反应时间RT以及实验时间Date。

在本申请实施例中，以上评分过程主要通过MATLAB软件和Libsvm工具箱完成，在评分之前需要先得到训练好的评分模型SVM，SVM即支持向量机support vector machine，是一种分类和回归算法，通过寻求结构化风险最小来实现经验风险和置信范围的最小化，获得良好的统计规律。SVM的基本模型定义为特征空间上的间隔最大的线性分类器，当样本特征线性不可分时，把样本特征映射到高维空间中，最终把最小化结构化风险问题转化为一个凸二次规划问题的求解。

在一个可能的示例中，所述评分模型是通过对一定量的已知数据训练得到，具体训练过程包括：从样本数据库中导入P组样本数据(P大于或等于2)，从P组所述样本数据中提取出需要的P组所述特征数据，从P组所述特征数据中随机抽取Q组特征数据生成训练样本集(Q大于等于1)，用P组所述特征数据中剩下的P-Q组所述特征数据生成测试样本集(P大于Q)，归一化所述训练样本集和所述测试样本集，寻找最佳c参数和最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述评分模型，训练所述评分模型，从所述测试样本集中重复随机选择一个测试样本输入所述评分模型中，并将所述输入所述评分模型中的所述测试样本加入所述训练集，得到对所述测试样本的预测结果，比对所述预测结果和真实结果，若结果不一致，重新寻找所述最佳c参数和所述最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述评分模型，直至由所述测试样本集中的每一个测试数据得到的训练结果一致,找到了所述最佳c参数和所述最佳g参数以及对应的评分模型。

其中，所述c参数是惩罚因子，所述g参数是所述SVM模型的核系数，g大于0。所述样本数据库包括已知焦虑水平的样本对象的姓名、年龄、性别、左右利手、反应时间、眼动数据、检测正确率以及注意抑制能力分值。所述样本数据库可以存放在计算机本地的磁盘中，可以导出到闪存盘、光盘等存储介质，更进一步的，可以通过互联网将所述样本数据库保存在云服务器中，实现远程检测，还可以将所述被试对象的个体焦虑水平检测的数据分析结果保存在所述云服务器中。所述云服务器可以是指定的网站平台的服务器等，所述被试对象可通过电脑、移动终端等电子设备登录网站，获取个体焦虑水平检测的数据分析结果。无论被试对象在哪里进行视功能检测，所得数据分析结果都可以保存在云服务器中，实现数据的随时上传、统一收集管理，方便进行数据处理和分析，为改进视功能检测技术提供准确指导。

在一个可能的示例中，所述眼动数据来自于眼动仪，所述眼动仪，用于在注意抑制能力检测过程中，使用近红外光源照射所述被试对象眼睛，使用摄像机采集眼球运动视频，从所述眼球运动视频中提取光源在角膜和瞳孔上的R张反射图像，通过所述反射图像中角膜与瞳孔反射之间的角度计算出眼动向量，基于眼动向量计算出视线方向，根据从R张所述反射图像得到的R个视线方向生成眼动轨迹图，根据所述眼动轨迹图以及注视时间，注视次数，瞳孔大小等数据生成所述眼动数据，其中，R为正整数。

其中，所述眼动仪包括光学系统，瞳孔中心坐标提取系统，视景与瞳孔坐标迭加系统以及图像与数据的记录分析系统。因为每次眨眼时，眼皮会遮挡瞳孔和角膜与光源的联系从而导致原始数据点中坐标信息丢失，所以需要记录注视次数，在数据分析时，通过过滤器剔除这些原始数据点即可得到正确的眼动数据。

可以看出，眼动对于揭示认知加工的心理机制具有重要意义，本实施例通过所述眼动仪观测得到所述眼动数据，可以帮助排除检测过程中由于所述被试对象错按或漏按所述微动开关反应按键盒所发送的错误的所述注意抑制能力响应，从而得到更加正确的所述注意抑制能力响应结果，此外，在整个检测结束后，将通过所述显示屏显示所述眼动轨迹视频，这样可以帮助所述被试对象更加形象的理解最终检测结果。

在一个可能的示例中，所述焦虑水平包括不焦虑，轻度焦虑，中度焦虑，中度焦虑四种，焦虑值S＝a*K，K为注意抑制能力分值，a为比例系数，将所述焦虑值按数值大小分为四个区间，所述四个区间分别对应四种不同的焦虑水平，根据所述焦虑值S所属区间找到对应的焦虑水平。

在一个可能的示例中，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频包括：设定待处理图片的分辨率及图片格式，依次读取所述第N眼动轨迹图，根据读入的第N眼动轨迹图序列生成所述眼动轨迹视频。

本申请还提供了一种个体焦虑水平检测系统，所述个体焦虑水平检测系统包括：视觉刺激呈现子系统、反应记录子系统、结果处理子系统、焦虑水平查询子系统；

所述视觉刺激呈现子系统，用于在所述显示屏设定位置处显示所述注意抑制能力测试信号，将所述注意抑制能力测试信号显示设定时长后消隐；

所述反应记录子系统，用于获取所述被试对象针对所述注意抑制能力测试信号通过微动开关反应按键盒做出的目标刺激朝向判断的动作和反应时间以及所述眼动数据，所述动作所表达的判断结果为所述注意抑制能力响应，记录所述注意抑制能力响应和反应时间以及所述眼动数据；

所述结果处理子系统，用于根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率，并根据所述检测正确率和N组所述眼动数据等数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值；

所述焦虑水平查询子系统，用于基于输入的所述注意抑制能力分值查询得到对应的焦虑水平。

其中，所述视觉刺激呈现子系统由一台主机(ThinkCentre M4500t-B230/19)、高刷新率的显示屏(AOC G2770PF 144Hz)和心理学视觉呈现软件(Matlab和Psychtoolbox工具包)组成。用Maltlab的Psychtoolbox编程在所述显示屏设定位置处显示所述注意抑制能力测试信号，所述注意抑制能力测试信号的亮度由光度计精确测量(单位cd/cm2)，高刷新率的显示屏(144Hz刷新率)确保所述注意抑制能力测试信号出现的时间精度为7ms左右；Maltlab的Psychtoolbox编程还用于控制所述注意抑制能力响应和反应时间以及所述眼动数据的记录。所述Psychtoolbox工具箱是Matlab中专门针对心理学专业的工具箱，简称PTB。所述Psychtoolbox工具箱在Matlab与计算机硬件中间提供一个接口，让Matlab可以通过指令控制计算机硬件，使计算机输出图像、文字和声音，计时以及获取所述被试对象的响应信息。

本申请实施例还提供一种计算机可读存储介质，存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的个体焦虑水平检测方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (9)

1.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如下方法：

向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据，所述眼动数据包括注视时间，注视次数，眼动轨迹图，眼跳距离，瞳孔大小，N个所述注意抑制能力测试信号与N个所述注意抑制能力响应以及N组所述眼动数据之间一一对应，N为正整数；

根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率；

将N组所述眼动数据中的N个所述眼动轨迹图与对应的N个所述注意抑制能力测试信号合成得到N张眼动轨迹合成图，根据对N个所述注意抑制能力测试信号的不同位置的注视时间的长短生成N张热力图，将N张所述眼动轨迹合成图和对应的N张所述热力图分别组合并标记为第N眼动轨迹图，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频；

在计算机显示屏上显示所述检测正确率以及所述注视时间，所述注视次数，所述眼动轨迹视频；

根据所述检测正确率和N组所述眼动数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值，查询不同焦虑水平对应的注意抑制能力的分值分布表，预测所述被试对象的焦虑水平。

2.根据权利要求1所述的计算机可读存储介质，其特征在于，向被试对象提供N个注意抑制能力测试信号，并获取所述被试对象针对N个所述注意抑制能力测试信号返回的N个注意抑制能力响应以及N组眼动数据，包括：

在所述显示屏设定位置处显示所述注意抑制能力测试信号，将所述注意抑制能力测试信号显示设定时长后消隐；

获取所述被试对象针对所述注意抑制能力测试信号做出的目标刺激朝向判断的动作和反应时间以及所述眼动数据，所述动作所表达的判断结果为所述注意抑制能力响应，若判断正确，则进入下一个试次；若判断错误，则发出白噪音提醒，再进入下一个试次；若在所述注意抑制能力测试信号出现后的规定时间内，未获取到所述注意抑制能力响应，则在所述显示屏上显示“Too Slow”字样，再进入下一个试次；

重复以上操作直到满足个体焦虑水平检测次数。

3.根据权利要求1所述的计算机可读存储介质，其特征在于，所述注意抑制能力测试信号包括：目标刺激信号，背景刺激信号，干扰刺激信号；所述目标刺激信号为特定的形状刺激信号，所述背景刺激信号为与所述目标刺激信号形状不同的刺激信号，所述背景刺激信号有M个，M为正整数，所述干扰刺激信号为与所述目标刺激信号颜色和形状都不同的刺激信号，所述目标刺激信号和所述背景刺激信号以及所述干扰刺激信号内部都有一条黑色的斜线，朝向为偏左或偏右。

4.根据权利要求1所述的计算机可读存储介质，其特征在于，根据所述检测正确率和N组所述眼动数据对所述被试对象的注意抑制能力进行评分包括：接收输入的第一数据，从所述第一数据中提取出评分需要用到的特征数据，初始化所述特征数据，通过预先训练好的评分模型对所述特征数据自动评估并得到评分；

所述第一数据包括：N组所述眼动数据Move、所述被试对象的年龄Age、性别Sexual、左右利手Hand、所述检测正确率Acc、反应时间RT以及实验时间Date。

5.根据权利要求4所述的计算机可读存储介质，其特征在于，所述评分模型是通过对一定量的已知数据训练得到，具体训练过程包括：从样本数据库中导入P组样本数据，P大于或等于2，从P组所述样本数据中提取出需要的P组所述特征数据，从P组所述特征数据中随机抽取Q组特征数据生成训练样本集，Q大于或等于1，用P组所述特征数据中剩下的P-Q组所述特征数据生成测试样本集，P大于Q，归一化所述训练样本集和所述测试样本集，寻找最佳c参数和最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述评分模型，训练所述评分模型，从所述测试样本集中重复随机选择一组测试样本输入所述评分模型中，并将所述输入所述评分模型中的所述测试样本加入所述训练样本集，得到对所述测试样本的预测结果，比对所述预测结果和真实结果，若结果不一致，重新寻找所述最佳c参数和所述最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述评分模型，直至由所述测试样本集中的每一组测试数据得到的训练结果一致,找到了所述最佳c参数和所述最佳g参数以及对应的评分模型。

6.根据权利要求1或2或4所述的计算机可读存储介质，其特征在于，所述眼动数据来自于眼动仪，所述眼动仪，用于在注意抑制能力检测过程中，使用近红外光源照射所述被试对象眼睛，使用摄像机采集眼球运动视频，从所述眼球运动视频中提取光源在角膜和瞳孔上的R张反射图像，通过所述反射图像中角膜与瞳孔反射之间的角度计算出眼动向量，基于眼动向量计算出视线方向，根据从R张所述反射图像得到的R个视线方向生成眼动轨迹图，根据所述眼动轨迹图以及注视时间，注视次数，瞳孔大小生成所述眼动数据，其中，R为正整数。

7.根据权利要求1所述的计算机可读存储介质，其特征在于，所述焦虑水平包括不焦虑，

轻度焦虑，中度焦虑，中度焦虑四种，焦虑值S＝a*K，K为注意抑制能力分值，a为比例系数，将所述焦虑值按数值大小分为四个区间，所述四个区间分别对应四种不同的焦虑水平，根据所述焦虑值S所属区间找到对应的焦虑水平。

8.根据权利要求1所述的计算机可读存储介质，其特征在于，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频包括：设定待处理图片的分辨率及图片格式，依次读取所述第N眼动轨迹图，根据读入的第N眼动轨迹图序列生成所述眼动轨迹视频。

9.一种个体焦虑水平检测系统，其特征在于，所述个体焦虑水平检测系统包括：视觉刺激呈现子系统、反应记录子系统、结果处理子系统、焦虑水平查询子系统；

所述视觉刺激呈现子系统，用于在显示屏设定位置处显示N个注意抑制能力测试信号，将所述注意抑制能力测试信号显示设定时长后消隐；

所述反应记录子系统，用于获取被试对象针对所述N个注意抑制能力测试信号通过微动开关反应按键盒做出的目标刺激朝向判断的动作和反应时间以及N组眼动数据，所述动作所表达的判断结果为所述注意抑制能力响应，记录N个注意抑制能力响应和反应时间以及N组眼动数据；其中，所述眼动数据包括注视时间，注视次数，眼动轨迹图，眼跳距离，瞳孔大小；

所述结果处理子系统，用于根据N个所述注意抑制能力响应计算所述被试对象的注意抑制能力的检测正确率，将N组所述眼动数据中的N个所述眼动轨迹图与对应的N个所述注意抑制能力测试信号合成得到N张眼动轨迹合成图，根据对N个所述注意抑制能力测试信号的不同位置的注视时间的长短生成N张热力图，将N张所述眼动轨迹合成图和对应的N张所述热力图分别组合并标记为第N眼动轨迹图，将N个所述第N眼动轨迹图按图片顺序合成眼动轨迹视频；在计算机显示屏上显示所述检测正确率以及所述注视时间，所述注视次数，所述眼动轨迹视频；并根据所述检测正确率和N组所述眼动数据对所述被试对象的注意抑制能力进行评分，得到注意抑制能力分值；

所述焦虑水平查询子系统，用于基于输入的所述注意抑制能力分值查询得到对应的焦虑水平。

Images