CN110495894A - 一种基于物联网的心理应激训练方法及系统 - Google Patents
一种基于物联网的心理应激训练方法及系统 Download PDFInfo
- Publication number
- CN110495894A CN110495894A CN201910704300.0A CN201910704300A CN110495894A CN 110495894 A CN110495894 A CN 110495894A CN 201910704300 A CN201910704300 A CN 201910704300A CN 110495894 A CN110495894 A CN 110495894A
- Authority
- CN
- China
- Prior art keywords
- psychological
- subject
- pressure
- psychological pressure
- internet
- 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.)
- Granted
Links
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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于物联网技术领域,尤其涉及一种基于物联网的心理应激训练方法,包括:基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;基于所述数据库进行心理压力模型构建;根据所述心理压力模型进行被测心理压力类型划分;根据被试心理压力类型对被测进行对应心理应激训练。本发明还公开一种基于物联网的心理应激训练系统,包括:心理压力数据库构建模块;心理压力模型构建模块;心理压力类型划分模块;心理应激训练模块。本发明可以有针对性的帮助大学生对抵抗压力的能力进行锻炼,从而使大学生提高自己压力管理的能力和心理健康水平。
Description
技术领域
本发明属于物联网技术领域,尤其涉及一种基于物联网的心理应激训练方法及系统。
背景技术
在激烈的竞争和社会变革的环境下,当代大学生面临着巨大的压力。有学者曾对社会不同人群承受的压力做过调查,结果显示,青年学生所承受的压力最大,农民最小,工人与科技人员居中。大学生面临的压力很大,主要有学业压力、生活压力(包括交往压力、经济压力)、就业压力及情感压力,承受心理压力的能力却较差。而现有的大学生的心理压力多通过问卷调查及在线测试的形式进行衡量,而衡量后却缺少一种对大学生的心理应激训练系统及方法,以帮助大学生对抵抗压力的能力进行锻炼,从而使大学生提高自己压力管理的能力和心理健康水平。
公开号为CN 105664332A的发明专利公开一种心理应激训练系统及方法,专利针对军队、公安等一些特定行业经常会面临各种突发事件的问题,对相关人员进行心理应激训练,而大学生和军队、公安等一些特定行业的相关人员相比,心理压力类型和压力强度具有明显不同,该心理应激训练系统及方法并不适用于在校大学生。
发明内容
本发明的目的在于针对现有的缺少对大学生的心理压力进行锻炼的系统及方法的问题,提供一种基于物联网的心理应激训练方法及系统。
为了实现上述目的,本发明采用以下技术方案:
一种基于物联网的心理应激训练方法,包括:
步骤1:基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
步骤2:基于所述数据库进行心理压力模型构建;
步骤3:根据所述心理压力模型进行被测心理压力类型划分;
步骤4:根据被试心理压力类型对被测进行对应心理应激训练。
进一步地,所述步骤1包括:
步骤1.1:基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;
步骤1.2:对所述心电信号进行心率变异性特征提取;
步骤1.3:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
步骤1.4:对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
步骤1.5:对步骤1.2至步骤1.4中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
步骤1.6:基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
进一步地,所述步骤2包括:
基于所述心理压力数据库训练CNN神经网络,得到心理压力模型。
进一步地,所述步骤3包括:
步骤3.1:基于物联网设备采集被试i的心电信号及脑电信号;
步骤3.2:对所述心电信号进行心率变异性特征提取;
步骤3.3:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
步骤3.4:对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
步骤3.5:对步骤3.2至步骤3.4中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
步骤3.6:将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型。
进一步地,在所述步骤4之前,还包括:构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频。
进一步地,所述步骤4包括:
根据被试的心理压力类型,向被试播放心理应激训练库中该心理压力类型对应的正向引导视频。
一种基于物联网的心理应激训练系统,包括:
心理压力数据库构建模块,用于基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
心理压力模型构建模块,用于基于所述数据库进行心理压力模型构建;
心理压力类型划分模块,用于根据所述心理压力模型进行被测心理压力类型划分;
心理应激训练模块,用于根据被试心理压力类型对被测进行对应心理应激训练。
进一步地,所述心理压力数据库构建模块包括:
第一信号采集子模块,同于基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;
第一特征提取子模块,用于对所述心电信号进行心率变异性特征提取;
第二特征提取子模块,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第三特征提取子模块,用于对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
第一归一化子模块,用于对第一特征提取子模块、第二特征提取子模块及第三特征提取子模块中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
第一分类子模块,用于基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
进一步地,所述心理压力类型划分模块包括:
第二信号采集子模块,同于基于物联网设备采集被试i的心电信号及脑电信号;
第四特征提取子模块,用于对所述心电信号进行心率变异性特征提取;
第五特征提取子模块,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第六特征提取子模块,用于对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
第二归一化子模块,用于对第四特征提取子模块、第五特征提取子模块及第六特征提取子模块中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
第二分类子模块,用于将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型。
进一步地,还包括:
心理应激训练库构建模块,用于构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频。
与现有技术相比,本发明具有的有益效果:
本发明基于物联网设备构建心理压力数据库,基于所述数据库进行心理压力模型构建,并根据所述心理压力模型进行被测心理压力类型划分,最后根据被试心理压力类型对被测进行对应心理应激训练。通过上述方式,以帮助大学生对抵抗压力的能力进行锻炼,从而使大学生提高自己压力管理的能力和心理健康水平。本发明通过将被测的生理数据(心电信号与脑电信号)及心理测试成绩数据进行结合生成被测的心理压力特征数据,并基于构建好的心理压力模型进行被试心理压力类型预测,以得出被测对应的心理压力类型,从而进行对应心理压力类型的正向心理引导,更具针对性。
附图说明
图1为本发明实施例一种基于物联网的心理应激训练方法的基本流程图;
图2为本发明实施例另一种基于物联网的心理应激训练方法的基本流程图;
图3为本发明实施例一种基于物联网的心理应激训练系统的架构示意图;
图4为本发明实施例另一种基于物联网的心理应激训练系统的架构示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
实施例一:
如图1所示,一种基于物联网的心理应激训练方法,包括:
步骤S101:基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
步骤S102:基于所述数据库进行心理压力模型构建;
步骤S103:根据所述心理压力模型进行被测心理压力类型划分;
步骤S104:根据被试心理压力类型对被测进行对应心理应激训练。
本发明基于物联网设备构建心理压力数据库,基于所述数据库进行心理压力模型构建,并根据所述心理压力模型进行被测心理压力类型划分,最后根据被试心理压力类型对被测进行对应心理应激训练。通过上述方式,以帮助大学生对抵抗压力的能力进行锻炼,从而使大学生提高自己压力管理的能力和心理健康水平。本发明通过将被测的生理数据(心电信号与脑电信号)及心理测试成绩数据进行结合生成被测的心理压力特征数据,并基于构建好的心理压力模型进行被试心理压力类型预测,以得出被测对应的心理压力类型,从而进行对应心理压力类型的正向心理引导,更具针对性。
实施例二:
如图2所示,另一种基于物联网的心理应激训练方法,包括:
步骤S201:基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;包括:
步骤S2011:基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;具体地,心电仪器为心电监测仪,可通过心电采集电路对心电监测仪监测的心电信号进行采集;脑电仪器为脑电仪;训练群包括400名在校大学生,男女各为200名,且测试环境保证安静;
步骤S2012:对所述心电信号进行心率变异性特征提取;具体地,在心电信号中提取心率变异性HRV信号并计算出心率变异性特征值,同时删除采集的HRV信号中高于1200ms、低于300ms的数据;
步骤S2013:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;具体地,基于小波熵和近似熵对脑电信号中β波特征进行提取;
步骤S2014:对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
步骤S2015:对步骤S2012至步骤S2014中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
步骤S2016:基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
步骤S202:基于所述数据库进行心理压力模型构建;包括:
基于所述心理压力数据库训练CNN神经网络,得到心理压力模型。
步骤S203:根据所述心理压力模型进行被测心理压力类型划分;包括:
步骤S2031:基于物联网设备采集被试i的心电信号及脑电信号;
步骤S2032:对所述心电信号进行心率变异性特征提取;
步骤S2033:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
步骤S2034:对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
步骤S2035:对步骤S2032至步骤S2034中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
步骤S2036:将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型;具体地,对应得出的为被试i符合对应心理压力类型的概率,并认为被试i的心理压力类型为最大概率值对应类型。
步骤S204:构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频;具体地,该视频可为对应类型影片或片段,也可为自制对应类型视频,可定期对心理应激训练库进行更新。
步骤S205:根据被试心理压力类型对被测进行对应心理应激训练;包括:
根据被试的心理压力类型,向被试播放心理应激训练库中该心理压力类型对应的正向引导视频,并安排专门人员进行引导和定期测试。
实施例三:
如图3所示,一种基于物联网的心理应激训练系统,包括:
心理压力数据库构建模块301,用于基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
心理压力模型构建模块302,用于基于所述数据库进行心理压力模型构建;
心理压力类型划分模块303,用于根据所述心理压力模型进行被测心理压力类型划分;
心理应激训练模块304,用于根据被试心理压力类型对被测进行对应心理应激训练。
本发明基于物联网设备构建心理压力数据库,基于所述数据库进行心理压力模型构建,并根据所述心理压力模型进行被测心理压力类型划分,最后根据被试心理压力类型对被测进行对应心理应激训练。通过上述方式,以帮助大学生对抵抗压力的能力进行锻炼,从而使大学生提高自己压力管理的能力和心理健康水平。本发明通过将被测的生理数据(心电信号与脑电信号)及心理测试成绩数据进行结合生成被测的心理压力特征数据,并基于构建好的心理压力模型进行被试心理压力类型预测,以得出被测对应的心理压力类型,从而进行对应心理压力类型的正向心理引导,更具针对性。
实施例四:
如图4所示,另一种基于物联网的心理应激训练系统,包括:
心理压力数据库构建模块401,用于基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
心理压力模型构建模块402,用于基于所述数据库进行心理压力模型构建;
心理压力类型划分模块403,用于根据所述心理压力模型进行被测心理压力类型划分;
心理应激训练库构建模块404,用于构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频;
心理应激训练模块405,用于根据被试心理压力类型对被测进行对应心理应激训练。
具体地,所述心理压力数据库构建模块401包括:
第一信号采集子模块4011,同于基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;
第一特征提取子模块4012,用于对所述心电信号进行心率变异性特征提取;
第二特征提取子模块4013,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第三特征提取子模块4014,用于对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
第一归一化子模块4015,用于对第一特征提取子模块4012、第二特征提取子模块4013及第三特征提取子模块4014中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
第一分类子模块4016,用于基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
具体地,所述心理压力类型划分模块403包括:
第二信号采集子模块4031,同于基于物联网设备采集被试i的心电信号及脑电信号;
第四特征提取子模块4032,用于对所述心电信号进行心率变异性特征提取;
第五特征提取子模块4033,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第六特征提取子模块4034,用于对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
第二归一化子模块4035,用于对第四特征提取子模块4032、第五特征提取子模块及第六特征提取子模块4034中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
第二分类子模块4036,用于将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型。
以上所示仅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 (10)
1.一种基于物联网的心理应激训练方法,其特征在于,包括:
步骤1:基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
步骤2:基于所述数据库进行心理压力模型构建;
步骤3:根据所述心理压力模型进行被测心理压力类型划分;
步骤4:根据被试心理压力类型对被测进行对应心理应激训练。
2.根据权利要求1所述的一种基于物联网的心理应激训练方法,其特征在于,所述步骤1包括:
步骤1.1:基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;
步骤1.2:对所述心电信号进行心率变异性特征提取;
步骤1.3:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
步骤1.4:对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
步骤1.5:对步骤1.2至步骤1.4中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
步骤1.6:基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
3.根据权利要求1所述的一种基于物联网的心理应激训练方法,其特征在于,所述步骤2包括:
基于所述心理压力数据库训练CNN神经网络,得到心理压力模型。
4.根据权利要求3所述的一种基于物联网的心理应激训练方法,其特征在于,所述步骤3包括:
步骤3.1:基于物联网设备采集被试i的心电信号及脑电信号;
步骤3.2:对所述心电信号进行心率变异性特征提取;
步骤3.3:采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
步骤3.4:对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
步骤3.5:对步骤3.2至步骤3.4中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
步骤3.6:将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型。
5.根据权利要求1所述的一种基于物联网的心理应激训练方法,其特征在于,在所述步骤4之前,还包括:构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频。
6.根据权利要求1所述的一种基于物联网的心理应激训练方法,其特征在于,所述步骤4包括:
根据被试的心理压力类型,向被试播放心理应激训练库中该心理压力类型对应的正向引导视频。
7.一种基于物联网的心理应激训练系统,其特征在于,包括:
心理压力数据库构建模块,用于基于物联网设备构建心理压力数据库,所述心理压力数据库由不同的心理压力类型及对应心理压力特征数据组成;
心理压力模型构建模块,用于基于所述数据库进行心理压力模型构建;
心理压力类型划分模块,用于根据所述心理压力模型进行被测心理压力类型划分;
心理应激训练模块,用于根据被试心理压力类型对被测进行对应心理应激训练。
8.根据权利要求7所述的一种基于物联网的心理应激训练系统,其特征在于,所述心理压力数据库构建模块包括:
第一信号采集子模块,同于基于物联网设备采集训练群中被试的心电信号及脑电信号,所述物联网设备包括与网络相连的心电仪器及脑电仪器,所述训练群由多个在校大学生组成;
第一特征提取子模块,用于对所述心电信号进行心率变异性特征提取;
第二特征提取子模块,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第三特征提取子模块,用于对训练群中被试进行不同类型心理测试题在线测试,所述类型包括:学习、生活、就业及情感,统计各被试各类型测试成绩{R1,R2,R3,R4},作为各被试的特征;
第一归一化子模块,用于对第一特征提取子模块、第二特征提取子模块及第三特征提取子模块中提取的特征进行归一化处理,得到各被试的心理压力特征数据;
第一分类子模块,用于基于各被试的心理压力特征数据对各被试进行分类,共划分为五类:学习压力、生活压力、就业压力、情感压力及正常,得到心理压力数据库。
9.根据权利要求7所述的一种基于物联网的心理应激训练系统,其特征在于,所述心理压力类型划分模块包括:
第二信号采集子模块,同于基于物联网设备采集被试i的心电信号及脑电信号;
第四特征提取子模块,用于对所述心电信号进行心率变异性特征提取;
第五特征提取子模块,用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取;
第六特征提取子模块,用于对被试i进行不同类型心理测试题在线测试,统计被试i各类型测试成绩{Ri1,Ri2,Ri3,Ri4},作为被试i的特征;
第二归一化子模块,用于对第四特征提取子模块、第五特征提取子模块及第六特征提取子模块中提取的特征进行归一化处理,得到被试i的心理压力特征数据;
第二分类子模块,用于将被试i的心理压力特征数据输入所述心理压力模型,得出被试i的心理压力类型。
10.根据权利要求7所述的一种基于物联网的心理应激训练系统,其特征在于,还包括:
心理应激训练库构建模块,用于构建心理应激训练库,所述心理应激训练库包括不同心理压力类型对应的正向引导视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704300.0A CN110495894B (zh) | 2019-07-31 | 2019-07-31 | 一种基于物联网的心理应激训练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704300.0A CN110495894B (zh) | 2019-07-31 | 2019-07-31 | 一种基于物联网的心理应激训练方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110495894A true CN110495894A (zh) | 2019-11-26 |
CN110495894B CN110495894B (zh) | 2022-04-15 |
Family
ID=68587818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910704300.0A Active CN110495894B (zh) | 2019-07-31 | 2019-07-31 | 一种基于物联网的心理应激训练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110495894B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292831A (zh) * | 2020-01-21 | 2020-06-16 | 浙江连信科技有限公司 | 基于人机交互的戒毒人员心理建设方法、装置及电子设备 |
CN111326234A (zh) * | 2020-01-21 | 2020-06-23 | 浙江连信科技有限公司 | 基于深度学习算法的心理困扰场景匹配方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103584872A (zh) * | 2013-10-29 | 2014-02-19 | 燕山大学 | 一种基于多生理参数融合的心理压力评估方法 |
CN104239288A (zh) * | 2014-09-18 | 2014-12-24 | 清华大学 | 基于微博的青少年心理压力检测和疏导的方法及系统 |
CN106934199A (zh) * | 2015-12-31 | 2017-07-07 | 深圳先进技术研究院 | 一种心理压力评估方法及装置 |
JP2018045545A (ja) * | 2016-09-16 | 2018-03-22 | パナソニックIpマネジメント株式会社 | ストレスマネジメントシステム及びストレスマネジメント方法 |
-
2019
- 2019-07-31 CN CN201910704300.0A patent/CN110495894B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103584872A (zh) * | 2013-10-29 | 2014-02-19 | 燕山大学 | 一种基于多生理参数融合的心理压力评估方法 |
CN104239288A (zh) * | 2014-09-18 | 2014-12-24 | 清华大学 | 基于微博的青少年心理压力检测和疏导的方法及系统 |
CN106934199A (zh) * | 2015-12-31 | 2017-07-07 | 深圳先进技术研究院 | 一种心理压力评估方法及装置 |
JP2018045545A (ja) * | 2016-09-16 | 2018-03-22 | パナソニックIpマネジメント株式会社 | ストレスマネジメントシステム及びストレスマネジメント方法 |
Non-Patent Citations (1)
Title |
---|
贾金才等: "普通高校大学生心理压力现状的调查研究", 《河北农业科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292831A (zh) * | 2020-01-21 | 2020-06-16 | 浙江连信科技有限公司 | 基于人机交互的戒毒人员心理建设方法、装置及电子设备 |
CN111326234A (zh) * | 2020-01-21 | 2020-06-23 | 浙江连信科技有限公司 | 基于深度学习算法的心理困扰场景匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110495894B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109288518A (zh) | 基于EEG和ERPs的脑认知神经功能测评系统及方法 | |
CN109637222B (zh) | 脑科学智慧教室 | |
CN112932486A (zh) | 基于多模态的大学生情绪压力检测系统与方法 | |
Bai et al. | Emotional monitoring of learners based on EEG signal recognition | |
Alqahtani et al. | Using wearable physiological sensors for affect-aware intelligent tutoring systems | |
CN103605721A (zh) | 一种心理压力评估中针对个体差异的分类方法 | |
CN104367306A (zh) | 生理心理职业测评系统及实现方法 | |
CN110495894A (zh) | 一种基于物联网的心理应激训练方法及系统 | |
CN115500843A (zh) | 基于零样本学习与对比学习的睡眠阶段分期方法 | |
CN115399771A (zh) | 一种新型的基于脑电信号的人员专注程度检测方法及系统 | |
Liu et al. | A novel stress state assessment method for college students based on EEG | |
CN115659207A (zh) | 一种脑电情绪识别方法及系统 | |
CN110477932A (zh) | 一种基于互联网与云计算的学生心理压力评估方法及系统 | |
Saputra et al. | K-Nearest Neighbor of Beta Signal Brainwave to Accelerate Detection of Concentration on Student Learning Outcomes. | |
Zhang et al. | Expert knowledge inspired contrastive learning for sleep staging | |
Yadav et al. | Speak Up! Studying the interplay of individual and contextual factors to physiological-based models of public speaking anxiety | |
Hoseinzadeh et al. | The relationship between physical function and general health with academic achievement | |
Hossain et al. | Cognitive load measurement using galvanic skin response for listening tasks | |
Zhang et al. | Analysis of emotion eeg classification based on ga-fisher classifier | |
CN115153437A (zh) | 一种疼痛程度识别方法及系统 | |
CN110192872B (zh) | 压力评估校准方法、装置及存储介质 | |
Ataabadi et al. | Comparing the effectiveness of quality of life therapy with acceptance and commitment therapy on appreciation and happiness among mothers of children with stuttering disorder | |
Jarsch et al. | The Basel Version of the Awareness of Social Inference Test-Emotion Recognition (BASIT-ER): Preliminary validation analyses in healthy adults. | |
Ajourlou et al. | The relationship between social intelligence and social health among women working in Karaj Welfare Organization in 2014 | |
Worasawate et al. | CNN Classification of Finger Movements using Spectrum Analysis of sEMG Signals |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220929 Address after: 311100 Room 501, floor 5, building 1, Huiyin center, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou anken Medical Technology Co.,Ltd. Address before: No.55 Pingyuan Middle Road, Liangyuan District, Shangqiu City, Henan Province Patentee before: SHANGQIU NORMAL University |