CN112885432A - 一种情绪分析管理系统 - Google Patents

一种情绪分析管理系统 Download PDF

Info

Publication number
CN112885432A
CN112885432A CN202110165365.XA CN202110165365A CN112885432A CN 112885432 A CN112885432 A CN 112885432A CN 202110165365 A CN202110165365 A CN 202110165365A CN 112885432 A CN112885432 A CN 112885432A
Authority
CN
China
Prior art keywords
emotion
picture
analyzed
analysis
management system
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.)
Pending
Application number
CN202110165365.XA
Other languages
English (en)
Inventor
张紫莹
王智君
朱丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Color Emotional Health Technology Development Co ltd
Original Assignee
Beijing Color Emotional Health Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Color Emotional Health Technology Development Co ltd filed Critical Beijing Color Emotional Health Technology Development Co ltd
Priority to CN202110165365.XA priority Critical patent/CN112885432A/zh
Publication of CN112885432A publication Critical patent/CN112885432A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种情绪分析管理系统，包括情绪用户端及后台服务器；所述情绪用户端安装有APP；所述情绪用户端用于在APP界面上，获取待分析图片，并将所述待分析图片提交至所述后台服务器；所述待分析图片是情绪用户在专属的情绪管理工具上所形成的；所述后台服务器用于获取所述待分析图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看。并且依据该结果，由计算机后台，指定相应的情绪管理方案，给到智能硬件(1或2)，并由情绪客户来进行训练，解析，疏解情绪等。客户经过训练，为了进行新的情绪健康管理，又生成新的情绪图片，进行循环的情绪健康检测分析。通过上述技术方案，提高了情绪管理分析效率。

Description

一种情绪分析管理系统
技术领域
本发明涉及计算机软件技术领域，具体涉及一种情绪分析管理系统。
背景技术
在快速的工作和生活节奏下，人们的心理问题越来越多。目前，心理医生在对情绪用户进行情绪管理分析诊断时，主要是进行当面的精神检查。例如，通过一些问话及一些话题的问答来评估情绪和心理的各项内容。进一步地，心理医生还会通过自己的经验去判断情绪用户的心理是否异常以及异常的严重程度等，并开出心理疏导建议或者是药物处方等。
现有的情绪管理分析诊断方式主要存在以下弊端：
(1)前期完全信任没有建立起来的时候，情绪用户不愿意一上来就把真实情况告诉医生，需要很长时间的磨合，效率极低；
(2)受到医生个体专业能力的影响巨大：面谈的时，语气及表情动作等的展示，甚至超过问话内容的本身；
(3)情绪用户语言的描述，不一定是自己内心的真实想法。
发明内容
针对上述技术缺陷，本发明实施例的目的在于提供一种情绪分析管理系统。
为实现上述目的，本发明实施例提供了一种情绪分析管理系统，包括情绪用户端及后台服务器；所述情绪用户端安装有APP；
所述情绪用户端用于在APP界面上，获取待分析图片，并将所述待分析图片提交至所述后台服务器；所述待分析图片是情绪用户在专属的情绪管理工具上所形成的；
所述后台服务器用于获取所述待分析图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看；同时，根据所述分析报告指定相应的情绪管理方案至所述情绪用户端以及相应的智能硬件中，使得情绪用户根据所述情绪管理方案进行训练、解析及疏解情绪等。情绪用户经过训练，为了进行新的情绪健康管理，又会生成新的情绪图片，从而进行循环的情绪健康监测分析。
作为本申请一种具体的实施方式，所述待分析图片的形成过程为：在专属的情绪管理工具上，情绪用户按照提示，用色彩描述和表达当前的心理关系，从而在所述情绪管理工具上形成所述待分析图片。
其中，所述专属的情绪管理工具包括单不仅限于绘本、手册或纸张等。
进一步地，作为本申请的一种具体实施方式，所述情绪用户端用于：
在APP界面上，根据所述心理关系选择对应板块；
在所述对应板块上，接收情绪用户的拍照指令，并根据所述拍照指令拍摄所述待分析图片。
进一步地，作为本申请的一种具体实施方式，所述情绪用户端还用于：
接收情绪用户的登陆指令，根据所述登陆指令进入所述APP界面。
在本申请的一种优选实施方式中，所述后台服务器用于：
采用改进的人工智能算法对所述待分析图片进行解析，给出建议，并生成所述分析报告。
在本申请的某种具体实施方式中，所述后台服务器具体用于：
采用基于完全关注机制的情绪分析网络结构模型对待分析图片进行解析；
该情绪分析网络结构模型包括依次连接的卷积层、池化层、注意力映射层、全局池化层及全连接层。
进一步地，所述后台服务器具体用于：
采用所述卷积层对输入的所述待分析图片进行特征提取，得到图像特征；
采用所述池化层对所述图像特征进行池化；
采用所述注意力映射层对经过池化的图像特征进行映射分类，得到多个分类特征；
采用所述全局池化层对多个分类特征进行全局池化，以对多个分类特征进行筛选；
采用所述全连接层对经过全局池化的分类特征进行特征融合，得到最终的情绪分析的分类结果。
在本申请的一种具体实施方式中，改进的人工智能算法的形成过程具体为：
情绪图片解析标注：由色彩情绪管理师按照色彩情绪管理学说的系统要求，按照性格特点、情绪状态、关系状态及核心问题对情绪图片进行解析和标注；
数据集生成划分：根据解析和标注后的情绪图片形成数据集，并将所述数据划分为训练集、验证集和测试集；
算法训练、调优及测试：采用所述训练集、验证集和测试集进行人工智能算法训练、调优及测试，完成算法开发过程；
算法部署：将开发完成的算法给定固定版本号，嵌入情绪分析管理系统，并部署到后台服务中。
在本申请的另一种优选实施方式中，所述情绪分析管理系统还包括安装有APP的管理师用户端，用于接收所述后台服务器推送的所述待分析图片，使得色彩情绪管理师按照色彩情绪管理学说对所述待分析图片进行解析，得到分析报告。
实施本发明实施例的情绪分析管理系统，情绪用户在专属的情绪管理工具上形成待分析图片，情绪用户端在APP界面上获取该待分析图片，并将其提交至后台服务器，后台服务器用于获取所述待分析图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看；并且依据该结果，由计算机后台，指定相应的情绪管理方案，给到智能硬件(1或2)，并由情绪客户来进行训练，解析，疏解情绪等。客户经过训练，为了进行新的情绪健康管理，又生成新的情绪图片，进行循环的情绪健康检测分析。通过上述技术方案，提高了情绪管理分析效率，也有效地解决了情绪用户面对医生时、受语气、表情、动作及语言等影响导致无法真实表达内心想法，从而影响诊断准确性的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的情绪分析管理系统的结构图。
图2是本发明的工作流程结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的发明构思是：基于色彩情绪管理学说理论，情绪用户购买专属情绪管理工具，在专属情绪管理工具上形成图片，通过APP将所形成的图片提交至系统，系统将图片提交给线上管理师解析，或者系统采用人工智能算法进行解析，最后将根据解析结果形成的报告反馈给情绪用户查看。并且依据该报告结果，由计算机后台，指定相应的情绪管理方案，给到智能硬件(1或2)，并由情绪客户来进行训练，解析，疏解情绪等。客户经过训练，为了进行新的情绪健康管理，又生成新的情绪图片，进行循环的情绪健康检测分析。
请参考图1，本发明实施例提供的情绪分析管理系统可以包括情绪用户端100、后台服务器200及管理师用户端300。
其中，情绪用户端100安装有APP，主要用于：
接收情绪用户的登陆指令，根据所述登陆指令进入APP界面；
在APP界面上，根据所述心理关系选择对应板块；
在所述对应板块上，接收情绪用户的拍照指令，并根据所述拍照指令拍摄所述待分析图片；
将所述待分析图片提交至所述后台服务器300。
进一步地，所述专属的情绪管理工具包括但不仅限于绘本、手册或纸张等；所述待分析图片的形成过程为：在专属的情绪管理工具上，情绪用户按照提示，用色彩描述和表达当前的心理关系，从而在情绪管理工具上形成待分析图片。
进一步地，所述后台服务器200主要用于：获取所述待分析图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看。
该后台服务器200获取分析报告的方式有两种：
第一种：采用人工智能算法对所述待分析图片进行解析，给出建议，并生成所述分析报告。
第二种：将待分析图片推送给安装有APP的管理师用户端，管理师线上接单，色彩情绪管理师按照色彩情绪管理学说对所述待分析图片进行解析，得到分析报告。
需要说明的是，上述情绪用户端和管理师用户端包括但不仅限于手机或ipad等。且，在本发明实施例中，安装于情绪用户端和色彩学说管理师用户端的情绪管理APP与其它APP是不同的。目前，所有的其他APP都是以相同的心理学知识为基础的，主要包括以下几种模式：
1.是以心理学各类量表为工具，来判断和筛查心理性疾病的产品；
2.是精神科心理医生的平台，进行线上咨询后，开出处方；
3.是心理学方面具体知识的学习工具。
但是，对于在心理疾病出现之前的负面情绪阶段，目前没有任何的、专门的、测评筛查情绪的管理软件及技术。本发明正好填补了这一空白。为更好地理解本发明实施例，基于上述情绪分析管理系统的架构，结合图2，本发明的算法流程主要如下：
(1)情绪用户客户购买专属的情绪管理工具，例如绘本、手册及纸张等。
(2)在专属的情绪管理工具上，按照提示，自发地用色彩描述和表达正在受到困扰、痛苦或伤害的某种关系，并在管理工具上形成图片。
(3)情绪用户客户注册并登陆APP。
(4)在APP界面上，根据前述形成的图片，按照对应关系的板块进行拍照，并提交给系统。
(5)线上管理师接单后，按照色彩情绪管理学说进行解析，并提交报告给系统(即前述的第二种分析报告获取方式)；或者，直接由系统的人工智能算法，对图片进行解析，给出建议，提交报告给系统(即前述的第一种分析报告获取方式)。
(6)系统将报告推送至情绪用户端，供情绪用户查看。
需要说明的是，在图2中，智能设备1可以是情绪管理训练仪，智能设备2可以是情绪管理穿戴设备系列。
进一步地，关于采用人工智能算法解析色彩情绪图片的具体说明如下：
人工智能处理部分采用基于完全关注机制的情绪分析网络结构模型。
其中，该模型包括：卷积层、池化层、注意力映射层、全局池化层以及全连接层。其中卷积层，用于对输入的情绪图像进行图像特征提取，输出情绪图像的图像特征；池化层，用于对图像特征进行池化；注意力映射层，用于对经过池化的图像特征进行映射分类，得到多个分类特征；全局池化层，对多个分类特征进行全局池化，以对多数多个分类特征进行筛选；全连接层，用于经过全局池化的分类特征进行特征融合，得到最终的情绪分析的分类结果。
进一步地，人工智能算法的情绪图片标注和优化改进过程：
(1)情绪图片标注：该部分内容，由富有经验的色彩情绪管理师按照色彩情绪管理学说的系统要求，对大量的情绪图片，进行情绪解析。分别按照：性格特点，情绪状态，关系状态，核心问题解析，建议等。几个主要维度，去进行图片的解析和标注。
(2)算法调优主要分成4个阶段：算法训练，算法调优，算法测试，算法部署。在数据集构建的过程中，我们先将数据集划分成训练集，验证集，测试集分别对应于算法的训练，算法调优，算法测试。
(3)算法训练阶段：首先对参数进行初始化，然后用训练集的图片通过模型计算结果，结合训练集的标签计算目标损失函数的损失代价。代价计算出来后，通过反向传播计算各个参数的梯度。根据优化方法的确定每个参数更新的学习率，迭代更新模型参数。
(4)算法调优阶段：算法调优用到的是数据库的验证集。调优的过程和算法训练的过程是同步进行的，验证集的图片不参与算法的参数迭代更新，但是通过模型的前向传播可以很好的观测到算法训练过程的状态，在过拟合之前结束模型的训练，保留一个算法在调优集上最好的模型。
(5)算法测试阶段：算法测试用到的是数据库的测试集，测试的过程不参与算法的训练。算法测试，主要用的是事先保留的测试集对算法的性能指标进行测试，用来评估实际的图片算法能达到的性能。
(6)算法部署：当算法的训练，调优，测试工作都完成以后。算法的开发过程结束，并给出固定的版本号，此算法嵌入到情绪分析系统之中，并部署到服务器，用于实际临床环境中，对未知的情绪图像数据进行识别。
实施本发明实施例的情绪分析管理系统，情绪用户在专属的情绪管理工具上形成待分析情绪图片，情绪用户端在APP界面上获取该待分析情绪图片，并将其提交至后台服务器，后台服务器用于获取所述待分析情绪图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看；并且依据该结果，由计算机后台，指定相应的情绪管理方案，给到智能硬件(1或2)，并由情绪客户来进行训练，解析，疏解情绪等。客户经过训练，为了进行新的情绪健康管理，又生成新的情绪图片，进行循环的情绪健康检测分析。
通过上述技术方案，提高了情绪管理分析效率，也有效地解决了情绪用户面对医生时、受语气、表情、动作及语言等影响导致无法真实表达内心想法，从而影响诊断准确性的问题。
此外，本发明的技术方案还具有以下优点：
(1)提高了情绪管理分析效率，也有效地解决了情绪用户面对医生时，受语气、表情、动作及语言等影响导致无法真实表达内心想法，从而影响诊断准确性的问题；
(2)负面情绪需要被重视，长久下去，会变为心理性疾病，在负面情绪的阶段，就要开始进行原因的解析或者分析，对负面情绪的“早发现，早重视，早处理”是预防和阻止心理问题发生或者发展的主要原则；
(3)色彩有史以来就广为人们接受，色彩从出生的婴儿就自然的接受，色彩是潜意识表达的最佳工具，色彩和情绪的关系，色彩情绪管理学说，系统而又专业的指出：
色彩本身的表达，以及色彩的大小，多少，形状，摆放位置等都预示着潜意识当中的真实内容。
(4)色彩情绪管理师，是经过色彩情绪管理学说的系统学习，掌握了色彩与情绪之间对应关系的专业人士。
(5)目前困扰大家最多的是情绪状态本身出现问题，是由于身边的各种关系的摩擦，冲突等导致的。比如，亲子关系，婚恋关系，工作关系，家庭关系等。管理师通过用色彩描述的以上各种关系，来解析负面情绪产生的原因，以及避免或处理的建议。
(6)比如年龄，是围绕整个人的全生命周期进行的。只要对色彩有反应的，从几岁到临终前的老人，都可以采用本发明的技术方案进行情绪状态的筛查。因此，本发明的情绪用户具有明显的使用优势，具有强大的普适性。
(7)情绪管理都是站在心理学角度出发来发现情绪问题，进而为心理治疗做准备。
(8)色彩对于所有人类的情绪都具有基本类似的认知，因此，本发明的APP今后也适合为各个国家和地区的情绪用户做服务。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种情绪分析管理系统，其特征在于，包括情绪用户端及后台服务器；所述情绪用户端安装有APP；
所述情绪用户端用于在APP界面上，获取待分析图片，并将所述待分析图片提交至所述后台服务器；所述待分析图片是情绪用户在专属的情绪管理工具上所形成的；
所述后台服务器用于获取所述待分析图片的分析报告，并将所述分析报告反馈至所述情绪用户端，供情绪用户查看；同时，根据所述分析报告指定相应的情绪管理方案至所述情绪用户端以及相应的智能硬件中，使得情绪用户根据所述情绪管理方案进行训练、解析及疏解情绪。
2.如权利要求1所述的情绪分析管理系统，其特征在于，所述待分析图片的形成过程为：在专属的情绪管理工具上，情绪用户按照提示，用色彩描述和表达当前的心理关系，从而在所述情绪管理工具上形成所述待分析图片；所述专属的情绪管理工具包括绘本、手册或纸张。
3.如权利要求2所述的情绪分析管理系统，其特征在于，所述情绪用户端用于：
在APP界面上，根据所述心理关系选择对应板块；
在所述对应板块上，接收情绪用户的拍照指令，并根据所述拍照指令拍摄所述待分析图片。
4.如权利要求3所述的情绪分析管理系统，其特征在于，所述情绪用户端还用于：
接收情绪用户的登陆指令，根据所述登陆指令进入所述APP界面。
5.如权利要求1所述的情绪分析管理系统，其特征在于，所述后台服务器用于：
采用改进的人工智能算法对所述待分析图片进行解析，给出建议，并生成所述分析报告。
6.如权利要求5所述的情绪分析管理系统，其特征在于，所述后台服务器具体用于：
采用基于完全关注机制的情绪分析网络结构模型对待分析图片进行解析；
该情绪分析网络结构模型包括依次连接的卷积层、池化层、注意力映射层、全局池化层及全连接层。
7.如权利要求6所述的情绪分析管理系统，其特征在于，所述后台服务器具体用于：
采用所述卷积层对输入的所述待分析图片进行特征提取，得到图像特征；
采用所述池化层对所述图像特征进行池化；
采用所述注意力映射层对经过池化的图像特征进行映射分类，得到多个分类特征；
采用所述全局池化层对多个分类特征进行全局池化，以对多个分类特征进行筛选；
采用所述全连接层对经过全局池化的分类特征进行特征融合，得到最终的情绪分析的分类结果。
8.如权利要求5所述的情绪分析管理系统，其特征在于，改进的人工智能算法的形成过程具体为：
情绪图片解析标注：由色彩情绪管理师按照色彩情绪管理学说的系统要求，按照性格特点、情绪状态、关系状态及核心问题对情绪图片进行解析和标注；
数据集生成划分：根据解析和标注后的情绪图片形成数据集，并将所述数据划分为训练集、验证集和测试集；
算法训练、调优及测试：采用所述训练集、验证集和测试集进行人工智能算法训练、调优及测试，完成算法开发过程；
算法部署：将开发完成的算法给定固定版本号，嵌入情绪分析管理系统，并部署到后台服务中。
9.如权利要求1所述的情绪分析管理系统，其特征在于，所述情绪分析管理系统还包括安装有APP的管理师用户端，用于接收所述后台服务器推送的所述待分析图片，使得色彩情绪管理师按照色彩情绪管理学说对所述待分析图片进行解析，得到分析报告。
CN202110165365.XA 2021-02-06 2021-02-06 一种情绪分析管理系统 Pending CN112885432A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110165365.XA CN112885432A (zh) 2021-02-06 2021-02-06 一种情绪分析管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110165365.XA CN112885432A (zh) 2021-02-06 2021-02-06 一种情绪分析管理系统

Publications (1)

Publication Number Publication Date
CN112885432A true CN112885432A (zh) 2021-06-01

Family

ID=76055941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110165365.XA Pending CN112885432A (zh) 2021-02-06 2021-02-06 一种情绪分析管理系统

Country Status (1)

Country Link
CN (1) CN112885432A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339847A (zh) * 2020-02-14 2020-06-26 福建帝视信息科技有限公司 一种基于图卷积神经网络的人脸情绪识别方法
US20200219495A1 (en) * 2019-01-03 2020-07-09 International Business Machines Corporation Understanding user sentiment using implicit user feedback in adaptive dialog systems
CN111429948A (zh) * 2020-03-27 2020-07-17 南京工业大学 一种基于注意力卷积神经网络的语音情绪识别模型及方法
CN111524578A (zh) * 2020-06-19 2020-08-11 智恩陪心(北京)科技有限公司 一种基于电子心理沙盘的心理评估装置、方法及系统
CN111985243A (zh) * 2019-05-23 2020-11-24 中移(苏州)软件技术有限公司 情感模型的训练方法、情感分析方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200219495A1 (en) * 2019-01-03 2020-07-09 International Business Machines Corporation Understanding user sentiment using implicit user feedback in adaptive dialog systems
CN111985243A (zh) * 2019-05-23 2020-11-24 中移(苏州)软件技术有限公司 情感模型的训练方法、情感分析方法、装置及存储介质
CN111339847A (zh) * 2020-02-14 2020-06-26 福建帝视信息科技有限公司 一种基于图卷积神经网络的人脸情绪识别方法
CN111429948A (zh) * 2020-03-27 2020-07-17 南京工业大学 一种基于注意力卷积神经网络的语音情绪识别模型及方法
CN111524578A (zh) * 2020-06-19 2020-08-11 智恩陪心(北京)科技有限公司 一种基于电子心理沙盘的心理评估装置、方法及系统

Similar Documents

Publication Publication Date Title
Shahamiri et al. Autism AI: a new autism screening system based on artificial intelligence
US11404170B2 (en) Method and system for patients data collection and analysis
KR102301143B1 (ko) 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법
KR20170061222A (ko) 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
CN113724848A (zh) 基于人工智能的医疗资源推荐方法、装置、服务器及介质
CN110458217A (zh) 图像识别方法及装置、眼底图像识别方法和电子设备
Pacheco-Lorenzo et al. Smart conversational agents for the detection of neuropsychiatric disorders: A systematic review
CN113744872B (zh) 一种智能交互的阿尔兹海默症辅助筛查系统
US20200251217A1 (en) Diagnosis Method Using Image Based Machine Learning Analysis of Handwriting
KR20090015310A (ko) 네트워크를 통한 심리진단결과에 기초한 진료 또는 상담의자동예약시스템 및 방법 및 이에 사용되는 심리상담시스템
WO2012116334A2 (en) Methods and systems for assessing latent traits using probabilistic scoring
Franciscatto et al. Towards a speech therapy support system based on phonological processes early detection
Javed et al. Artificial intelligence for cognitive health assessment: state-of-the-art, open challenges and future directions
CN109785977A (zh) 自动化信息录入方法、系统、装置及存储介质
CN116993421A (zh) 一种基于大语言模型的患者评价系统
CN113658697B (zh) 一种基于视频注视差异的心理测评系统
US20210312942A1 (en) System, method, and computer program for cognitive training
Kampouraki et al. e-Doctor: a web based support vector machine for automatic medical diagnosis
US11547345B2 (en) Dynamic neuropsychological assessment tool
US11727685B2 (en) System and method for generation of process graphs from multi-media narratives
CN112397195B (zh) 用于生成体格检查模型的方法、装置、电子设备和介质
Codina-Filbà et al. Mobile eHealth platform for home monitoring of bipolar disorder
US20140107461A1 (en) Adaptive Medical Testing
US20230148945A1 (en) Dynamic neuropsychological assessment tool
JP6450986B1 (ja) ヘルスケア支援サーバ、ヘルスケア支援方法、及びコンピュータで読み取り可能なプログラム

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210601