CN113974630A - 一种心理健康的检测方法及装置 - Google Patents

一种心理健康的检测方法及装置 Download PDF

Info

Publication number
CN113974630A
CN113974630A CN202111418739.0A CN202111418739A CN113974630A CN 113974630 A CN113974630 A CN 113974630A CN 202111418739 A CN202111418739 A CN 202111418739A CN 113974630 A CN113974630 A CN 113974630A
Authority
CN
China
Prior art keywords
pulse wave
mental health
analysis
heart rate
parameters
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
CN202111418739.0A
Other languages
English (en)
Inventor
宋金樑
李刚
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.)
Zhejiang Haomeng Technology Co ltd
Original Assignee
Zhejiang Haomeng Technology 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 Zhejiang Haomeng Technology Co ltd filed Critical Zhejiang Haomeng Technology Co ltd
Priority to CN202111418739.0A priority Critical patent/CN113974630A/zh
Publication of CN113974630A publication Critical patent/CN113974630A/zh
Pending legal-status Critical Current

Links

Images

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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Power Engineering (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)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种心理健康的检测方法及装置，包括采集待检测者的脉搏波数据；采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。心率变异性能够是自主神经系统活性和平衡程度、血压状况和心血管系统功能的量化参数，客观有效地评价个体的情绪心理状态，根据采集的生理信号，智能评估心理健康状态，并对心理健康状况进行分级并发出预警提示。以及采用滤波方法对采集到的脉搏波信号进行去杂处理，提高脉搏波数据的精准性。

Description

一种心理健康的检测方法及装置
技术领域
本发明涉及心理压力测量评估领域，尤其涉及一种心理健康的检测方法及装置。
背景技术
目前心理健康评估方法主要是主观评定法，被评估者根据自身感受填写量表来评定心理健康状况。近年来心率变异性分析方法在精神疾病诊断领域的研究发展很快，处于心理健康不良时，自主神经系统较常人是有所变化的，主要表现在副交感神经和交感神经的活性和平衡性发生变化。心率变异性是受自主神经调控的，为适应不同的生理状况或某些病理状态而做出不同的反应。因此心率变异性能够是自主神经系统活性和平衡程度、血压状况和心血管系统功能的量化参数，客观有效地评价个体的情绪心理状态。
心电信号是人体心脏搏动时，心电细胞产生的动作电位综合而成的。心肌细胞处于静息状态时，细胞膜外有一定数量带正电的阳离子，膜内有一定在带负电的阴离子，此时细胞膜外电压高于膜内，称为极化状态。由于所有的心肌细胞都处于计划状态，故没有点位差。当心肌细胞受到一定程度的刺激时，心肌细胞膜的通透性增强，细胞内会涌入大量的膜外阳离子，继而膜内压由负变正，此过程为除极。由心电图机记录下来，即为体表心电图上心房的P波和心室的QRS波。除极完成，由心肌细胞膜内排出大量阳离子，使膜内压由正变负，恢复为极化状态，此过程由心外膜向心内膜进行，称为复极。心电图中的T波即为心室的复极过程。恢复极化状态后，各部分心肌细胞没有电位差，在心电图中表现为等位线。
心率是心电信号的重要生理指标，指单位时间内心脏搏动的次数，单位为次数/分钟；心率变异性指连续窦性心跳间瞬时心率的微小变化，或逐拍RR间期的微小涨落。心电、脉搏和呼吸信号都是强噪声下的低频微弱信号。实验过程中，由于实验环境、接触电极、身体晃动等，采集到的信号不可避免地引入噪声，主要有以下三种：1)基线漂移：是一种由多种因素引起的低频噪声。电极电阻的变化、信号放大器本身的直流漂移、被试身体的晃动和呼吸引起的胸部的上下起伏、导联的连接等会引起基线漂移。2)肌电信号的干扰：人体肌肉颤动引起的干扰频率范围很广，肌电干扰信号的频率范围在10～300Hz，其频谱特性可视为瞬时发生的高斯零均值带限白噪声。3)工频和周围环境干扰：是由交流电引入的60Hz及其各次谐波的干扰。
正常的心电信号频谱范围在0.01Hz到100Hz，但是心电信号90％的频谱能量集中在0.25Hz到40Hz。所以心电的频率范围一般定为0.25Hz到40Hz。一般人体的脉搏信号频率较低，其频谱主要分布在0～20Hz之间，并且大约99％的能量分布在0～10Hz。呼吸信号的频谱能量集中在0～0.035Hz。
发明内容
本发明提供的一种心理健康的检测方法及装置，针对以上信号的噪声来源及三种信号的频率分布，旨在解决现有技术中对检测者需要进行问卷调查，但是要求评测人员不仅需要扎实的相关专业知识，同时还要有较好的观察和沟通能力，因此会因测试者的个人偏好或者人生经验而有所差异导致测评心理健康不准确的问题。
为实现上述目的，本发明采用以下技术方案：
本发明的一种心理健康的检测方法，包括以下步骤：
采集待检测者的脉搏波数据；
采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
作为优选，所述采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性，包括：
步骤一：取N秒脉搏波数据，N为大于1的整数；
步骤二：对所述脉搏波数据进行去干扰处理，获得脉搏波信号，识别出所述脉搏波信号中的每个波峰位置；
步骤三：计算所述脉搏波信号的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数组，计算相邻两个波峰之间的时间间隔；
步骤四：计算相邻两个波峰位置之差得到时间间隔数组t时间间隔t1＝a(p2 -p1)，其中a是常数，p1、p2是波峰的位置；根据波峰之间的时间间隔计算出心率，心率HR＝60*1/t，其中t表示时间间隔；
步骤五：计算脉搏波信号中每个波峰与基线的差值，计为脉搏波信号的幅度。
作为优选，所述将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果，包括：
分别对时间间隔数组t进行心率变异性时域分析、频域分析和非线性分析，获得时域参数SDNN、RMSSD和SDSD，频域参数TP、VLF、LF和HF，非线性参数 VAL和VLI；
通过心率变异性的时域参数SDNN和RMSSD以及频域参数TP得到自主神经的活性，自主神经活性：SN＝a*SDNN+b*MRSSD+c*TP，其中a,b,c都是常数；以及
通过高频和低频的比值确定自主神经平衡性，自主神经平衡性：ST＝LF/HF；根据所述自主神经活性和所述自主神经平衡性评估心理健康状况，心理健康状况：JK＝d*SN+e*ST，其中d,e都是常数。
作为优选，所述将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果，之后包括：
将所述心理健康状况进行归一化处理，分为5个等级，范围为0～M，其中0 —M/5为1等级，M/5—2M/5为2等级，2M/5—3M/5为3等级，3M/5—4M/5 为4等级，4M/5—M为5等级。
一种心理健康的检测装置，包括：
信号采集模块：用于采集待检测者的脉搏波数据；
处理模块：用于采用中值滤波方法对所述信号采集模块获得的所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
传输模块：用于将所述处理模块获得的所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
作为优选，所述处理模块包括：
步骤一：取N秒脉搏波数据，N为大于1的整数；
步骤二：对所述脉搏波数据进行去干扰处理，获得脉搏波信号，识别出所述脉搏波信号中的每个波峰位置；
步骤三：计算所述脉搏波信号的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数组，计算相邻两个波峰之间的时间间隔；
步骤四：计算相邻两个波峰位置之差得到时间间隔数组t时间间隔t1＝a(p2 -p1)，其中a是常数，p1、p2是波峰的位置；根据波峰之间的时间间隔计算出心率，心率HR＝60*1/t，其中t表示时间间隔；
步骤五：计算脉搏波信号中每个波峰与基线的差值，计为脉搏波信号的幅度。
作为优选，所述传输模块包括：
分析单元：分别对时间间隔数组t进行心率变异性时域分析、频域分析和非线性分析，获得时域参数SDNN、RMSSD和SDSD，频域参数TP、VLF、LF和HF，非线性参数VAL和VLI；
第一计算模块：通过心率变异性的时域参数SDNN和RMSSD以及频域参数TP 得到自主神经的活性，自主神经活性：SN＝a*SDNN+b*MRSSD+c*TP，其中 a,b,c都是常数；以及
第二计算模块：通过高频和低频的比值确定自主神经平衡性，自主神经平衡性：ST＝LF/HF；根据所述自主神经活性和所述自主神经平衡性评估心理健康状况，心理健康状况：JK＝d*SN+e*ST，其中d,e都是常数。
作为优选，所述传输模块之后包括：
检测评估模块：用于将所述心理健康状况进行归一化处理，分为5个等级，范围为0～M，其中0—M/5为1等级，M/5—2M/5为2等级，2M/5—3M/5为 3等级，3M/5—4M/5为4等级，4M/5—M为5等级。
一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种心理健康的检测方法。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述中任一项所述的一种心理健康的检测方法。
本发明具有如下有益效果：心率变异性能够是自主神经系统活性和平衡程度、血压状况和心血管系统功能的量化参数，客观有效地评价个体的情绪心理状态，根据采集的生理信号，智能评估心理健康状态，并对心理健康状况进行分级并发出预警提示。以及采用滤波方法对采集到的脉搏波信号进行去杂处理，提高脉搏波数据的精准性。
附图说明
图1是本发明实施例实现一种心理健康的检测方法第一流程图；
图2是本发明实施例实现一种心理健康的检测方法第二流程图；
图3是本发明实施例实现一种心理健康的检测方法第三流程图；
图4是本发明实施例实现一种心理健康的检测方法的具体实施流程图；
图5是本发明实施例实现一种心理健康的检测装置示意图；
图6是本发明实施例实现一种心理健康的检测方法的一种电子设备示意图。
具体实施方式
下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
实施例1
如图1所示，一种心理健康的检测方法，包括以下步骤：
S110、采集待检测者的脉搏波数据；
S120、采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
S130、将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
根据实施例1可知，中值滤波(Medianfilter)是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点，对于斑点噪声(speckle noise)和椒盐噪声(salt-and-peppernoise)来说尤其有用，因为它不依赖于邻域内那些与典型值差别很大的值。中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似，但滤波过程却不再是加权运算。中值滤波在一定的条件下可以克服常见线性滤波器如最小均方滤波、方框滤波器、均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效，也常用于保护边缘信息,保存边缘的特性使它在不希望出现边缘模糊的场合也很用，是非常经典的平滑噪声处理方法。中值滤波方法采用自然伽马测井曲线的原始数据，进行非线性中值滤波处理，可以保护地层边缘信号及尖锐信号噪声并进行有效平滑。中值滤波方法是选择一定的窗口(一般窗口大小为3*3或5*5)，然后使窗口在数据序列内逐次移动，并用窗口内数列值的中值来代替窗中心点处的数据值。中值滤波算法的实现过程如下：选择一个(2n+1)*(2n+1)的窗口，并用该窗口内沿数据序列进行行或列方向的滑动；每次移动后，对窗口内的数据值进行数据排序；根据数据排序法所计算的中值替代窗口中心位置的原始数据值。这里的滤波方法不限于中值滤波，还包括IIR滤波器滤波，还有其他的常见的滤波方法。
实施例2
如图2所示，一种心理健康的检测方法，包括：
S210、取N秒脉搏波数据，N为大于1的整数；
S220、对所述脉搏波数据进行去干扰处理，获得脉搏波信号，识别出所述脉搏波信号中的每个波峰位置；
S230、计算所述脉搏波信号的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数组，计算相邻两个波峰之间的时间间隔；
S240、计算相邻两个波峰位置之差得到时间间隔数组t时间间隔t1＝a(p2 -p1)，其中a是常数，p1、p2是波峰的位置；根据波峰之间的时间间隔计算出心率，心率HR＝60*1/t，其中t表示时间间隔；
S250、计算脉搏波信号中每个波峰与基线的差值，计为脉搏波信号的幅度。
实施例2中，被测试者需要携带手环来测得相应数据，但是由于人在测试时会潜在处于紧张状态，这个不受心理的控制，测得的数据会存在较多误差，因此在测数据时，不不告诉被测试者已经开始测试，而是采集平常的数据，并且采集的数据需要经过滤波处理。
所述脉搏波数据的初步分析：对所述脉搏波信号去除肌电干扰、运动干扰和基线飘逸；取N秒脉搏波数据计为H1；对数据H1进行去干扰处理，获得数据 M1；分析脉搏波信号，识别出脉搏波中的每个波峰位置；计算M1数据的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数。计算相邻两个波峰之间的时间间隔；通过M1数据中相邻两个波峰位置之差得到时间间隔数组t；时间间隔t1＝a(p2-p1)；其a是常数，p1、 p2是波峰的位置；根据波峰之间的时间间隔计算出心率；心率HR＝60*1/t；其中t表示时间间隔；计算脉搏波中每个波峰与基线的差值，计为脉搏波的幅度。如此心电信号的每次搏动的持续时间就能被准确的计算出来，并能从中获取脉搏波信号。
实施例3
如图3所示，一种心理健康的检测方法，包括：
S310、分别对时间间隔数组t进行心率变异性时域分析、频域分析和非线性分析，获得时域参数SDNN、RMSSD和SDSD，频域参数TP、VLF、LF和HF，非线性参数VAL和VLI；
S320、通过心率变异性的时域参数SDNN和RMSSD以及频域参数TP得到自主神经的活性，自主神经活性：SN＝a*SDNN+b*MRSSD+c*TP，其中a,b,c 都是常数；以及
S330、通过高频和低频的比值确定自主神经平衡性，自主神经平衡性：ST＝ LF/HF；根据所述自主神经活性和所述自主神经平衡性评估心理健康状况，心理健康状况：JK＝d*SN+e*ST，其中d,e都是常数；
S340、将所述心理健康状况进行归一化处理，分为5个等级，范围为0～M，其中0—M/5为1等级，M/5—2M/5为2等级，2M/5—3M/5为3等级，3M/5 —4M/5为4等级，4M/5—M为5等级；当到达第4等级时需要注意，心理健康状况不佳，当达到5级时建议就医。
实施例3中，时域参数包括SDNN：全部NN间期的标准差，用于评价心率变异总体变化；RMSSD：相邻NN间期之差的平方根，反映HRV中快变化成分；SDSD：相邻NN间期之差的标准差，相对SDNN更细化的反映HRV的整体变化；NN60：相邻NN间期大于60ms的心搏数，衡量迷走神经张力；PNN60：NN60个数占全部 NN间期数的百分比，敏感反应迷走神经活动；
频域参数包括：频域分析法是将时间序列中的心电频率信号分离出来，再把不同的频率特征划分为不同的频率带进行分析，脉搏波的时域分析大多反映心率变异性的整体大小，反映的是交感神经和迷走神经张力的平衡状态，并不能反映交感神经和迷走神经各自的活动，因此采用频域分析法定量的描述交感神经和迷走神经对心率的调控作用。
心率变异性具有非线性特征，是受自主神经和中枢系统、血流动力学、电生理及激素变化等多种因素的影响，常用散点图作为脉搏波的非线性分析。
实施例4
如图4所示，一种具体的实施方式可为：
步骤一：控制装置采集和处理脉搏波信号；
步骤二：控制装置无线传输脉搏波信号；
步骤三：接收脉搏波信号；
步骤四：对接收到的脉搏波信号进行初步分析，获得初步分析结果；分析结果包括：心率、心跳间隔时间、心跳间阁的变化率和心率变异性等分析结果；
步骤五：将心率变异性的时域参数、频域参数、非线性参数和个人信息输入自主神经分析评估模型；
步骤六：获得综合评估报告。
实施例5
如图5所示，一种心理健康的检测装置，包括：
信号采集模块10：用于采集待检测者的脉搏波数据；
处理模块20：用于采用中值滤波方法对所述信号采集模块获得的所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
传输模块30：用于将所述处理模块获得的所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
上述装置的一种实施方式可为：信号采集模块10采集待检测者的脉搏波数据；处理模块20采用中值滤波方法对所述信号采集模块获得的所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；传输模块将所述处理模块获得的所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
实施例6
如图6所示，一种电子设备，包括存储器601和处理器602，所述存储器 601用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器602执行以实现上述的一种心理健康的检测方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的一种心理健康的检测方法。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器601中，并由处理器602执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器601、处理器602。本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器602可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器602、数字信号处理器602(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM603mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器602可以是微处理器602或者该处理器602也可以是任何常规的处理器602等。
存储器601可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器601也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字 (SecureDigital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器601还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器601用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器601还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (10)

1.一种心理健康的检测方法，其特征在于，包括以下步骤：
采集待检测者的脉搏波数据；
采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
2.根据权利要求1所述的一种心理健康的检测方法，其特征在于，所述采用中值滤波方法对所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性，包括：
步骤一：取N秒脉搏波数据，N为大于1的整数；
步骤二：对所述脉搏波数据进行去干扰处理，获得脉搏波信号，识别出所述脉搏波信号中的每个波峰位置；
步骤三：计算所述脉搏波信号的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数组，计算相邻两个波峰之间的时间间隔；
步骤四：计算相邻两个波峰位置之差得到时间间隔数组t时间间隔t1＝a(p2-p1)，其中a是常数，p1、p2是波峰的位置；根据波峰之间的时间间隔计算出心率，心率HR＝60*1/t，其中t表示时间间隔；
步骤五：计算脉搏波信号中每个波峰与基线的差值，计为脉搏波信号的幅度。
3.根据权利要求1或2所述的一种心理健康的检测方法，其特征在于，所述将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果，包括：
分别对时间间隔数组t进行心率变异性时域分析、频域分析和非线性分析，获得时域参数SDNN、RMSSD和SDSD，频域参数TP、VLF、LF和HF，非线性参数VAL和VLI；
通过心率变异性的时域参数SDNN和RMSSD以及频域参数TP得到自主神经的活性，自主神经活性：SN＝a*SDNN+b*MRSSD+c*TP，其中a,b,c都是常数；以及
通过高频和低频的比值确定自主神经平衡性，自主神经平衡性：ST＝LF/HF；根据所述自主神经活性和所述自主神经平衡性评估心理健康状况，心理健康状况：JK＝d*SN+e*ST，其中d,e都是常数。
4.根据权利要求3所述的一种心理健康的检测方法，其特征在于，所述将所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果，之后包括：
将所述心理健康状况进行归一化处理，分为5个等级，范围为0～M，其中0—M/5为1等级，M/5—2M/5为2等级，2M/5—3M/5为3等级，3M/5—4M/5为4等级，4M/5—M为5等级。
5.一种心理健康的检测装置，其特征在于，包括：
信号采集模块：用于采集待检测者的脉搏波数据；
处理模块：用于采用中值滤波方法对所述信号采集模块获得的所述脉搏波数据进行滤波分析，得到分析结果，所述分析结果包括心率变异性；
传输模块：用于将所述处理模块获得的所述心率变异性的时域参数、频域参数、非线性参数和个人信息输入预先训练的自主神经分析评估模型，得到所述待检测者的心理健康检测结果。
6.根据权利要求5所述的一种心理健康的检测装置，其特征在于，所述处理模块包括：
步骤一：取N秒脉搏波数据，N为大于1的整数；
步骤二：对所述脉搏波数据进行去干扰处理，获得脉搏波信号，识别出所述脉搏波信号中的每个波峰位置；
步骤三：计算所述脉搏波信号的基线、波峰和波谷的个数，每个波峰的值减去基线得到P数组，每个波谷的值减去基线得到L数组，计算相邻两个波峰之间的时间间隔；
步骤四：计算相邻两个波峰位置之差得到时间间隔数组t时间间隔t1＝a(p2-p1)，其中a是常数，p1、p2是波峰的位置；根据波峰之间的时间间隔计算出心率，心率HR＝60*1/t，其中t表示时间间隔；
步骤五：计算脉搏波信号中每个波峰与基线的差值，计为脉搏波信号的幅度。
7.根据权利要求5所述的一种心理健康的检测装置，其特征在于，所述传输模块包括：
分析单元：分别对时间间隔数组t进行心率变异性时域分析、频域分析和非线性分析，获得时域参数SDNN、RMSSD和SDSD，频域参数TP、VLF、LF和HF，非线性参数VAL和VLI；
第一计算模块：通过心率变异性的时域参数SDNN和RMSSD以及频域参数TP得到自主神经的活性，自主神经活性：SN＝a*SDNN+b*MRSSD+c*TP，其中a,b,c都是常数；以及
第二计算模块：通过高频和低频的比值确定自主神经平衡性，自主神经平衡性：ST＝LF/HF；根据所述自主神经活性和所述自主神经平衡性评估心理健康状况，心理健康状况：JK＝d*SN+e*ST，其中d,e都是常数。
8.根据权利要求5所述的一种心理健康的检测装置，其特征在于，所述传输模块之后包括：
检测评估模块：用于将所述心理健康状况进行归一化处理，分为5个等级，范围为0～M，其中0—M/5为1等级，M/5—2M/5为2等级，2M/5—3M/5为3等级，3M/5—4M/5为4等级，4M/5—M为5等级。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～4中任一项所述的一种心理健康的检测方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1～4中任一项所述的一种心理健康的检测方法。
CN202111418739.0A 2021-11-26 2021-11-26 一种心理健康的检测方法及装置 Pending CN113974630A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111418739.0A CN113974630A (zh) 2021-11-26 2021-11-26 一种心理健康的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111418739.0A CN113974630A (zh) 2021-11-26 2021-11-26 一种心理健康的检测方法及装置

Publications (1)

Publication Number Publication Date
CN113974630A true CN113974630A (zh) 2022-01-28

Family

ID=79731980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111418739.0A Pending CN113974630A (zh) 2021-11-26 2021-11-26 一种心理健康的检测方法及装置

Country Status (1)

Country Link
CN (1) CN113974630A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092917A (zh) * 2022-01-10 2022-02-25 南京信息工程大学 一种基于mr-ssd的被遮挡交通标志检测方法及系统
CN115363586A (zh) * 2022-09-08 2022-11-22 山东大学 一种基于脉搏波信号的心理压力等级评估系统及方法
CN115517632A (zh) * 2022-11-29 2022-12-27 中山大学 共振呼吸频率测定方法、交互提示生成方法、装置及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120098365A (ko) * 2011-02-28 2012-09-05 중앙대학교 산학협력단 스트레스 분석 장치 및 방법
CN104127193A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种抑郁症程度量化的评估系统及其评估方法
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN105147248A (zh) * 2015-07-30 2015-12-16 华南理工大学 基于生理信息的抑郁症评估系统及其评估方法
CN106175742A (zh) * 2016-07-19 2016-12-07 北京心量科技有限公司 一种心脏体征获取方法以及装置
CN106539580A (zh) * 2016-11-21 2017-03-29 西安交通大学 一种自主神经系统动态变化的连续监测方法
CN109106350A (zh) * 2018-09-20 2019-01-01 中山大学 低生理负荷的睡眠呼吸暂停低通气综合征初步筛查方法
CN111419250A (zh) * 2020-04-08 2020-07-17 恒爱高科(北京)科技有限公司 一种基于脉搏波的情绪识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120098365A (ko) * 2011-02-28 2012-09-05 중앙대학교 산학협력단 스트레스 분석 장치 및 방법
CN104127193A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种抑郁症程度量化的评估系统及其评估方法
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN105147248A (zh) * 2015-07-30 2015-12-16 华南理工大学 基于生理信息的抑郁症评估系统及其评估方法
CN106175742A (zh) * 2016-07-19 2016-12-07 北京心量科技有限公司 一种心脏体征获取方法以及装置
CN106539580A (zh) * 2016-11-21 2017-03-29 西安交通大学 一种自主神经系统动态变化的连续监测方法
CN109106350A (zh) * 2018-09-20 2019-01-01 中山大学 低生理负荷的睡眠呼吸暂停低通气综合征初步筛查方法
CN111419250A (zh) * 2020-04-08 2020-07-17 恒爱高科(北京)科技有限公司 一种基于脉搏波的情绪识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092917A (zh) * 2022-01-10 2022-02-25 南京信息工程大学 一种基于mr-ssd的被遮挡交通标志检测方法及系统
CN115363586A (zh) * 2022-09-08 2022-11-22 山东大学 一种基于脉搏波信号的心理压力等级评估系统及方法
CN115517632A (zh) * 2022-11-29 2022-12-27 中山大学 共振呼吸频率测定方法、交互提示生成方法、装置及设备

Similar Documents

Publication Publication Date Title
CN113974630A (zh) 一种心理健康的检测方法及装置
CN109276241B (zh) 一种压力识别方法及设备
US8233972B2 (en) System for cardiac arrhythmia detection and characterization
Oweis et al. QRS detection and heart rate variability analysis: A survey
US9042973B2 (en) Apparatus and method for measuring physiological signal quality
US20140207017A1 (en) Signal quality monitor for electromyographic sensors
US20110087121A1 (en) System for Continuous cardiac pathology detection and characterization
WO2012051320A2 (en) Motion and noise artifact detection for ecg data
Al-Ani ECG waveform classification based on P-QRS-T wave recognition
US11406304B2 (en) Systems and methods for physiological sign analysis
US11399727B2 (en) Non-invasive analysis of sinoatrial node and autonomic nervous input to heart function
US20140213919A1 (en) Systems and Methods for Detecting a Physiological Abnormality in a Patient by Using Cardiac or Other Chaos in Combination with Non-increasing Parasympathetic Modulation
Tamburro et al. Automatic removal of cardiac interference (ARCI): A new approach for EEG data
CN106539580B (zh) 一种自主神经系统动态变化的连续监测方法
US20200345251A1 (en) Method and system for determining heart rate variability
CN117271977B (zh) 一种hrv数据预处理方法、装置及电子设备
Katz et al. Contact-free piezo electric sensor used for real-time analysis of inter beat interval series
Magrupov et al. ECG signal processing algorithms to determine heart rate
Naseri et al. A unified procedure for detecting, quantifying, and validating electrocardiogram T-wave alternans
Alcaraz et al. Application of non-linear methods in the study of atrial fibrillation organization
Chen et al. A fast ECG diagnosis using frequency-based compressive neural network
Jelinek et al. Multiscale renyi entropy and cardiac autonomic neuropathy
Wachowiak et al. Quantification of wavelet band metrics for assessing heart rate variability
Abderahman et al. Adaptive r-peak detector in extreme noise using emd selective analyzer
Timothy et al. Data preparation step for automated diagnosis based on HRV analysis and machine learning

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