CN114220522A - 基于视觉认知注意的心理测评数据采集与干预方法及系统 - Google Patents
基于视觉认知注意的心理测评数据采集与干预方法及系统 Download PDFInfo
- Publication number
- CN114220522A CN114220522A CN202210159451.4A CN202210159451A CN114220522A CN 114220522 A CN114220522 A CN 114220522A CN 202210159451 A CN202210159451 A CN 202210159451A CN 114220522 A CN114220522 A CN 114220522A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- data
- server
- image
- testee
- 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
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
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于视觉认知注意的心理测评数据采集与干预方法及系统,涉及数据采集技术领域。包括:控制客户端获取被试者的信息,并发送指令到服务器;服务器接收开始测评指令,并发送到主机客户端;主机客户端接收开始测评指令,并完成测评得到测评数据,将测评数据以数据流的形式传输到服务器;云端算法服务器对测评数据进行分析,得到分析结果;服务器将分析结果返回到控制客户端,控制客户端根据分析结果判断是否发送干预指令;数据服务器对分析结果进行保存和管理。本发明能够提高算法运行的效率和安全性;避免因网络流量波动和服务器故障使范式测评图像数据流和文本数据流的传输中断;对眼动注视轨迹数据进行客观、高效、准确地采集。
Description
技术领域
本发明涉及数据采集技术领域,特别是指一种基于视觉认知注意的心理测评数据采集与干预方法及系统。
背景技术
随着社会生产力的发展,人们的物质生活得到了极大的丰富,但来自工作和生活的压力使越来越多的人饱受精神疾病的困扰。抑郁症是一种常见的精神疾病,根据世界卫生组织于 2017 年发布的《抑郁症及其他常见精神障碍》统计,全球有超过 3 亿人患有抑郁症,其中近一半的患者来自东南亚地区和西太平洋地区,这进一步反映了抑郁症在我国的严重情况。自2005 年至2015 年,抑郁症患者数量的增速达到了18.4%,并且遍布于各个年龄阶段,为社会生产和个人生活带来了极大的影响。抑郁症不同于常见的情绪波动,其患者容易悲伤、内疚、自我否定,对事物缺乏兴趣,并伴随着失眠、疲倦、食欲不振、注意力不集中等现象,极大地影响了患者自身的工作和生活。在严重情况下,抑郁症可导致自杀,全球每年有将近80万人因抑郁症而自杀身亡,是目前最为严重的精神疾病之一。影响抑郁症患者接受有效治疗的因素多种多样,包括缺乏足够的医疗资源、缺乏训练有素的心理医师、社会普遍对精神疾病存在歧视等等,但最主要的原因还是缺少客观、高效、准确的抑郁评测工具。
国内现有的抑郁检测方法主要包括临床诊断方法和结构化量表方法。临床诊断需要大量的医疗资源,诊断周期过长;其次,临床诊断需要医生结合自身经验进行主观性判断,还需要训练有素的心理医师辅助完成。因此,很多抑郁状态较为严重的测评者无法得到及时有效的诊断和治疗。虽然结构化量表从多个维度可以分析测评者的抑郁状态程度,并综合各维度的得分情况得出最终的抑郁状态评估结果。但该方法同样存在一定局限性。首先,量表的问题模式固定,测评者可以隐藏自己的真实心理状态并获得预期的分数;其次,量表无法对具有阅读障碍的测评者进行心理测评。
近年来,随着心理抑郁领域注意偏向理论的发展,眼动追踪已经被证明是研究抑郁症的重要技术方法。注意偏向理论指出,抑郁人群要比正常人群对于负性刺激拥有更大的注意偏向。基于注意偏向的相关抑郁状态检测研究主要包括两种:一种是采用非直接的测量方式,记录测评者在外界刺激下的反应时间来分析其抑郁状态;另一种是采用直接的测量方式,记录测评者在外界刺激下的眼动轨迹来分析其抑郁状态。早期对于注意偏向的研究都采用非直接的测量方式,即反应时间测量。随着眼动仪的发明给通过眼动追踪来研究抑郁提供了工具,眼动仪可以获取被试者实验时的注视方向、注视轨迹坐标和瞳孔直径等信息,这些生理信息可以直接客观准确地反应出被试者的状态,从而评估被试者的心理状态是否异常。
考虑到传统的抑郁检测数据采集方法存在的低效率、低精度等特点,所以亟需开发一种客观、高效、准确的抑郁检测数据采集及存储方法,并进一步简化数据获取流程、提高检测数据精度。
发明内容
本发明针对现有技术抑郁检测数据采集方法存在的低效率、低精度等问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:
一方面,本发明提供了一种基于视觉认知注意的心理测评数据采集与干预方法,该方法由基于视觉认知注意的心理测评数据采集与干预系统实现,系统包括客户端和服务器;其中,客户端包括控制客户端和主机客户端;服务器包括数据服务器和云端算法服务器,该方法包括:
S1、控制客户端获取被试者的信息,并发送指令到服务器;其中,指令包括开始测评指令以及干预指令。
S2、服务器接收开始测评指令,并发送到主机客户端;主机客户端接收开始测评指令,并完成测评得到测评数据,将测评数据以数据流的形式传输到服务器;其中,测评数据包括眼动数据和按键数据。
S3、云端算法服务器对测评数据进行分析,得到分析结果。
S4、服务器将分析结果返回到控制客户端,控制客户端根据分析结果判断是否发送干预指令。
S5、数据服务器对分析结果进行保存和管理。
可选地,控制客户端包括信息录入模块以及数据管理模块。
信息录入模块获取被试者的信息,选择测评的实验范式,并发送开始测评指令到服务器。
数据管理模块根据接收的分析结果生成测评报告。
可选地,主机客户端包括测评模块以及干预模块。
测评模块根据开始测评指令完成测评,得到测评数据。
干预模块根据干预指令完成干预训练。
可选地,测评模块包括图像认知高阶测评实验范式以及图像认知眼动测评实验范式。
干预模块包括个性化交互绘图以及注意偏向训练。
可选地,图像认知高阶测评实验范式包括多组实验任务,多组实验任务的每组实验任务包括:
S11、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S12、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者注视圆点至圆点爆破。
S13、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S14、背景图像出现阶段:屏幕中随机出现一张带有情绪属性的背景图像,被试者观看背景图像,并由眼动仪记录被试者的眼动注视轨迹数据。
S15、情绪人脸出现阶段:背景图像出现一秒后,在背景图像上出现一张带有情绪属性的人脸情绪图像,被试者判断人脸情绪属性,并按下按键,通过人脸情绪图像出现的时间和被试者做出相应按键的时间来记录被试者的反应。
可选地,图像认知眼动测评实验范式包括多组实验任务,多组实验任务的每组实验任务包括:
S21、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S22、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要注视圆点至圆点爆破。
S23、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S24、小十字出现阶段:每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒。
S25、情绪图像出现阶段:当小十字消失后,屏幕的左右两边分别出现一幅带有正性情绪属性的图像和一幅带有负性情绪属性的图像,两幅图像出现的顺序是随机的,被试者观看两幅图像,被试者观看两幅图像的过程持续3秒,并由眼动仪记录被试者的眼动注视轨迹数据。
可选地,个性化交互绘图包括:获取被试者测评数据中眼动特征和反应特征最多的四幅图像,四幅图像中的每幅图像设有相应的干预手绘图片,被试者描画干预手绘图片。
注意偏向训练包括:第一关设有两幅图像,两幅图像包括一幅带有正性情绪属性的图像以及一幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第二关设有四幅图像,四幅图像包括一幅带有正性情绪属性的图像以及三幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第三关设有八幅图像,八幅图像包括一幅带有正性情绪属性的图像以及七幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后重复第三关的过程。
可选地,S2中的将测评数据以数据流的形式传输到服务器包括:
主机客户端将采集的测评数据序列化为json 字符串,并通过超文本传输协议http 短连接将测评数据以数据流的形式上传到数据服务器。
可选地,主机客户端通过http 协议与服务器建立连接,主机客户端获取服务器中的图像资源,将图像资源以位图的格式保存,并将图像资源的数量作为系统首次加载进度条的长度。
另一方面,本发明提供了一种基于视觉认知注意的心理测评数据采集与干预系统,该系统应用于实现基于视觉认知注意的心理测评数据采集与干预方法,该系统包括客户端和服务器;其中,客户端包括控制客户端和主机客户端;服务器包括数据服务器和云端算法服务器;其中:
客户端,用于获取被试者的信息,并发送指令到服务器;其中,指令包括开始测评指令以及干预指令;根据分析结果判断是否发送干预指令。
服务器,用于接收开始测评指令,并发送到主机客户端;主机客户端接收开始测评指令,并完成测评得到测评数据,将测评数据以数据流的形式传输到服务器;其中,测评数据包括眼动数据和按键数据;对测评数据进行分析,得到分析结果;将分析结果返回到控制客户端;对分析结果进行保存和管理。
可选地,控制客户端包括信息录入模块以及数据管理模块。
客户端,进一步用于:
信息录入模块获取被试者的信息,选择测评的实验范式,并发送开始测评指令到服务器。
数据管理模块根据接收的分析结果生成测评报告。
可选地,主机客户端包括测评模块以及干预模块。
客户端,进一步用于:
测评模块根据开始测评指令完成测评,得到测评数据。
干预模块根据干预指令完成干预训练。
可选地,测评模块包括图像认知高阶测评实验范式以及图像认知眼动测评实验范式。
干预模块包括个性化交互绘图以及注意偏向训练。
可选地,客户端,进一步用于:
S11、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S12、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者注视圆点至圆点爆破。
S13、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S14、背景图像出现阶段:屏幕中随机出现一张带有情绪属性的背景图像,被试者观看背景图像,并由眼动仪记录被试者的眼动注视轨迹数据。
S15、情绪人脸出现阶段:背景图像出现一秒后,在背景图像上出现一张带有情绪属性的人脸情绪图像,被试者判断人脸情绪属性,并按下按键,通过人脸情绪图像出现的时间和被试者做出相应按键的时间来记录被试者的反应。
可选地,客户端,进一步用于:
S21、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S22、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要注视圆点至圆点爆破。
S23、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S24、小十字出现阶段:每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒。
S25、情绪图像出现阶段:当小十字消失后,屏幕的左右两边分别出现一幅带有正性情绪属性的图像和一幅带有负性情绪属性的图像,两幅图像出现的顺序是随机的,被试者观看两幅图像,被试者观看两幅图像的过程持续3秒,并由眼动仪记录被试者的眼动注视轨迹数据。
可选地,客户端,进一步用于:
获取被试者测评数据中眼动特征和反应特征最多的四幅图像,四幅图像中的每幅图像设有相应的干预手绘图片,被试者描画干预手绘图片。
注意偏向训练包括:第一关设有两幅图像,两幅图像包括一幅带有正性情绪属性的图像以及一幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第二关设有四幅图像,四幅图像包括一幅带有正性情绪属性的图像以及三幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第三关设有八幅图像,八幅图像包括一幅带有正性情绪属性的图像以及七幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后重复第三关的过程。
可选地,客户端,进一步用于:
主机客户端将采集的测评数据序列化为json 字符串,并通过超文本传输协议http 短连接将测评数据以数据流的形式上传到数据服务器。
可选地,主机客户端通过http 协议与服务器建立连接,主机客户端获取服务器中的图像资源,将图像资源以位图的格式保存,并将图像资源的数量作为系统首次加载进度条的长度。
本发明实施例提供的技术方案带来的有益效果至少包括:
上述方案中,采用客户端和服务器分离的模式,将数据服务器和算法部署到云端,采集的眼动注视轨迹数据保存在云数据库,并配备技术过硬的防火墙系统以防遭到恶意攻击。本发明的云端部署相对于本地部署的优点是首先可以备份数据和应用程序,保证系统的正常运行的同时,避免了因网络和硬件配置不足而导致的软件瘫痪和数据丢失等问题。其次,可以实现整个测评和干预系统的简便和快速地部署和推广使用。同时,本发明采用存储和计算分离的架构,解藕计算和存储负载。这样使系统更加的健壮和鲁棒,如果计算层出现问题,可以很方便地进行故障修复,而且这种分离技术提高了系统的资源利用率,降低了成本。
将不同的实验范式用到的共同操作模块做成通用接口,使通用接口的调用和实现完全的解藕,只需要简单扩展配置即可完成新实验范式的开发。将不同的实验范式用到的共同操作模块做成通用接口大大减少了开发难度和开发工作量,进而达到降低整个系统复杂性的目的。本发明还提供了不同模块之间更清晰的分离,避免了因特殊用途的接口的具有高级权限而导致信息泄漏。从而保证了系统后续开发不同的心理学实验范式具有良好的扩展性和灵活性。
以往其它系统中使用的眼动仪只采集眼动注视轨迹数据,并不能分辨不同的心理学实验范式在当前时间点处于哪个阶段。本发明将实验范式的各个阶段和眼动仪开始记录眼动注视轨迹数据时的状态绑定,这样眼动仪在记录眼球的坐标位置的同时,也记录了当前时间点和当前的坐标所对应的实验范式的阶段。大大减少了数据冗余量,提高了系统的运行速度和效率。
本发明内包含图像认知高阶测评和图像认知眼动测评这两种心理学实验范式,并且根据这两种心理学实验范式所表征的认知特征分别提出对应的干预方法。当被试做完心理测评后,可以根据测评报告的结果来判断是否需要对被试者进行干预治疗。和已有的心理测评系统不同的是,本发明不仅提供了具有可解释性的心理状态测评报告,还提供具有实时性、针对性强的心理干预方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于视觉认知注意的心理测评数据采集与干预方法流程示意图;
图2是本发明实施例提供的服务器响应客户端请求的流程示意图;
图3是本发明实施例提供的控制客户端的测评流程示意图;
图4是本发明实施例提供的图像认知高阶测评单个测试流程示意图;
图5是本发明实施例提供的图像认知眼动测评单个测试流程示意图;
图6是本发明实施例提供的主机客户端的测评流程示意图;
图7是本发明实施例提供的基于视觉认知注意的心理测评数据采集与干预系统框图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种基于视觉认知注意的心理测评数据采集与干预方法,该方法可以由基于视觉认知注意的心理测评数据采集与干预系统实现,该系统包括客户端和服务器;其中,客户端包括控制客户端和主机客户端;服务器包括数据服务器和云端算法服务器。如图1所示的基于视觉认知注意的心理测评数据采集方法与干预流程图,该方法的处理流程可以包括如下的步骤:
S1、控制客户端获取被试者的信息,并发送指令到服务器;其中,指令包括开始测评指令以及干预指令。
一种可行的实施方式中,系统启动的时候,眼动仪的驱动程序也会随之开启,此时,眼动仪只显示人的眼球在屏幕上的位置,但并不记录眼球在屏幕上的坐标点。其中,眼动仪可以是Tobii眼动仪。
一种可行的实施方式中,如图2所示,当客户端通过发送指令url(UniformResource Locator,统一资源定位器)请求给服务器时,服务器首先对当前用户进行鉴权,如果鉴权成功,则进入controls模块进行路由分发,根据url请求的参数和方法调用models模块中方法对数据进行读、取和分析等操作,这一系列操作完成后,通过相应的控制模块反馈给客户端相关信息,比如:操作是否成功、当前的状态码等信息。可以是controls模块通过路由分发进入到具体的control模块,然后在control模块中调用models模块中的方法完成对数据的操作,最后再返回到control模块中将相关信息反馈给客户端。
如图3所示,控制客户端的主程序启动之后,录入被试者的信息如编号、姓名等,选择需要测评的心理学实验范式并启动测评程序,直至测评完成。最后在控制客户端的信息管理界面查看并打印被试者的测评报告。
可选地,控制客户端包括信息录入模块以及数据管理模块。
1、信息录入模块获取被试者的信息,选择测评的实验范式,并发送开始测评指令到服务器。
一种可行的实施方式中,考虑不同业务场景的需求及被试者个人隐私数据的录入,信息录入模块用于输入不同被试者的个人信息,将数据保存在云端数据库后,就可以在当前的用户列表下显示当前被试者的个人信息,比如:姓名、性别等。当选中某一被试者后,在选择需要测评的实验范式并发送指令到主机客户端、进而进行心理学实验的测评,直到测评结束后,当前的用户退出。
2、数据管理模块根据接收的分析结果生成测评报告。
一种可行的实施方式中,数据管理模块可以根据查询条件(日期、测评类别、姓名、编号)查询不同被试者的个人信息以及相应的实验测评结果。在选择特定被试者后,可以查看被试者在测评过程中眼动特征保留最多的图像。根据眼动特征和反应时特征综合给出一个分数并展示特征和输出测评报告。最后根据测评报告的分数给出当前被试者的心理状态并给予相应的干预辅助治疗。
S2、服务器接收开始测评指令,并发送到主机客户端;主机客户端接收开始测评指令,并完成测评得到测评数据,将测评数据以数据流的形式传输到服务器;其中,测评数据包括眼动数据和按键数据。
一种可行的实施方式中,主机客户端在接收到控制客户端开始测评的指令后,数据服务器根据测评主机发出的http(Hyper Text Transfer Protocol,超文本传输协议)短连接及请求参数在数据库中查询出与相应心理学实验范式所对应的指导语以及指导语的展示形式,并将指导语序列化以数据流的形式传到主机客户端。
可选地,主机客户端包括测评模块以及干预模块。
1、测评模块根据开始测评指令完成测评,得到测评数据。
一种可行的实施方式中,主机客户端的功能是完成不同心理学实验范式的测评流程和干预流程,并将被试者的眼动数据和按键数据上传至云端服务器并进行分析,同时在本地进行备份。
可选地,测评模块包括图像认知高阶测评实验范式以及图像认知眼动测评实验范式。
可选地,图像认知高阶测评实验范式包括多组实验任务,多组实验任务的每组实验任务包括:
S11、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
一种可行的实施方式中,实验开始之前,以文字的形式向被试者说明实验流程及被试者需要做的任务,并根据任务中呈现出不同情绪状态的人脸做出不同的按键反应。
S12、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者注视圆点至圆点爆破。
一种可行的实施方式中,为了准确的采集被试的眼动注视轨迹数据,系统调用Tobii眼动校准的API(Application Programming Interface,应用程序接口)进入眼动校准阶段。
该阶段仅在正式进入第一组图像任务之前出现。眼动校准阶段屏幕中首先会出现一个长方形的框,框中显示眼动的位置。随后屏幕中央出现一个圆点,被试者需要盯至圆点爆破。然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要眼动将其盯至爆破。至此,眼动校准阶段完成。
S13、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
一种可行的实施方式中,每组任务开始之前,都将呈现大约持续1秒的黑屏阶段,该阶段的目的是确保解除被试者对上一组任务的注意。
S14、背景图像出现阶段:屏幕中随机出现一张带有情绪属性的背景图像,被试者观看背景图像,并由眼动仪记录被试者的眼动注视轨迹数据。
一种可行的实施方式中,完成眼动校准并进入正式的实验阶段后,眼动仪开始记录眼球在屏幕上位置的坐标(窗体中显示的两幅图像的左下角是起始坐标),并通过定时器或者测评主机的按键来切换心理学实验范式所对应的不同测评阶段,将实验范式的状态和眼动注视轨迹数据一并保存,直到测评结。
S15、情绪人脸出现阶段:背景图像出现一秒后,在背景图像上出现一张带有情绪属性的人脸情绪图像,被试者判断人脸情绪属性,并按下按键,通过人脸情绪图像出现的时间和被试者做出相应按键的时间来记录被试者的反应。
一种可行的实施方式中,背景图像出现一秒后,会在背景图像上出现一张带有情绪属性的人脸情绪图像,被试者需要判断出人脸情绪属性,并应尽快按下按键,通过人脸图像出现的时间和被试者做出相应按键的时间来记录被试者的反应时。
一种可行的实施方式中,如图4所示,图像认知高阶测评实验范式,一共有80组任务。在测评正式开始之前会有10组的训练阶段。当测评正式开始时首先会有1秒黑屏阶段,然后会出现一张背景图,1秒后背景图上会出现代表不同情绪状态的人脸,被试者需要根据不同情绪人脸进行按键做出相应的判断,直至训练阶段任务结束。然后被试者需要重复进行类似训练阶段的80组任务测试流程。在80组任务中,每组任务包含正性/负性/中性三张图像,人脸的情绪状态分为正性/负性两种情绪状态,图像来源主要是OASIS情绪图像库和ThuPis情绪图像库。
可选地,图像认知眼动测评实验范式包括多组实验任务,多组实验任务的每组实验任务包括:
S21、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
一种可行的实施方式中,实验开始之前,以文字的形式向被试者说明实验流程及被试者需要做的任务,并根据任务中呈现出不同情绪属性的人脸之后,被试者需要及时做出主观性判断并根据判断进行不同的按键反应。
S22、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要注视圆点至圆点爆破。
一种可行的实施方式中,该阶段仅在正式进入第一组图像任务之前出现。眼动校准阶段屏幕中首先会出现一个长方形的框,框中显示眼动的位置。随后屏幕中央出现一个圆点,被试者需将其盯至爆破。然后在屏幕上方、右下角和左下角会继续分别出现三个圆点,被试者需要移动眼动也将其盯至爆破。至此,眼动校准阶段完成。
S23、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
一种可行的实施方式中,每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒,以确保被试者的初始注意力在小十字上,小十字阶段的目的是为了确保被试者在一组任务结束之后仍然保持注意力集中,用于任务完成度判断。小十字消失后,进入下一阶段。
S24、小十字出现阶段:每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒。
S25、情绪图像出现阶段:当小十字消失后,屏幕的左右两边分别出现一幅带有正性情绪属性的图像和一幅带有负性情绪属性的图像,两幅图像出现的顺序是随机的,被试者观看两幅图像,被试者观看两幅图像的过程持续3秒,并由眼动仪记录被试者的眼动注视轨迹数据。
一种可行的实施方式中,当小十字消失后,屏幕的左右两边将分别出现一幅正性和一幅负性的带有情绪属性的图像,两幅图像出现的顺序是随机的,被试者可以自由观看这两幅图像,被试者观看两幅图像的过程持续时间是3秒。同时,眼动仪会记录被试者的眼动注视轨迹数据。
一种可行的实施方式中,如图5所示,图像认知眼动测评实验范式,一共有80组任务。当测评正式开始时,首先会有1秒黑屏阶段,然后在黑屏中央会出现一个白色小十字,该小十字会持续一秒的时间,随后会在屏幕的两侧出现一幅正性的图像和一幅负性的图像,被试者有三秒的时间进行自由观看。至此,一组任务结束。被试者重复进行80组上述测评任务,该测评流程才结束。在上述进行的80组任务中,每组任务中包含正性/负性/中性三张情绪图像,本范式的情绪图像来源主要两个情绪图像库,他们分别是OASIS和ThuPis。
一种可行的实施方式中,如图6所示,主机客户端主程序启动之后,开始等待控制客户端发出指令,当接收到相应的心理学范式开始测试的指令后,被试者首先阅读当前心理学实验范式的指导语,然后进入眼动校准阶段,当眼动校准成功之后,才可以进入正式的心理测试。测试完成后测试主机将眼动轨迹数据和按键数据上传至服务器进行数据分析,然后退出当前实验范式的界面,回到测试主机的主界面,等待下一个被试进行心理测评。
2、干预模块根据干预指令完成干预训练。
干预模块包括个性化交互绘图以及注意偏向训练。
可选地,个性化交互绘图包括:获取被试者测评数据中眼动特征和反应特征最多的四幅图像,四幅图像中的每幅图像设有相应的干预手绘图片,被试者描画干预手绘图片。
一种可行的实施方式中,个性化交互绘图模块是当被试者做完图像高阶认知测评的实验后,系统会找出能表示被试者的眼动特征和反应时特征最多的四幅图像作为当前被试者测评的敏感因子。同时,每一幅敏感图像都会带有相应的干预手绘图片,被试者可以描画手绘干预图像达到调节自身情绪的目的。
注意偏向训练包括:第一关设有两幅图像,两幅图像包括一幅带有正性情绪属性的图像以及一幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第二关设有四幅图像,四幅图像包括一幅带有正性情绪属性的图像以及三幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第三关设有八幅图像,八幅图像包括一幅带有正性情绪属性的图像以及七幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后重复第三关的过程。也可以以此规律逐渐增加干预难度。
一种可行的实施方式中,注意偏向训练模块的目的是被试者在做完图像眼动测评后,如果被试者的测评分数低于60分,说明本系统认定其抑郁或者有抑郁倾向。本系统就可以通过这个模块对被试者进行干预训练。此模块可以手动选关,也可以利用眼动机制进行闯关。具体来说,首先有两幅图像,其中有一幅是带有正性情绪属性的图像,被试者需要找到这幅图像并对其进行观察1-2秒,然后会自动进入下一关,下一关有4幅图像,其中只有一幅是正性情绪属性图像,再找出其中带有正性情绪属性的图像并注视它1-2秒,并进入下一关。每关的图像最多显示8张,如达到8张,则重复最后一关的过程。
可选地,S2中的将测评数据以数据流的形式传输到服务器包括:
主机客户端将采集的测评数据序列化为json字符串,并通过http短连接将测评数据以数据流的形式上传到数据服务器。
S3、云端算法服务器对测评数据进行分析,得到分析结果。
一种可行的实施方式中,云端算法服务器主要功能是数据的存储和查询以及对数据的分类等功能。同时,云端算法服务器用于分析眼动注视轨迹数据得出被试者是否抑郁以及抑郁的等级并给出相应的分数,最终完成对数据的存储。
S4、服务器将分析结果返回到控制客户端,控制客户端根据分析结果判断是否发送干预指令。
一种可行的实施方式中,服务器把眼动轨迹数据和按键数据输入给云端算法服务器并进行分析,分析结果由服务器返回到控制客户端并以心理测评报告的形式展示出来。
一种可行的实施方式中,云端数据服务器通过反序列化对数据进行业务逻辑层面的处理并存入数据库。
S5、数据服务器对分析结果进行保存和管理。
一种可行的实施方式中,数据服务器的功能是完成对被试信息和测评数据的查询、管理和分类。除此之外,数据服务器还有记录系统运行的日志和联调算法的功能。数据服务器将客户端传入的眼动和按键数据上传至云端算法服务器,特征数据经过云端算法服务器分析后,会得到分析的结果,分析的结果经过数据服务器存入云端数据库,至此,完成对测评数据的管理和分类。
可选地,主机客户端通过http 协议与服务器建立连接,主机客户端获取服务器中的图像资源,将图像资源以位图的格式保存,并将图像资源的数量作为系统首次加载进度条的长度。
一种可行的实施方式中,由于心理学实验范式需要大量的图片资源,所以当系统首次启动时,测评主机通过http协议和云端的服务器建立连接,云端的数据服务器获取数据库中所有图像资源的数量并将它们在测评主机上以位图的格式保存,并且将图像的数量作为系统首次加载进度条的长度,这种预加载的模式避免了每次系统启动都需要通过http短连接实时的请求云端服务器的图像资源。这样测评主机可以直接在本地直接加载不同实验范式所对应的图像资源,保证心理测评的顺利完成。同时,心理测评过程中采集的眼动注视轨迹数据还会在测评主机上备份,避免因网络流量波动或者服务器故障而导致数据丢失。
本发明实施例中,采用客户端和服务器分离的模式,将数据服务器和算法部署到云端,采集的眼动注视轨迹数据保存在云数据库,并配备技术过硬的防火墙系统以防遭到恶意攻击。本发明的云端部署相对于本地部署的优点是首先可以备份数据和应用程序,保证系统的正常运行的同时,避免了因网络和硬件配置不足而导致的软件瘫痪和数据丢失等问题。其次,可以实现整个测评和干预系统的简便和快速地部署和推广使用。同时,本发明采用存储和计算分离的架构,解藕计算和存储负载。这样使系统更加的健壮和鲁棒,如果计算层出现问题,可以很方便地进行故障修复,而且这种分离技术提高了系统的资源利用率,降低了成本。
将不同的实验范式用到的共同操作模块做成通用接口,使通用接口的调用和实现完全的解藕,只需要简单扩展配置即可完成新实验范式的开发。将不同的实验范式用到的共同操作模块做成通用接口大大减少了开发难度和开发工作量,进而达到降低整个系统复杂性的目的。本发明还提供了不同模块之间更清晰的分离,避免了因特殊用途的接口的具有高级权限而导致信息泄漏。从而保证了系统后续开发不同的心理学实验范式具有良好的扩展性和灵活性。
以往其它系统中使用的眼动仪只采集眼动注视轨迹数据,并不能分辨不同的心理学实验范式在当前时间点处于哪个阶段。本发明将实验范式的各个阶段和眼动仪开始记录眼动注视轨迹数据时的状态绑定,这样眼动仪在记录眼球的坐标位置的同时,也记录了当前时间点和当前的坐标所对应的实验范式的阶段。大大减少了数据冗余量,提高了系统的运行速度和效率。
本发明内包含图像认知高阶测评和图像认知眼动测评这两种心理学实验范式,并且根据这两种心理学实验范式所表征的认知特征分别提出对应的干预方法。当被试做完心理测评后,可以根据测评报告的结果来判断是否需要对被试者进行干预治疗。和已有的心理测评系统不同的是,本发明不仅提供了具有可解释性的心理状态测评报告,还提供具有实时性、针对性强的心理干预方法。
如图7所示,本发明实施例提供了一种基于视觉认知注意的心理测评数据采集与干预系统,该系统应用于实现基于视觉认知注意的心理测评数据采集与干预方法,该系统包括客户端和服务器;其中,客户端包括控制客户端和主机客户端;服务器包括数据服务器和云端算法服务器。如图7所示的基于视觉认知注意的心理测评数据采集与干预系统框图,其中:
客户端,用于获取被试者的信息,并发送指令到服务器;其中,指令包括开始测评指令以及干预指令;根据分析结果判断是否发送干预指令。
服务器,用于接收开始测评指令,并发送到主机客户端;主机客户端接收开始测评指令,并完成测评得到测评数据,将测评数据以数据流的形式传输到服务器;其中,测评数据包括眼动数据和按键数据;对测评数据进行分析,得到分析结果;将分析结果返回到控制客户端;对分析结果进行保存和管理。
可选地,控制客户端包括信息录入模块以及数据管理模块。
客户端,进一步用于:
信息录入模块获取被试者的信息,选择测评的实验范式,并发送开始测评指令到服务器。
数据管理模块根据接收的分析结果生成测评报告。
可选地,主机客户端包括测评模块以及干预模块。
客户端,进一步用于:
测评模块根据开始测评指令完成测评,得到测评数据。
干预模块根据干预指令完成干预训练。
可选地,测评模块包括图像认知高阶测评实验范式以及图像认知眼动测评实验范式。
干预模块包括个性化交互绘图以及注意偏向训练。
可选地,客户端,进一步用于:
S11、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S12、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者注视圆点至圆点爆破。
S13、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S14、背景图像出现阶段:屏幕中随机出现一张带有情绪属性的背景图像,被试者观看背景图像,并由眼动仪记录被试者的眼动注视轨迹数据。
S15、情绪人脸出现阶段:背景图像出现一秒后,在背景图像上出现一张带有情绪属性的人脸情绪图像,被试者判断人脸情绪属性,并按下按键,通过人脸情绪图像出现的时间和被试者做出相应按键的时间来记录被试者的反应。
可选地,客户端,进一步用于:
S21、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务。
S22、眼动校准阶段:首先屏幕中出现长方形的框,框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要注视圆点至圆点爆破。
S23、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段。
S24、小十字出现阶段:每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒。
S25、情绪图像出现阶段:当小十字消失后,屏幕的左右两边分别出现一幅带有正性情绪属性的图像和一幅带有负性情绪属性的图像,两幅图像出现的顺序是随机的,被试者观看两幅图像,被试者观看两幅图像的过程持续3秒,并由眼动仪记录被试者的眼动注视轨迹数据。
可选地,客户端,进一步用于:
获取被试者测评数据中眼动特征和反应特征最多的四幅图像,四幅图像中的每幅图像设有相应的干预手绘图片,被试者描画干预手绘图片。
注意偏向训练包括:第一关设有两幅图像,两幅图像包括一幅带有正性情绪属性的图像以及一幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第二关设有四幅图像,四幅图像包括一幅带有正性情绪属性的图像以及三幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第三关设有八幅图像,八幅图像包括一幅带有正性情绪属性的图像以及七幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后重复第三关的过程。
可选地,客户端,进一步用于:
主机客户端将采集的测评数据序列化为json字符串,并通过http短连接将测评数据以数据流的形式上传到数据服务器。
可选地,主机客户端通过http协议与服务器建立连接,主机客户端获取服务器中的图像资源,将图像资源以位图的格式保存,并将图像资源的数量作为系统首次加载进度条的长度。
本发明实施例中,采用客户端和服务器分离的模式,将数据服务器和算法部署到云端,采集的眼动注视轨迹数据保存在云数据库,并配备技术过硬的防火墙系统以防遭到恶意攻击。本发明的云端部署相对于本地部署的优点是首先可以备份数据和应用程序,保证系统的正常运行的同时,避免了因网络和硬件配置不足而导致的软件瘫痪和数据丢失等问题。其次,可以实现整个测评和干预系统的简便和快速地部署和推广使用。同时,本发明采用存储和计算分离的架构,解藕计算和存储负载。这样使系统更加的健壮和鲁棒,如果计算层出现问题,可以很方便地进行故障修复,而且这种分离技术提高了系统的资源利用率,降低了成本。
将不同的实验范式用到的共同操作模块做成通用接口,使通用接口的调用和实现完全的解藕,只需要简单扩展配置即可完成新实验范式的开发。将不同的实验范式用到的共同操作模块做成通用接口大大减少了开发难度和开发工作量,进而达到降低整个系统复杂性的目的。本发明还提供了不同模块之间更清晰的分离,避免了因特殊用途的接口的具有高级权限而导致信息泄漏。从而保证了系统后续开发不同的心理学实验范式具有良好的扩展性和灵活性。
以往其它系统中使用的眼动仪只采集眼动注视轨迹数据,并不能分辨不同的心理学实验范式在当前时间点处于哪个阶段。本发明将实验范式的各个阶段和眼动仪开始记录眼动注视轨迹数据时的状态绑定,这样眼动仪在记录眼球的坐标位置的同时,也记录了当前时间点和当前的坐标所对应的实验范式的阶段。大大减少了数据冗余量,提高了系统的运行速度和效率。
本发明内包含图像认知高阶测评和图像认知眼动测评这两种心理学实验范式,并且根据这两种心理学实验范式所表征的认知特征分别提出对应的干预方法。当被试做完心理测评后,可以根据测评报告的结果来判断是否需要对被试者进行干预治疗。和已有的心理测评系统不同的是,本发明不仅提供了具有可解释性的心理状态测评报告,还提供具有实时性、针对性强的心理干预方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于视觉认知注意的心理测评数据采集与干预方法,其特征在于,所述方法由基于视觉认知注意的心理测评数据采集与干预系统实现,所述系统包括客户端和服务器;其中,所述客户端包括控制客户端和主机客户端;所述服务器包括数据服务器和云端算法服务器,所述方法包括:
S1、所述控制客户端获取被试者的信息,并发送指令到所述服务器;其中,所述指令包括开始测评指令以及干预指令;
S2、所述服务器接收所述开始测评指令,并发送到所述主机客户端;所述主机客户端接收所述开始测评指令,并完成测评得到测评数据,将所述测评数据以数据流的形式传输到所述服务器;其中,所述测评数据包括眼动数据和按键数据;
S3、所述云端算法服务器对所述测评数据进行分析,得到分析结果;
S4、所述服务器将所述分析结果返回到所述控制客户端,所述控制客户端根据所述分析结果判断是否发送干预指令;
S5、所述数据服务器对所述分析结果进行保存和管理。
2.根据权利要求1所述的方法,其特征在于,所述控制客户端包括信息录入模块以及数据管理模块;
所述信息录入模块获取被试者的信息,选择测评的实验范式,并发送开始测评指令到所述服务器;
所述数据管理模块根据接收的分析结果生成测评报告。
3.根据权利要求1所述的方法,其特征在于,所述主机客户端包括测评模块以及干预模块;
所述测评模块根据开始测评指令完成测评,得到测评数据;
所述干预模块根据干预指令完成干预训练。
4.根据权利要求3所述的方法,其特征在于,所述测评模块包括图像认知高阶测评实验范式以及图像认知眼动测评实验范式;
所述干预模块包括个性化交互绘图以及注意偏向训练。
5.根据权利要求4所述的方法,其特征在于,所述图像认知高阶测评实验范式包括多组实验任务,所述多组实验任务的每组实验任务包括:
S11、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务;
S12、眼动校准阶段:首先屏幕中出现长方形的框,所述框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后会在屏幕上方、右下角和左下角分别出现三个圆点,被试者注视圆点至圆点爆破;
S13、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段;
S14、背景图像出现阶段:屏幕中随机出现一张带有情绪属性的背景图像,被试者观看所述背景图像,并由眼动仪记录被试者的眼动注视轨迹数据;
S15、情绪人脸出现阶段:所述背景图像出现一秒后,在所述背景图像上出现一张带有情绪属性的人脸情绪图像,被试者判断人脸情绪属性,并按下按键,通过人脸情绪图像出现的时间和被试者做出相应按键的时间来记录被试者的反应。
6.根据权利要求4所述的方法,其特征在于,所述图像认知眼动测评实验范式包括多组实验任务,所述多组实验任务的每组实验任务包括:
S21、实验提示语阶段:实验任务开始前,以文字的形式向被试者说明实验流程及任务;
S22、眼动校准阶段:首先屏幕中出现长方形的框,所述框中显示眼动的位置;随后屏幕中央出现圆点,被试者注视圆点至圆点爆破;然后在屏幕上方、右下角和左下角分别出现三个圆点,被试者需要注视圆点至圆点爆破;
S23、黑屏阶段:每组实验任务开始之前,将呈现1秒的黑屏阶段;
S24、小十字出现阶段:每组任务开始之前,在黑色背景下的屏幕中央会呈现一个白色的小十字,小十字会持续1秒;
S25、情绪图像出现阶段:当小十字消失后,屏幕的左右两边分别出现一幅带有正性情绪属性的图像和一幅带有负性情绪属性的图像,两幅图像出现的顺序是随机的,被试者观看两幅图像,被试者观看两幅图像的过程持续3秒,并由眼动仪记录被试者的眼动注视轨迹数据。
7.根据权利要求4所述的方法,其特征在于,所述个性化交互绘图包括:获取被试者测评数据中眼动特征和反应特征最多的四幅图像,所述四幅图像中的每幅图像设有相应的干预手绘图片,被试者描画所述干预手绘图片;
所述注意偏向训练包括:第一关设有两幅图像,两幅图像包括一幅带有正性情绪属性的图像以及一幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第二关设有四幅图像,四幅图像包括一幅带有正性情绪属性的图像以及三幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后进入下一关;第三关设有八幅图像,八幅图像包括一幅带有正性情绪属性的图像以及七幅带有负性情绪属性的图像,被试者选择带有正性情绪属性的图像并观察1-2秒,完成后重复第三关的过程。
8.根据权利要求1所述的方法,其特征在于,所述S2中的将所述测评数据以数据流的形式传输到所述服务器包括:
所述主机客户端将采集的测评数据序列化为json字符串,并通过超文本传输协议http短连接将所述测评数据以数据流的形式上传到数据服务器。
9.根据权利要求1所述的方法,其特征在于,所述主机客户端通过http协议与所述服务器建立连接,所述主机客户端获取所述服务器中的图像资源,将所述图像资源以位图的格式保存,并将图像资源的数量作为系统首次加载进度条的长度。
10.一种基于视觉认知注意的心理测评数据采集与干预系统,其特征在于,所述系统包括客户端和服务器;其中,所述客户端包括控制客户端和主机客户端;所述服务器包括数据服务器和云端算法服务器;其中:
所述客户端,用于获取被试者的信息,并发送指令到所述服务器;其中,所述指令包括开始测评指令以及干预指令;根据所述分析结果判断是否发送干预指令;
所述服务器,用于接收所述开始测评指令,并发送到所述主机客户端;所述主机客户端接收所述开始测评指令,并完成测评得到测评数据,将所述测评数据以数据流的形式传输到所述服务器;其中,所述测评数据包括眼动数据和按键数据;对所述测评数据进行分析,得到分析结果;将所述分析结果返回到所述控制客户端;对所述分析结果进行保存和管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159451.4A CN114220522B (zh) | 2022-02-22 | 2022-02-22 | 基于视觉认知注意的心理测评数据采集与干预方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159451.4A CN114220522B (zh) | 2022-02-22 | 2022-02-22 | 基于视觉认知注意的心理测评数据采集与干预方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114220522A true CN114220522A (zh) | 2022-03-22 |
CN114220522B CN114220522B (zh) | 2022-05-27 |
Family
ID=80709188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210159451.4A Active CN114220522B (zh) | 2022-02-22 | 2022-02-22 | 基于视觉认知注意的心理测评数据采集与干预方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114220522B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974517A (zh) * | 2022-08-01 | 2022-08-30 | 北京科技大学 | 基于模拟场景与交互任务设计的社交焦虑干预方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160203729A1 (en) * | 2015-01-08 | 2016-07-14 | Happify, Inc. | Dynamic interaction system and method |
CN107233104A (zh) * | 2017-05-27 | 2017-10-10 | 西南交通大学 | 认知分心测评方法和系统 |
CN109272259A (zh) * | 2018-11-08 | 2019-01-25 | 梁月竹 | 一种孤独症谱系障碍儿童情绪能力干预系统及方法 |
CN109589122A (zh) * | 2018-12-18 | 2019-04-09 | 中国科学院深圳先进技术研究院 | 一种认知能力测评系统及方法 |
-
2022
- 2022-02-22 CN CN202210159451.4A patent/CN114220522B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160203729A1 (en) * | 2015-01-08 | 2016-07-14 | Happify, Inc. | Dynamic interaction system and method |
CN107233104A (zh) * | 2017-05-27 | 2017-10-10 | 西南交通大学 | 认知分心测评方法和系统 |
CN109272259A (zh) * | 2018-11-08 | 2019-01-25 | 梁月竹 | 一种孤独症谱系障碍儿童情绪能力干预系统及方法 |
CN109589122A (zh) * | 2018-12-18 | 2019-04-09 | 中国科学院深圳先进技术研究院 | 一种认知能力测评系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974517A (zh) * | 2022-08-01 | 2022-08-30 | 北京科技大学 | 基于模拟场景与交互任务设计的社交焦虑干预方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114220522B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220044824A1 (en) | Systems and methods to assess cognitive function | |
CN106691476B (zh) | 基于眼动特征的图像认知心理分析系统 | |
KR101772987B1 (ko) | 스캔 이미지를 이용한 심리검사결과 제공 방법 | |
US6743022B1 (en) | System and method for automated self measurement of alertness equilibrium and coordination and for ventification of the identify of the person performing tasks | |
Moshfeghi et al. | An effective implicit relevance feedback technique using affective, physiological and behavioural features | |
Daniels et al. | A framework for evaluating usability of clinical monitoring technology | |
Haimson et al. | Electrophysiological correlates of stimulus equivalence processes | |
KR20090015310A (ko) | 네트워크를 통한 심리진단결과에 기초한 진료 또는 상담의자동예약시스템 및 방법 및 이에 사용되는 심리상담시스템 | |
Brederoo et al. | Reproducibility of visual-field asymmetries: Nine replication studies investigating lateralization of visual information processing | |
Zhang et al. | Refixation patterns of mind-wandering during real-world scene perception. | |
CN114209324A (zh) | 基于图像视觉认知的心理测评数据获取方法及vr系统 | |
CN114220522B (zh) | 基于视觉认知注意的心理测评数据采集与干预方法及系统 | |
Hijazi et al. | Quality evaluation of modern code reviews through intelligent biometric program comprehension | |
WO2022057840A1 (zh) | 脑认知功能检测系统 | |
CN113658697B (zh) | 一种基于视频注视差异的心理测评系统 | |
JP2024512045A (ja) | メンタルヘルスを診断および監視するための視覚システム | |
CN103251418A (zh) | 一种图像认知心理分析系统 | |
CN111341444B (zh) | 智能绘画评分方法及系统 | |
Blankertz et al. | 23—BCI APPLICATIONS FOR THE GENERAL POPULATION | |
Ji et al. | Characterizing Information Seeking Processes with Multiple Physiological Signals | |
JP2014197373A (ja) | インターネットアンケートシステム、コンピュータプログラム | |
KR101914736B1 (ko) | 뇌질환 환자의 언어재활을 위한 온라인 평가 방법 | |
WO2020111962A1 (ru) | Система для коммуникации пользователей без использования мышечных движений и речи | |
WO2021192704A1 (ja) | 認知機能障害診断装置および認知機能障害診断プログラム | |
CN110765987B (zh) | 创新行为特征的量化方法、装置和电子设备 |
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: 20230328 Address after: Room 504, Floor 5, Block A, Building 11, Shinan Software Park, 288 Ningxia Road, Shinan District, Qingdao, Shandong 266073 Patentee after: Shandong Xinfa Technology Co.,Ltd. Address before: 100083 No. 30, Haidian District, Beijing, Xueyuan Road Patentee before: University OF SCIENCE AND TECHNOLOGY BEIJING |