CN115101203A - 心理健康指数评估方法及系统 - Google Patents

心理健康指数评估方法及系统 Download PDF

Info

Publication number
CN115101203A
CN115101203A CN202210677174.6A CN202210677174A CN115101203A CN 115101203 A CN115101203 A CN 115101203A CN 202210677174 A CN202210677174 A CN 202210677174A CN 115101203 A CN115101203 A CN 115101203A
Authority
CN
China
Prior art keywords
user
data
curve graph
psychological
mental health
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
CN202210677174.6A
Other languages
English (en)
Inventor
白雪扬
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 Xueyang Technology Co ltd
Original Assignee
Beijing Xueyang 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 Beijing Xueyang Technology Co ltd filed Critical Beijing Xueyang Technology Co ltd
Priority to CN202210677174.6A priority Critical patent/CN115101203A/zh
Publication of CN115101203A publication Critical patent/CN115101203A/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
    • 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
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • 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
    • A61B5/02—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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Educational Technology (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种心理健康指数评估方法及系统，方法包括构建心理健康危险指数评估模型；基于PPG方式，实时采集用户原始脉搏波数据；对原始脉搏波数据进行数据处理，得到用户生理数据；将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数；基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数。

Description

心理健康指数评估方法及系统
技术领域
本发明涉及心理健康技术领域，尤其涉及一种心理健康指数评估方法及系统。
背景技术
心理健康是指一种持续且积极发展的心理状态，在这种状态下，主体能做出良好的适应，并且充分发挥其身心潜能。如何保持人们的心理健康，以及对出现心理问题的人进行积极干预疏导对整个家庭、社会和公司都具有极大的重要性。
目前，现有的心理健康评估方法大多采用问卷或沙盘等方式对用户的心理健康进行评估，比如专利申请公布号为CN110279425A的专利申请：基于智能分析的心理评估方法及系统，即是以沙盘的方式对用户的心理健康进行评估，但该方法需要用户主动进行心理测评配合，而大多数用户基本不会认为自己存在心理健康隐患，所以很少主动去配合进行心理测评，可一旦用户发觉自身存在心理健康隐患时，则该心理健康隐患可能已经从早期发展到中期或晚期，因此，亟需一种心理健康指数评估方法及系统，该方法对应的系统设置于智能可穿戴设备中，用于实时监测用户生理数据并基于此评估用户心理健康指数，解决了现有技术中用户无法实时对自身的心理健康评估指数进行了解的问题。
发明内容
针对现有技术的不足，本发明提供一种心理健康指数评估方法及系统，该方法对应的系统设置于智能可穿戴设备中，用于实时监测用户生理数据并基于此评估用户心理健康指数，解决了现有技术中用户无法实时对自身的心理健康评估指数进行了解的问题。
一种心理健康指数评估方法，包括：
构建心理健康危险指数评估模型；
基于PPG方式，实时采集用户原始脉搏波数据；
对原始脉搏波数据进行数据处理，得到用户生理数据；
将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数；
基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数。
作为本发明的一种实施例，构建心理健康危险指数评估模型包括：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，问题生理数据包括生理状态数据和心理状态数据，生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干用户生理参数曲线图和若干用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到心理健康危险指数评估模型。
作为本发明的一种实施例，用户生理数据包括心率、血压、血氧和心率变异性参数。
作为本发明的一种实施例，将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数，包括：
对用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，用户生理状态数据包括心率、血压和血氧，用户心理状态数据包括心率变异性参数；
根据用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将用户生理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户生理数据曲线图的相似度大于预设第一相似阈值的心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将用户心理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户心理数据曲线图的相似度大于预设第二相似阈值的心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对第一危险数值和第二危险数值进行加权求和计算，得到用户心理健康危险指数。
作为本发明的一种实施例，一种心理健康指数评估方法还包括：预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于心理健康危险指数评估模型的构建方法，根据第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到个性化心理健康危险指数评估模型。
一种心理健康指数评估系统，包括：
构建模块，用于构建心理健康危险指数评估模型；
采集模块，用于基于PPG方式，实时采集用户原始脉搏波数据；
处理模块，用于对原始脉搏波数据进行数据处理，得到用户生理数据；
处理模块，还用于将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数；
计算模块，用于基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数。
作为本发明的一种实施例，构建模块执行包括如下操作：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，问题生理数据包括生理状态数据和心理状态数据，生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干用户生理参数曲线图和若干用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到心理健康危险指数评估模型。
作为本发明的一种实施例，用户生理数据包括心率、血压、血氧和心率变异性参数。
作为本发明的一种实施例，处理模块还用于执行包括如下操作：
对用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，用户生理状态数据包括心率、血压和血氧，用户心理状态数据包括心率变异性参数；
根据用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将用户生理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户生理数据曲线图的相似度大于预设第一相似阈值的心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将用户心理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户心理数据曲线图的相似度大于预设第二相似阈值的心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对第一危险数值和第二危险数值进行加权求和计算，得到用户心理健康危险指数。
作为本发明的一种实施例，一种心理健康指数评估系统还包括：个性化构建模块，用于预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于心理健康危险指数评估模型的构建方法，根据第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到个性化心理健康危险指数评估模型。
本发明的有益效果为：本发明设置在智能可穿戴设备中，结合用户当前的多项生理参数评估用户心理健康状态，用于实时监测用户生理数据并基于此评估用户心理健康指数，解决了现有技术中用户无法实时对自身的心理健康评估指数进行了解的问题。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种心理健康指数评估方法及系统的方法流程图；
图2为本发明实施例中一种心理健康指数评估方法及系统中初始状态下的系统示意图；
图3为本发明实施例中一种心理健康指数评估方法及系统中预设时间后的系统示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1，本发明实施例提供了一种心理健康指数评估方，包括：
构建心理健康危险指数评估模型；
基于PPG方式，实时采集用户原始脉搏波数据；
对原始脉搏波数据进行数据处理，得到用户生理数据；
将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数；
基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数；
上述技术方案的工作原理为：本发明主要应用于智能穿戴设备内，用于基于用户生理状态和心理状态，双重评估当前用户的心理健康指数，评估方法如下：首先构建心理健康危险指数评估模型，该模型优选在对应设备生产时构建完成，然后根据智能穿戴设备上的对应设备，基于PPG(photoplethysmographic)方式，实时采集用户原始脉搏波数据，得到原始脉搏波数据后，对原始脉搏波数据进行数据处理，得到用户生理数据，该用户生理数据优选包括心率、血压、血氧和心率变异性参数，其中，基于原始脉搏波数据提取用户生理数据的方法属于本领域人员公知的方法，此处便不一一赘述了，得到用户生理数据后，将该用户生理数据作为输入，传输至之前构建好的心理健康危险指数评估模型中，得到有关该用户的用户心理健康危险指数，值得说明的是，此处输入的用户生理数据通常为该用户一天内的所有用户生理数据，由此，得到的用户心理健康危险指数则用于预测当日用户的心理健康危险状态，最后，基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数，其中，预设心理健康危险指数转换规则优选为：HEALTH＝ALL-DANGEROUS；其中，HEALTH为用户心理健康指数，ALL为预设的总平衡值，DANGEROUS为用户心理健康危险指数；
上述技术方案的有益效果为：本发明设置在智能可穿戴设备中，结合用户当前的多项生理参数评估用户心理健康状态，通过对生理参数的检测提高评估客观性，通过智能可穿戴设备的佩戴性实时评估用户心理健康问题，提高评估效率。
在一个实施例中，构建心理健康危险指数评估模型包括：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，问题生理数据包括生理状态数据和心理状态数据，生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干用户生理参数曲线图和若干用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到心理健康危险指数评估模型；
上述技术方案的工作原理为：优选在对应设备出厂前完成对心理健康危险指数评估模型的构建，其中，构建过程如下：首先，构建初始预测模型，该初始预测模型优选采用初始化的分类预测模型，然后基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，问题生理数据包括生理状态数据和心理状态数据，生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，心理状态数据包括问题心率变异性参数；再基于大数据AI算法，分别根据相同病历中每一生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；其中，曲线图横坐标的单位优选为分钟，其纵坐标的取值优选为1分钟之内对应生理/心理状态数据的平均值；再分别对若干用户生理参数曲线图和若干用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；采用曲线拟合的方法可以快速分析得到某一生理/心理状态数据与时间变化之间的关系，并准确制定基准图；基于预设的与每一病历相对应的危险数值，对生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图，该步骤用于根据曲线图对应的病历的危险系数对曲线图进行标记；将预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到心理健康危险指数评估模型；优选的，模型的输入为任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图，训练条件为训练生理数据曲线图和训练心理数据曲线图与对应的标记生理数据基准曲线图和标记心理数据基准曲线图的相似度达到预设阈值，输出为达到预设阈值后对应的标记生理数据基准曲线图和标记心理数据基准曲线图标记的危险数值，训练直至准确率达到预设准确率时完成训练；
上述技术方案的有益效果为：通过采用预先采集配置的大规模病历数据库和大数据AI算法训练心理健康危险指数评估模型，有益于提高心理健康危险指数评估模型输出结果的客观性。
在一个实施例中，用户生理数据包括心率、血压、血氧和心率变异性参数；
上述技术方案的有益效果为：基于心率、血压、血氧和心率变异性参数，从生理状态和心理状态的双重角度下评估当前用户的心理健康指数，有益于提高评估的准确性。
在一个实施例中，将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数，包括：
对用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，用户生理状态数据包括心率、血压和血氧，用户心理状态数据包括心率变异性参数；
根据用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将用户生理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户生理数据曲线图的相似度大于预设第一相似阈值的心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将用户心理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户心理数据曲线图的相似度大于预设第二相似阈值的心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对第一危险数值和第二危险数值进行加权求和计算，得到用户心理健康危险指数；
上述技术方案的工作原理为：当该方法对应的系统配合智能穿戴设备进行使用后，将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数，包括：对用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，用户生理状态数据包括心率、血压和血氧，用户心理状态数据包括心率变异性参数；更进一步地，该用户生理数据包括该用户一天内的所有采集的用户生理数据；然后根据用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；并根据用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；其中，用户生理数据曲线图和用户心理数据曲线图的构建方法与心理健康危险指数评估模型中训练生理数据曲线图和训练心理数据曲线图的构建方法相同；将用户生理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户生理数据曲线图的相似度大于预设第一相似阈值的心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；将用户心理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户心理数据曲线图的相似度大于预设第二相似阈值的心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；基于预设权重值，对第一危险数值和第二危险数值进行加权求和计算，得到用户心理健康危险指数；计算方法优选为：DANGEROUS＝α*dangerous1+β*dangerous2，其中，DANGEROUS为用户心理健康危险指数，dangerous1为第一危险值，dangerous2为第二危险值，α和β为预设权重值，且α+β＝1，β远大于α；
上述技术方案的有益效果为：通过设置心理健康危险指数评估模型，每日将智能穿戴设备上设置的对应模块采集用户生理数据进行对应处理，得到用户心理健康危险指数，有效提高了用户心理健康指数评估的效率。
在一个实施例中，一种心理健康指数评估方法还包括：预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于心理健康危险指数评估模型的构建方法，根据第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到个性化心理健康危险指数评估模型；
上述技术方案的工作原理为：心理健康危险指数评估模型优选为对应设备在出厂期间完成构建，而为了更好的适应每一位用户，且在评估期间减少评估时间，提高评估效率，当预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型，实现个性化评估；其中，个性化心理健康危险指数评估模型构建过程包括如下过程，首先，当该方法对应的产品的启用时间达到预设时间时，个性化心理健康危险指数评估模型对应的构建模块接收到其他模块发送的构建指令后，开始构建初始预测模型，同样的，该初始预测模型优选采用初始化后的预测分类模型，同时，开始接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳，时间戳用于对个性化用户生理数据中相同类型的数据进行排序，便于提高后续调用的时间；然后根据个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪，包括：通过个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪，预测方法优选为通过预先设置好的公式集，将个性化心率变异性参数带入得到对应情绪值，并根据情绪值得到对应情绪，其中，异常情绪又包括愤怒、心慌、抑郁等异常情绪，而公式集的设置方法优选为：首先对训练用的心率变异性参数进行数值指数处理；然后结合预先配置的大规模病历数据库中的各种实际病历情况和情绪稳点性对应各所述心率变异性参数建立用于评估各所述情绪指标的公式集；得到当前用户的心脏年龄和每日频发的异常情绪后，根据当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；再获取预设时间段内心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；基于心理健康危险指数评估模型的构建方法，根据第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；并根据第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；然后基于预设的与每一病历相对应的危险数值，对第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；再将第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到初始预测模型中，最后对初始预测模型进行训练以得到个性化心理健康危险指数评估模型；
上述技术方案的有益效果为：通过设置个性化心理健康危险指数评估模型，对比心理健康危险指数评估模型降低了模型中的分类对象的数量，同时更符合当前用户的心理健康评估需求，有益于在评估期间减少评估时间，提高评估效率。
一种心理健康指数评估系统，包括：
构建模块，用于构建心理健康危险指数评估模型；
采集模块，用于基于PPG方式，实时采集用户原始脉搏波数据；
处理模块，用于对原始脉搏波数据进行数据处理，得到用户生理数据；
处理模块，还用于将用户生理数据输入至心理健康危险指数评估模型中，得到用户心理健康危险指数；
计算模块，用于基于预设心理健康危险指数转换规则，对用户心理健康危险指数进行转换，得到用户心理健康指数。
在一个实施例中，构建模块执行包括如下操作：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，问题生理数据包括生理状态数据和心理状态数据，生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干用户生理参数曲线图和若干用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到心理健康危险指数评估模型。
在一个实施例中，用户生理数据包括心率、血压、血氧和心率变异性参数。
在一个实施例中，处理模块还用于执行包括如下操作：
对用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，用户生理状态数据包括心率、血压和血氧，用户心理状态数据包括心率变异性参数；
根据用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将用户生理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户生理数据曲线图的相似度大于预设第一相似阈值的心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将用户心理数据曲线图输入至心理健康危险指数评估模型中，心理健康危险指数评估模型输出与用户心理数据曲线图的相似度大于预设第二相似阈值的心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对第一危险数值和第二危险数值进行加权求和计算，得到用户心理健康危险指数。
在一个实施例中，一种心理健康指数评估系统还包括个性化构建模块，用于预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于心理健康危险指数评估模型的构建方法，根据第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到初始预测模型中，对初始预测模型进行训练以得到个性化心理健康危险指数评估模型。
该一种心理健康指数评估系统中不同内部功能模块的工作原理和有益效果可参照上述关于一种心理健康指数评估方法中对应提及的工作原理和有益效果，这里就不再做重复的累述了。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种心理健康指数评估方法，其特征在于，包括：
构建心理健康危险指数评估模型；
基于PPG方式，实时采集用户原始脉搏波数据；
对所述原始脉搏波数据进行数据处理，得到用户生理数据；
将所述用户生理数据输入至所述心理健康危险指数评估模型中，得到用户心理健康危险指数；
基于预设心理健康危险指数转换规则，对所述用户心理健康危险指数进行转换，得到用户心理健康指数。
2.根据权利要求1所述的一种心理健康指数评估方法，其特征在于，所述构建心理健康危险指数评估模型包括：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，所述问题生理数据包括生理状态数据和心理状态数据，所述生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，所述心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一所述生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干所述用户生理参数曲线图和若干所述用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对所述生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将所述预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到所述初始预测模型中，对所述初始预测模型进行训练以得到所述心理健康危险指数评估模型。
3.根据权利要求1所述的一种心理健康指数评估方法，其特征在于，所述用户生理数据包括心率、血压、血氧和心率变异性参数。
4.根据权利要求1所述的一种心理健康指数评估方法，其特征在于，所述将所述用户生理数据输入至所述心理健康危险指数评估模型中，得到用户心理健康危险指数，包括：
对所述用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，所述用户生理状态数据包括心率、血压和血氧，所述用户心理状态数据包括心率变异性参数；
根据所述用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据所述用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将所述用户生理数据曲线图输入至所述心理健康危险指数评估模型中，所述心理健康危险指数评估模型输出与所述用户生理数据曲线图的相似度大于预设第一相似阈值的所述心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将所述用户心理数据曲线图输入至所述心理健康危险指数评估模型中，所述心理健康危险指数评估模型输出与所述用户心理数据曲线图的相似度大于预设第二相似阈值的所述心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对所述第一危险数值和所述第二危险数值进行加权求和计算，得到用户心理健康危险指数。
5.根据权利要求2所述的一种心理健康指数评估方法，其特征在于，还包括：预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
所述个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，所述个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据所述个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过所述个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过所述个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据所述当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与所述当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内所述心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于所述心理健康危险指数评估模型的构建方法，根据所述第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据所述第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对所述第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将所述第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到所述初始预测模型中，对所述初始预测模型进行训练以得到所述个性化心理健康危险指数评估模型。
6.一种心理健康指数评估系统，其特征在于，包括：
构建模块，用于构建心理健康危险指数评估模型；
采集模块，用于基于PPG方式，实时采集用户原始脉搏波数据；
处理模块，用于对所述原始脉搏波数据进行数据处理，得到用户生理数据；
所述处理模块，还用于将所述用户生理数据输入至所述心理健康危险指数评估模型中，得到用户心理健康危险指数；
计算模块，用于基于预设心理健康危险指数转换规则，对所述用户心理健康危险指数进行转换，得到用户心理健康指数。
7.根据权利要求6所述的一种心理健康指数评估系统，其特征在于，所述构建模块执行包括如下操作：
构建初始预测模型；
基于预先采集配置的大规模病历数据库，得到若干问题生理数据；其中，所述问题生理数据包括生理状态数据和心理状态数据，所述生理状态数据包括问题用户每日的问题心率、问题血压、问题血氧，所述心理状态数据包括问题心率变异性参数；
基于大数据AI算法，分别根据相同病历中每一所述生理状态数据和心理状态数据构建状态数据与时间变化的生理数据曲线图和心理数据曲线图，得到若干相同病历的用户生理参数曲线图和用户心理参数曲线图；
分别对若干所述用户生理参数曲线图和若干所述用户心理参数曲线图进行曲线拟合，得到经曲线拟合后的生理数据基准曲线图和心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对所述生理数据基准曲线图和心理数据基准曲线图进行数值标记，得到标记生理数据基准曲线图和标记心理数据基准曲线图；
将所述预先采集配置的大规模病历数据库中，任一问题生理数据构建的状态数据与时间变化的训练生理数据曲线图和训练心理数据曲线图、标记生理数据基准曲线图和标记心理数据基准曲线图输入到所述初始预测模型中，对所述初始预测模型进行训练以得到所述心理健康危险指数评估模型。
8.根据权利要求6所述的一种心理健康指数评估系统，其特征在于，所述用户生理数据包括心率、血压、血氧和心率变异性参数。
9.根据权利要求6所述的一种心理健康指数评估系统，其特征在于，所述处理模块还用于执行包括如下操作：
对所述用户生理数据进行划分处理，得到用户生理状态数据和用户心理状态数据；其中，所述用户生理状态数据包括心率、血压和血氧，所述用户心理状态数据包括心率变异性参数；
根据所述用户生理状态数据构建状态数据与时间变化的用户生理数据曲线图；
根据所述用户心理状态数据构建状态数据与时间变化的用户心理数据曲线图；
将所述用户生理数据曲线图输入至所述心理健康危险指数评估模型中，所述心理健康危险指数评估模型输出与所述用户生理数据曲线图的相似度大于预设第一相似阈值的所述心理健康危险指数评估模型中标记生理数据基准曲线图对应的危险数值，作为第一危险数值；
将所述用户心理数据曲线图输入至所述心理健康危险指数评估模型中，所述心理健康危险指数评估模型输出与所述用户心理数据曲线图的相似度大于预设第二相似阈值的所述心理健康危险指数评估模型中标记心理数据基准曲线图对应的危险数值，作为第二危险数值；
基于预设权重值，对所述第一危险数值和所述第二危险数值进行加权求和计算，得到用户心理健康危险指数。
10.根据权利要求7所述的一种心理健康指数评估系统，其特征在于，还包括：个性化构建模块，用于预设时间后，基于预设时间段采集的用户生理数据，构建个性化心理健康危险指数评估模型用以代替原有的心理健康危险指数评估模型；
所述个性化心理健康危险指数评估模型构建过程包括：
接收到构建指令后，构建初始预测模型；
接收预设时间段采集的用户生理数据，构建个性化用户生理数据；其中，所述个性化用户生理数据中包括若干用户生理数据和与其对应的时间戳；
根据所述个性化用户生理数据，预测当前用户的心脏年龄和每日频发的异常情绪；其中，通过所述个性化用户生理数据中的个性化心率、个性化血压和个性化血氧预测当前用户的心脏年龄，通过所述个性化用户生理数据中的个性化心率变异性参数预测当前用户每日频发的异常情绪；
根据所述当前用户的心脏年龄和每日频发的异常情绪，从预先采集配置的大规模病历数据库，确定出与所述当前用户的心脏年龄和每日频发的异常情绪相匹配的病历的问题生理数据，作为第一训练数据；
获取预设时间段内所述心理健康危险指数评估模型输出的用户心理健康危险指数对应的病历的问题生理数据，作为第二训练数据；
基于所述心理健康危险指数评估模型的构建方法，根据所述第一训练数据和第二训练数据，得到对应若干相同病历的第二用户生理参数曲线图和第二用户心理参数曲线图；
根据所述第二用户生理参数曲线图和第二用户心理参数曲线得到经曲线拟合后的第二生理数据基准曲线图和第二心理数据基准曲线图；
基于预设的与每一病历相对应的危险数值，对所述第二生理数据基准曲线图和第二心理数据基准曲线图进行数值标记，得到第二标记生理数据基准曲线图和第二标记心理数据基准曲线图；
将所述第一训练数据和第二训练数据中，任一问题生理数据构建的状态数据与时间变化的第二训练生理数据曲线图和第二训练心理数据曲线图、第二标记生理数据基准曲线图和第二标记心理数据基准曲线图输入到所述初始预测模型中，对所述初始预测模型进行训练以得到所述个性化心理健康危险指数评估模型。
CN202210677174.6A 2022-06-15 2022-06-15 心理健康指数评估方法及系统 Pending CN115101203A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210677174.6A CN115101203A (zh) 2022-06-15 2022-06-15 心理健康指数评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210677174.6A CN115101203A (zh) 2022-06-15 2022-06-15 心理健康指数评估方法及系统

Publications (1)

Publication Number Publication Date
CN115101203A true CN115101203A (zh) 2022-09-23

Family

ID=83290120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210677174.6A Pending CN115101203A (zh) 2022-06-15 2022-06-15 心理健康指数评估方法及系统

Country Status (1)

Country Link
CN (1) CN115101203A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013523A (zh) * 2023-01-04 2023-04-25 北京火神永创科技有限公司 基于脉搏波的心理测试自动评分方法
CN116151494A (zh) * 2023-04-24 2023-05-23 中国科学院地理科学与资源研究所 数据处理方法、装置、设备以及计算机可读存储介质
CN118016302A (zh) * 2024-04-07 2024-05-10 北京健康有益科技有限公司 一种多源数据输入的健康风险评估方法及系统
CN118280559A (zh) * 2024-04-12 2024-07-02 北京健康有益科技有限公司 一种应用于心理健康评估的数据处理方法和系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013523A (zh) * 2023-01-04 2023-04-25 北京火神永创科技有限公司 基于脉搏波的心理测试自动评分方法
CN116013523B (zh) * 2023-01-04 2023-09-08 北京火神永创科技有限公司 基于脉搏波的心理测试自动评分方法
CN116151494A (zh) * 2023-04-24 2023-05-23 中国科学院地理科学与资源研究所 数据处理方法、装置、设备以及计算机可读存储介质
CN118016302A (zh) * 2024-04-07 2024-05-10 北京健康有益科技有限公司 一种多源数据输入的健康风险评估方法及系统
CN118280559A (zh) * 2024-04-12 2024-07-02 北京健康有益科技有限公司 一种应用于心理健康评估的数据处理方法和系统

Similar Documents

Publication Publication Date Title
CN115101203A (zh) 心理健康指数评估方法及系统
CN116344050B (zh) 一种基于多维度健康管理模型的评测方法
CN115862877A (zh) 睡眠可持续性检测量化及辅助干预的方法、系统和装置
CN112884379A (zh) 一种煤矿井下人因安全风险预测方法
CN110739076A (zh) 一种医疗人工智能公共训练平台
CN114566282B (zh) 一种基于超声心动图检测报告的治疗决策系统
CN114512239B (zh) 基于迁移学习的脑卒中风险预测方法及系统
Chen et al. Edge2Analysis: a novel AIoT platform for atrial fibrillation recognition and detection
Kelty-Stephen et al. Multifractal temporal correlations in circle-tracing behaviors are associated with the executive function of rule-switching assessed by the Trail Making Test.
CN118039166B (zh) 一种基于医疗大数据的健康监测管理方法
CN110299207A (zh) 用于慢性病检测中的基于计算机预测模型数据处理方法
CN118044813B (zh) 基于多任务学习的心理健康状况评估方法及系统
CN114943629A (zh) 一种健康管理保健服务系统及其健康管理方法
CN114464319B (zh) 一种基于慢特征分析和深度神经网络的ams易感性评估系统
CN116417141A (zh) 基于人工智能的1型糖尿病健康评估模型及方法
CN117204855B (zh) 一种基于交互设备的用户心理状态评估方法及系统
CN109919102A (zh) 一种基于表情识别的自闭症拥抱机体验评价方法及系统
CN105787232B (zh) 一种数据处理方法、装置、健康系统平台及终端
CN117542540A (zh) 传染病风险预测方法、装置、电子设备及存储介质
CN117174291A (zh) 一种糖尿病前期人群发生糖尿病风险预测的方法及系统
CN109620263B (zh) 一种企事业单位上岗人员体征安全分析方法
CN117577296A (zh) 认知障碍风险识别系统
CN111180042A (zh) 一种基于标准营养素指标评价个人饮食的方法
CN112205974B (zh) 一种基于lstm模型的智能血压管理分析系统
CN116013517A (zh) 基于iot评测数据量化老人身体健康分及康养的方法

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