CN115500829A - 一种应用于神经内科的抑郁症检测分析系统 - Google Patents
一种应用于神经内科的抑郁症检测分析系统 Download PDFInfo
- Publication number
- CN115500829A CN115500829A CN202211478821.7A CN202211478821A CN115500829A CN 115500829 A CN115500829 A CN 115500829A CN 202211478821 A CN202211478821 A CN 202211478821A CN 115500829 A CN115500829 A CN 115500829A
- Authority
- CN
- China
- Prior art keywords
- detection
- depression
- fixedly connected
- module
- box
- 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
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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20009—Modifications to facilitate cooling, ventilating, or heating using a gaseous coolant in electronic enclosures
- H05K7/20136—Forced ventilation, e.g. by fans
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Thermal Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于抑郁症检测技术领域,尤其为一种应用于神经内科的抑郁症检测分析系统,涉及检测技术领域,包括检测箱和处理机构器,所述处理机构器位于检测箱的内部,所述检测箱的左侧设有主机模组,所述主机模组的正面固定连接有电源开关,所述主机模组的底面固定连接有支撑座。本发明通过利用动态情绪识别监测仪的动态情绪识别技术,通过视频捕捉患者的交感神经系统控制心理反应的生理表现对检测患者进行语音、动态举止的无人监测,处理机构器通过变分模态分解VMD算法实现数据信息的处理;检测箱通过故障诊断模块实现神经内科抑郁症数据信息的诊断。快速分析出测试患者在抑郁焦虑疲劳压力等方面的状态,大大提高了抑郁症检测能力。
Description
技术领域
本发明涉及抑郁症检测技术领域,具体为一种应用于神经内科的抑郁症检测分析系统。
背景技术
抑郁障碍是一种以持续性情绪低落、缺乏兴趣和愉快感为主的严重精神障碍,同时伴有反应迟钝、注意力不集中、活动减少、失眠等临床症状,会导致严重的自残和自杀行为,抑郁症是导致非正常死亡的主要原因。早期诊断和治疗可以帮助患者尽快摆脱困境,在神经内科科室中,经常需要接收各种抑郁症患者,并对此类患者进行抑郁诊断分析检测。
现有神经内科抑郁症检测诊断过程通常很费力,主要依靠医生的临床经验,这会导致一些患者无法及时得到适当的治疗,且目前抑郁障碍的评估需要耗费大量的人力物力资源,且主要依赖于个人或其护理人员的间歇性报告,这些报告通常是主观的,评估结果可能会受到患者的回顾性回忆偏差(如低估或高估症状)、认知限制(如对事件和环境的记忆、因果推断)和社会污名等因素的干扰,而且对患者进行抑郁症检测分析过程中,患者需要经受医务人员的详细问询,在此过程中患者容易出现相应的心理压力变化,从而影响检测抑郁度精准度,为此需要提供具有自检功能,且无人为因素干预的系统检测分析设备,为此我们提供一种应用于神经内科的抑郁症检测分析系统。
发明内容
针对现有技术的不足,本发明提供了一种应用于神经内科的抑郁症检测分析系统,解决了在无人干预和外界因素干预的情况下,实现抑郁症度精确自检的问题。
为实现上述目的,本发明提供如下技术方案:一种应用于神经内科的抑郁症检测分析系统,包括检测箱和处理机构器,所述处理机构器位于检测箱的内部,所述检测箱的左侧设有主机模组,所述主机模组的正面固定连接有电源开关,所述主机模组的底面固定连接有支撑座,所述支撑座的底面固定连接有两个支撑腿,所述主机模组的上表面固定连接有电脑显示器,所述检测箱的右侧面固定镶嵌有触摸显示操作屏,所述检测箱的右侧面固定连接有磁卡读写器,所述检测箱的右侧面固定镶嵌有两个语音播放模块,所述检测箱的上表面固定镶嵌有密封轴承,所述密封轴承的内圈固定连接有伸缩支杆,所述伸缩支杆的顶端固定连接有U型支座,所述U型支座的内壁卡接有支撑块,所述支撑块的顶端固定连接有动态情绪识别监测仪,所述U型支座的正面和U型支座的背面均螺纹连接有调节螺钉,所述处理机构器的内部设有微处理器模块、数据储存模块和分析比对模块,所述微处理器模块通过导线与数据储存模块电性连接,所述微处理器模块通过导线与分析比对模块电性连接,所述处理机构器通过第一数据传输线与主机模组电性连接,所述电脑显示器通过导线与主机模组电性连接,所述电脑显示器通过导线电性连接有打印机模块,所述处理机构器通过第二数据传输线与触摸显示操作屏电性连接,所述动态情绪识别监测仪通过第三数据传输线与处理机构器电性连接。
作为本发明的一种优选技术方案,所述检测箱的右侧面固定镶嵌有抽屉架,所述抽屉架的内部卡接有抽屉盒,所述抽屉盒的内部放置有一组PHQ-测试问卷,所述抽屉盒的右侧面开设有拉槽。
作为本发明的一种优选技术方案,所述检测箱的右侧面固定连接有书写板,所述书写板的上表面固定连接有书夹,所述检测箱的右侧面固定连接有悬挂绳,所述悬挂绳的底端固定连接有书写笔。
作为本发明的一种优选技术方案,所述检测箱的内底壁固定连接有音乐播放器,所述微处理器模块通过导线与音乐播放器电性连接,所述音乐播放器通过导线与语音播放模块电性连接。
作为本发明的一种优选技术方案,所述伸缩支杆的外表面开设有外螺纹,所述伸缩支杆的外表面螺纹连接有紧固螺母,所述紧固螺母的底端与检测箱的上表面相接触。
作为本发明的一种优选技术方案,所述检测箱的底面固定连接有两组支撑筒,每个所述支撑筒的内壁均卡接有升降盘,每个所述升降盘的底端均固定连接有支撑杆,每个所述支撑筒的底面均开设有滑孔,每个所述支撑杆的底端均贯穿滑孔并固定连接有万向轮,每个所述支撑杆的外表面均套设有支撑弹簧,每个所述支撑弹簧的底端均与万向轮的顶端固定连接,每个所述支撑弹簧的顶端均与支撑筒的底面固定连接。
作为本发明的一种优选技术方案,所述检测箱的正面盒检测箱的背面均固定连接有移动推把,每个所述移动推把的外表面均固定连接有防滑套,所述防滑套为橡胶材质。
作为本发明的一种优选技术方案,所述检测箱的正面盒检测箱的背面均固定镶嵌有散热风机,两个所述散热风机相互远离的一端均固定连接有防尘罩,所述检测箱的正面和检测箱的背面均开设有一组等距离排列的第一散热孔。
作为本发明的一种优选技术方案,所述检测箱的右侧面通过两组合页铰接有两个防护门,每个所述防护门的右侧面均固定连接有拉把。
作为本发明的一种优选技术方案,每个所述防护门的右侧面均固定镶嵌有玻璃观察框,每个所述玻璃观察框的右侧面均开设有环形排列的第二散热孔。
作为本发明的一种优选技术方案,处理机构器通过变分模态分解VMD算法实现数据信息的处理;检测箱通过故障诊断模块实现神经内科抑郁症数据信息的诊断。
与现有技术相比,本发明提供了一种应用于神经内科的抑郁症检测分析系统,具备以下有益效果:
1、该应用于神经内科的抑郁症检测分析系统,通过设置的检测箱、动态情绪识别监测仪、触摸显示操作屏、处理机构器、微处理器模块、数据储存模块、分析比对模块、主机模组和电脑显示器,能够利用动态情绪识别监测仪的动态情绪识别技术,通过视频捕捉患者的交感神经系统控制心理反应的生理表现对检测患者进行语音、动态举止的无人监测,实现在不接触测试患者情况下,通过与处理机构器、主机模组和电脑显示器的智能显示配合,快速分析出测试患者在抑郁焦虑疲劳压力等方面的状态,具有非侵入特性,防止人为因素对患者造成精神压力,易获取和客观性优点,便于抑郁患者的抑郁度精准检测。
2、同时通过设置的PHQ-9测试问卷、书写板和书写笔,实现检测患者的自书写自检测,通过与上述优点的配合,实现双重检测对比,有效增加抑郁度的检测精准度。
3、该应用于神经内科的抑郁症检测分析系统,通过设置的移动推把、支撑筒、支撑杆、支撑弹簧和万向轮,能够使工作人员更方便的轻松的推动检测箱移动和运输,便于检测箱的使用。
4、通过设置的散热风机、防尘罩、第一散热孔和第二散热孔,能够利用散热风机工作对检测箱内部进行吹风降温,热量经过第一散热孔和第二散热孔快速排出,实现检测设备的散热降温处理,便于检测设备的安全稳定使用。
附图说明
图1为本发明检测箱的立体结构示意图;
图2为本发明检测箱正视图的剖视图;
图3为本发明检测箱的后视图;
图4为本发明抽屉盒的立体结构示意图;
图5为本发明图1中A处结构放大示意图;
图6为本发明图2中B处结构放大示意图;
图7为本发明抑郁症检测分析操作系统图;
图8为本发明PHQ-9测试问卷的问答题显示标图;
图中:1、检测箱;2、防尘罩;3、散热风机;4、防滑套;5、第一散热孔;6、第三数据传输线;7、动态情绪识别监测仪;8、U型支座;9、伸缩支杆;10、语音播放模块;11、触摸显示操作屏;12、移动推把;13、防护门;14、万向轮;15、支撑弹簧;16、支撑筒;17、电脑显示器;18、主机模组;19、第一数据传输线;20、电源开关;21、支撑座;22、支撑腿;23、支撑杆;24、处理机构器;25、抽屉盒;26、抽屉架;27、音乐播放器;28、升降盘;29、滑孔;30、紧固螺母;31、PHQ-9测试问卷;32、拉槽;33、磁卡读写器;34、书夹;35、书写板;36、玻璃观察框;37、拉把;38、第二散热孔;39、书写笔;40、悬挂绳;41、调节螺钉;42、支撑块;43、密封轴承;44、分析比对模块;45、数据储存模块;46、微处理器模块;47、打印机模块;48、第二数据传输线。
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。
实施例
请参阅图1-图8,本实施方案中:一种应用于神经内科的抑郁症检测分析系统,包括检测箱1和处理机构器24,处理机构器24位于检测箱1的内部,检测箱1的左侧设有主机模组18,主机模组18的正面固定连接有电源开关20,主机模组18的底面固定连接有支撑座21,支撑座21的底面固定连接有两个支撑腿22,主机模组18的上表面固定连接有电脑显示器17,检测箱1的右侧面固定镶嵌有触摸显示操作屏11,检测箱1的右侧面固定连接有磁卡读写器33,检测箱1的右侧面固定镶嵌有两个语音播放模块10,检测箱1的上表面固定镶嵌有密封轴承43,密封轴承43的内圈固定连接有伸缩支杆9,伸缩支杆9的顶端固定连接有U型支座8,U型支座8的内壁卡接有支撑块42,支撑块42的顶端固定连接有动态情绪识别监测仪7,U型支座8的正面和U型支座8的背面均螺纹连接有调节螺钉41,处理机构器24的内部设有微处理器模块46、数据储存模块45和分析比对模块44,微处理器模块46通过导线与数据储存模块45电性连接,微处理器模块46通过导线与分析比对模块44电性连接,处理机构器24通过第一数据传输线19与主机模组18电性连接,电脑显示器17通过导线与主机模组18电性连接,电脑显示器17通过导线电性连接有打印机模块47,处理机构器24通过第二数据传输线48与触摸显示操作屏11电性连接,动态情绪识别监测仪7通过第三数据传输线6与处理机构器24电性连接;通过动态情绪识别监测仪7、处理机构器24、第一数据传输线19、主机模组18和电脑显示器17的配合,实现对患者的生理表现状态的检测,并将检测分析数据图进行显示,具有非侵入、易获取、客观性等特点,结合机器学习、人工智能等技术,实现语音、形态动作等生理特征抑郁症检测识别功效,便于抑郁患者的抑郁度精准检测。
本实施例中,检测箱1的右侧面固定镶嵌有抽屉架26,抽屉架26的内部卡接有抽屉盒25,抽屉盒25的内部放置有一组PHQ-9测试问卷31,抽屉盒25的右侧面开设有拉槽32,能够拉动拉槽32打开抽屉盒25,取出PHQ-9测试问卷31,进行患者的抑郁度自检操作,检测箱1的右侧面固定连接有书写板35,书写板35的上表面固定连接有书夹34,检测箱1的右侧面固定连接有悬挂绳40,悬挂绳40的底端固定连接有书写笔39,能够将PHQ-9测试问卷31放置到书写板35上通过书写笔39对PHQ-9测试问卷31进行书写,便于患者的抑郁度自检,检测箱1的内底壁固定连接有音乐播放器27,微处理器模块46通过导线与音乐播放器27电性连接,音乐播放器27通过导线与语音播放模块10电性连接,能够播放轻音乐,增加检测舒适氛围。
伸缩支杆9的外表面开设有外螺纹,伸缩支杆9的外表面螺纹连接有紧固螺母30,紧固螺母30的底端与检测箱1的上表面相接触,能够转动紧固螺母30,实现对伸缩支杆9的固定,增加动态情绪识别监测仪7的稳定性,便于对患者的稳定监测工作,检测箱1的底面固定连接有两组支撑筒16,每个支撑筒16的内壁均卡接有升降盘28,每个升降盘28的底端均固定连接有支撑杆23,每个支撑筒16的底面均开设有滑孔29,每个支撑杆23的底端均贯穿滑孔29并固定连接有万向轮14,每个支撑杆23的外表面均套设有支撑弹簧15,每个支撑弹簧15的底端均与万向轮14的顶端固定连接,每个支撑弹簧15的顶端均与支撑筒16的底面固定连接,能够通过万向轮14更方便的带动检测箱1进行移动,便于工作人员对检测箱1的挪移工作,便于检测箱1的使用,检测箱1的正面盒检测箱1的背面均固定连接有移动推把12,每个移动推把12的外表面均固定连接有防滑套4,防滑套4为橡胶材质,能够使工作人员更方便的推动检测箱1移动,便于对检测设备的使用工作。
检测箱1的正面盒检测箱1的背面均固定镶嵌有散热风机3,两个散热风机3相互远离的一端均固定连接有防尘罩2,检测箱1的正面和检测箱1的背面均开设有一组等距离排列的第一散热孔5,能够通过散热风机3个对检测箱1内部的检测设备进行吹风降温,实现检测识别的降温散热处理,便于检测识别的安全稳定使用,检测箱1的右侧面通过两组合页铰接有两个防护门13,每个防护门13的右侧面均固定连接有拉把37,能够通过拉把37快速打开防护门13,便于工作人员对监测设备的维修保养工作,便于监测分析设备的稳定使用每个防护门13的右侧面均固定镶嵌有玻璃观察框36,每个玻璃观察框36的右侧面均开设有环形排列的第二散热孔38,能够通过第二散热孔38排出检测箱1内部的热量,便于检测箱1的散热工作,实现检测设备的稳定使用。
本发明的工作原理及使用流程:在使用时,工作人员推动移动推把12,使万向轮14转动,将检测箱1推动之神经内科检测诊断室中,移动时,利用支撑弹簧15对检测箱1进行缓冲防护,实现检测箱1的稳定运输,然后对检测箱1进行固定,患者进入检测室检测时,患者根据触摸显示操作屏11的指示进行检测步骤操作,同时利用动态情绪识别监测仪7对患者的语言、神态和动作举止进行监测,通过动态情绪识别监测仪7的视频功能捕捉患者的交感神经系统控制心理反应的生理表现特征,并通过微处理器模块46和分析比对模块44的配合将各种检测分析数据传输到主机模组18并在电脑显示器17上面进行分析数据显示。
通过打印机模块47将抑郁分析数据图打印出来,同时使拉动拉槽32将抽屉盒25从抽屉架26拉出,患者取出PHQ-9测试问卷31,然后将PHQ-9测试问卷31通过书夹34固定放置在书写板35上面,然后手持书写笔39使用患者在PHQ-9测试问卷31上面进行书写,完成抑郁度自检,通过与分析数据图进行两相比对,完成患者的抑郁度精准自检操作。
在具体实施例中,处理机构器(24)通过变分模态分解VMD算法实现数据信息的处理;
变分模态分解(Variational Mode Decomposition VMD)算法融合多项技术理论形成的一种求解算法,本发明主要利用其分解原理和数据整理功能。对神经内科抑郁症参数数据的模态数据利用VMD算法中的变换原理进行解析,完成原始数据与模态数据的融合,其解析函数表示为:
神经内科抑郁症模态数据的解析过程存在一定的变化区间,因此需要对其解析过程进行约束,约束条件表示为:
由于需要对解析后的神经内科抑郁症数据进行整理编辑,其解析约束条件存在一定的限制,因此将约束解析过程转换为非约束问题,即:
将转换之后的未约束模态数据进行整理,根据Hilbert专项参数转换理论实现神经内科抑郁症参数数据的数据整理,统计函数表示为:
对于存在扰动的神经内科抑郁症参数数据波形,通过维纳滤波的扰动平复原则进行平复,其扰动频率变化函数表示为:
经过VMD算法的整理和波形平复,神经内科抑郁症参数数据得到较为完成的保存,为系统诊断提供便利,同时建立的模态数据为待运行的神经内科抑郁症参数数据提供数据参考方案,保证其输出检测结果的有效性。
在具体实施例中,检测箱(1)通过故障诊断模块实现神经内科抑郁症数据信息的诊断,
故障诊断模块的工作方法为:
现假设抑郁症有m组信息表现,也就是每个观察样本有m个特征值,在已知故障的样本数据库中有n组数据,因此就可以假设一个特征量表示第i组数据的第j个特征值,由于其数据是范围不确定,需要对其进行标准化,其中标准化的公式如式(6)所示。
为了计算被测样本与标准样本之间的相似度,本发明采用了马氏距离的计算方法,在马氏距离中使用协方差矩阵来协助进行数据处理,能够减小冗余数据对于数据分析的影响,同时能够考虑到数据之间的关联性,因此通过马氏距离算法能够非常优秀的处理抑郁症的检测和故障诊断问题。
在本发明的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个引用结构”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。需要说明的是,在本发明中,诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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)
1.一种应用于神经内科的抑郁症检测分析系统,包括检测箱(1)和处理机构器(24),其特征在于:
所述处理机构器(24)位于检测箱(1)的内部,所述检测箱(1)的左侧设有主机模组(18),所述主机模组(18)的正面固定连接有电源开关(20),所述主机模组(18)的底面固定连接有支撑座(21),所述支撑座(21)的底面固定连接有两个支撑腿(22),所述主机模组(18)的上表面固定连接有电脑显示器(17),所述检测箱(1)的右侧面固定镶嵌有触摸显示操作屏(11),所述检测箱(1)的右侧面固定连接有磁卡读写器(33),所述检测箱(1)的右侧面固定镶嵌有两个语音播放模块(10),所述检测箱(1)的上表面固定镶嵌有密封轴承(43),所述密封轴承(43)的内圈固定连接有伸缩支杆(9),所述伸缩支杆(9)的顶端固定连接有U型支座(8),所述U型支座(8)的内壁卡接有支撑块(42),所述支撑块(42)的顶端固定连接有动态情绪识别监测仪(7),所述U型支座(8)的正面和U型支座(8)的背面均螺纹连接有调节螺钉(41),所述处理机构器(24)的内部设有微处理器模块(46)、数据储存模块(45)和分析比对模块(44),所述微处理器模块(46)通过导线与数据储存模块(45)电性连接,所述微处理器模块(46)通过导线与分析比对模块(44)电性连接,所述处理机构器(24)通过第一数据传输线(19)与主机模组(18)电性连接,所述电脑显示器(17)通过导线与主机模组(18)电性连接,所述电脑显示器(17)通过导线电性连接有打印机模块(47),所述处理机构器(24)通过第二数据传输线(49)与触摸显示操作屏(11)电性连接,所述动态情绪识别监测仪(7)通过第三数据传输线(6)与处理机构器(24)电性连接;
处理机构器(24)通过变分模态分解VMD算法实现数据信息的处理;
检测箱(1)通过故障诊断模块实现神经内科抑郁症数据信息的诊断。
2.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的右侧面固定镶嵌有抽屉架(26),所述抽屉架(26)的内部卡接有抽屉盒(25),所述抽屉盒(25)的内部放置有一组PHQ-9测试问卷(31),所述抽屉盒(25)的右侧面开设有拉槽(32)。
3.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的右侧面固定连接有书写板(35),所述书写板(35)的上表面固定连接有书夹(34),所述检测箱(1)的右侧面固定连接有悬挂绳(40),所述悬挂绳(40)的底端固定连接有书写笔(39)。
4.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的内底壁固定连接有音乐播放器(27),所述微处理器模块(46)通过导线与音乐播放器(27)电性连接,所述音乐播放器(27)通过导线与语音播放模块(10)电性连接。
5.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述伸缩支杆(9)的外表面开设有外螺纹,所述伸缩支杆(9)的外表面螺纹连接有紧固螺母(30),所述紧固螺母(30)的底端与检测箱(1)的上表面相接触。
6.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的底面固定连接有两组支撑筒(16),每个所述支撑筒(16)的内壁均卡接有升降盘(28),每个所述升降盘(28)的底端均固定连接有支撑杆(23),每个所述支撑筒(16)的底面均开设有滑孔(29),每个所述支撑杆(23)的底端均贯穿滑孔(29)并固定连接有万向轮(14),每个所述支撑杆(23)的外表面均套设有支撑弹簧(15),每个所述支撑弹簧(15)的底端均与万向轮(14)的顶端固定连接,每个所述支撑弹簧(15)的顶端均与支撑筒(16)的底面固定连接。
7.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的正面盒检测箱(1)的背面均固定连接有移动推把(12),每个所述移动推把(12)的外表面均固定连接有防滑套(4),所述防滑套(4)为橡胶材质。
8.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的正面盒检测箱(1)的背面均固定镶嵌有散热风机(3),两个所述散热风机(3)相互远离的一端均固定连接有防尘罩(2),所述检测箱(1)的正面和检测箱(1)的背面均开设有一组等距离排列的第一散热孔(5)。
9.根据权利要求1所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:所述检测箱(1)的右侧面通过两组合页铰接有两个防护门(13),每个所述防护门(13)的右侧面均固定连接有拉把(37)。
10.根据权利要求9所述的一种应用于神经内科的抑郁症检测分析系统,其特征在于:每个所述防护门(13)的右侧面均固定镶嵌有玻璃观察框(36),每个所述玻璃观察框(36)的右侧面均开设有环形排列的第二散热孔(38)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478821.7A CN115500829A (zh) | 2022-11-24 | 2022-11-24 | 一种应用于神经内科的抑郁症检测分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478821.7A CN115500829A (zh) | 2022-11-24 | 2022-11-24 | 一种应用于神经内科的抑郁症检测分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115500829A true CN115500829A (zh) | 2022-12-23 |
Family
ID=84513900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211478821.7A Pending CN115500829A (zh) | 2022-11-24 | 2022-11-24 | 一种应用于神经内科的抑郁症检测分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115500829A (zh) |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070173733A1 (en) * | 2005-09-12 | 2007-07-26 | Emotiv Systems Pty Ltd | Detection of and Interaction Using Mental States |
CN106959400A (zh) * | 2017-02-28 | 2017-07-18 | 中国南方电网有限责任公司 | 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法 |
CN110575164A (zh) * | 2019-09-20 | 2019-12-17 | 桂林电子科技大学 | 脑电信号伪迹去除方法及计算机可读存储介质 |
CN110767290A (zh) * | 2019-10-12 | 2020-02-07 | 山东省立医院 | 一种交互型情绪疏导及心理辅导机器人 |
CN111012367A (zh) * | 2019-12-27 | 2020-04-17 | 华中师范大学 | 一种精神疾病的智能识别系统 |
CN111259730A (zh) * | 2019-12-31 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种基于多变量状态估计的状态监测方法及系统 |
CN111310570A (zh) * | 2020-01-16 | 2020-06-19 | 山东师范大学 | 一种基于vmd和wpd的脑电信号情感识别方法及系统 |
CN111324105A (zh) * | 2020-02-27 | 2020-06-23 | 山东科技大学 | 一种基于统计量马氏距离的微小传感器故障检测和分离方法 |
CN111497866A (zh) * | 2020-04-01 | 2020-08-07 | 南京航空航天大学 | 一种基于改进马氏距离的转向盘转角传感器故障诊断方法 |
CN211325093U (zh) * | 2019-07-02 | 2020-08-25 | 安徽斛兵信息科技有限公司 | 一种非接触心身协同健康监测装置 |
CN211355518U (zh) * | 2019-11-18 | 2020-08-28 | 北京工业大学 | 一种抑郁症诊断装置 |
CN111616701A (zh) * | 2020-04-24 | 2020-09-04 | 杭州电子科技大学 | 基于多元变分模态分解的脑电多域特征提取方法 |
CN111739634A (zh) * | 2020-05-14 | 2020-10-02 | 平安科技(深圳)有限公司 | 相似患者智能分群方法、装置、设备及存储介质 |
CN112229633A (zh) * | 2020-09-03 | 2021-01-15 | 中国长江三峡集团有限公司福建分公司 | 一种基于多元特征融合的风机轴承故障诊断方法 |
US20210118547A1 (en) * | 2019-10-21 | 2021-04-22 | Singapore Ministry of Health Office for Healthcare Transformation | Systems, devices, and methods for self-contained personal monitoring of behavior to improve mental health and other behaviorally-related health conditions |
CN214068359U (zh) * | 2020-12-29 | 2021-08-27 | 杭州医典智能科技有限公司 | 一种针对抑郁症患者的智能问诊机器人 |
US20210353224A1 (en) * | 2018-10-15 | 2021-11-18 | The Board Of Trustees Of The Leland Stanford Junior University | Treatment of depression using machine learning |
CN215937389U (zh) * | 2021-07-29 | 2022-03-04 | 湖南检信智能科技有限公司 | 一种情绪自助检测终端 |
CN114305354A (zh) * | 2021-12-31 | 2022-04-12 | 青岛海信日立空调系统有限公司 | 一种生命特征检测方法及装置 |
CN114362675A (zh) * | 2021-11-26 | 2022-04-15 | 江苏瑞晶太阳能科技有限公司 | 一种基于物联网的光伏设备监控系统 |
CN114343635A (zh) * | 2021-12-06 | 2022-04-15 | 北京理工大学 | 一种基于变分相幅耦合的情绪识别方法及装置 |
CN114722895A (zh) * | 2022-03-04 | 2022-07-08 | 国网辽宁省电力有限公司辽阳供电公司 | 一种基于非侵入式状态检测的光伏阵列故障诊断方法 |
CN115047853A (zh) * | 2022-06-27 | 2022-09-13 | 中国人民解放军海军航空大学 | 基于递推规范变量残差和核主元分析的微小故障检测方法 |
CN115167364A (zh) * | 2022-07-27 | 2022-10-11 | 山东科技大学 | 一种基于概率变换与统计特性分析的早期故障检测方法 |
CN115299960A (zh) * | 2022-08-09 | 2022-11-08 | 浙江大学 | 基于短时变分模态分解的电信号分解方法及脑电信号分解装置 |
-
2022
- 2022-11-24 CN CN202211478821.7A patent/CN115500829A/zh active Pending
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070173733A1 (en) * | 2005-09-12 | 2007-07-26 | Emotiv Systems Pty Ltd | Detection of and Interaction Using Mental States |
CN106959400A (zh) * | 2017-02-28 | 2017-07-18 | 中国南方电网有限责任公司 | 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法 |
US20210353224A1 (en) * | 2018-10-15 | 2021-11-18 | The Board Of Trustees Of The Leland Stanford Junior University | Treatment of depression using machine learning |
CN211325093U (zh) * | 2019-07-02 | 2020-08-25 | 安徽斛兵信息科技有限公司 | 一种非接触心身协同健康监测装置 |
CN110575164A (zh) * | 2019-09-20 | 2019-12-17 | 桂林电子科技大学 | 脑电信号伪迹去除方法及计算机可读存储介质 |
CN110767290A (zh) * | 2019-10-12 | 2020-02-07 | 山东省立医院 | 一种交互型情绪疏导及心理辅导机器人 |
US20210118547A1 (en) * | 2019-10-21 | 2021-04-22 | Singapore Ministry of Health Office for Healthcare Transformation | Systems, devices, and methods for self-contained personal monitoring of behavior to improve mental health and other behaviorally-related health conditions |
CN211355518U (zh) * | 2019-11-18 | 2020-08-28 | 北京工业大学 | 一种抑郁症诊断装置 |
CN111012367A (zh) * | 2019-12-27 | 2020-04-17 | 华中师范大学 | 一种精神疾病的智能识别系统 |
CN111259730A (zh) * | 2019-12-31 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种基于多变量状态估计的状态监测方法及系统 |
CN111310570A (zh) * | 2020-01-16 | 2020-06-19 | 山东师范大学 | 一种基于vmd和wpd的脑电信号情感识别方法及系统 |
CN111324105A (zh) * | 2020-02-27 | 2020-06-23 | 山东科技大学 | 一种基于统计量马氏距离的微小传感器故障检测和分离方法 |
CN111497866A (zh) * | 2020-04-01 | 2020-08-07 | 南京航空航天大学 | 一种基于改进马氏距离的转向盘转角传感器故障诊断方法 |
CN111616701A (zh) * | 2020-04-24 | 2020-09-04 | 杭州电子科技大学 | 基于多元变分模态分解的脑电多域特征提取方法 |
CN111739634A (zh) * | 2020-05-14 | 2020-10-02 | 平安科技(深圳)有限公司 | 相似患者智能分群方法、装置、设备及存储介质 |
CN112229633A (zh) * | 2020-09-03 | 2021-01-15 | 中国长江三峡集团有限公司福建分公司 | 一种基于多元特征融合的风机轴承故障诊断方法 |
CN214068359U (zh) * | 2020-12-29 | 2021-08-27 | 杭州医典智能科技有限公司 | 一种针对抑郁症患者的智能问诊机器人 |
CN215937389U (zh) * | 2021-07-29 | 2022-03-04 | 湖南检信智能科技有限公司 | 一种情绪自助检测终端 |
CN114362675A (zh) * | 2021-11-26 | 2022-04-15 | 江苏瑞晶太阳能科技有限公司 | 一种基于物联网的光伏设备监控系统 |
CN114343635A (zh) * | 2021-12-06 | 2022-04-15 | 北京理工大学 | 一种基于变分相幅耦合的情绪识别方法及装置 |
CN114305354A (zh) * | 2021-12-31 | 2022-04-12 | 青岛海信日立空调系统有限公司 | 一种生命特征检测方法及装置 |
CN114722895A (zh) * | 2022-03-04 | 2022-07-08 | 国网辽宁省电力有限公司辽阳供电公司 | 一种基于非侵入式状态检测的光伏阵列故障诊断方法 |
CN115047853A (zh) * | 2022-06-27 | 2022-09-13 | 中国人民解放军海军航空大学 | 基于递推规范变量残差和核主元分析的微小故障检测方法 |
CN115167364A (zh) * | 2022-07-27 | 2022-10-11 | 山东科技大学 | 一种基于概率变换与统计特性分析的早期故障检测方法 |
CN115299960A (zh) * | 2022-08-09 | 2022-11-08 | 浙江大学 | 基于短时变分模态分解的电信号分解方法及脑电信号分解装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shoeibi et al. | Automatic diagnosis of schizophrenia in EEG signals using CNN-LSTM models | |
Hassan et al. | Computer-aided sleep staging using complete ensemble empirical mode decomposition with adaptive noise and bootstrap aggregating | |
Hravnak et al. | Real alerts and artifact classification in archived multi-signal vital sign monitoring data: implications for mining big data | |
CN109069081A (zh) | 用于预测、筛查和监测脑病/谵妄的设备、系统和方法 | |
Zhao et al. | Dual-modal and multi-scale deep neural networks for sleep staging using EEG and ECG signals | |
Long et al. | A scoping review on monitoring mental health using smart wearable devices | |
CN111553478A (zh) | 基于大数据的社区老年人心血管疾病预测系统与方法 | |
WO2023097780A1 (zh) | 机械通气过程中人机异步现象的分类方法和分类装置 | |
Hussain et al. | Detection of different stages of copd patients using machine learning techniques | |
CN117038050B (zh) | 生理参数异常处理方法、系统及医疗设备 | |
Rajwal et al. | Convolutional neural network-based EEG signal analysis: A systematic review | |
Khanam et al. | Electroencephalogram-based cognitive load level classification using wavelet decomposition and support vector machine | |
CN107391901A (zh) | 建立普通病房患者病情评估模型的方法和服务器 | |
Liu et al. | Large-scale assessment of consistency in sleep stage scoring rules among multiple sleep centers using an interpretable machine learning algorithm | |
Rashida et al. | Quantitative EEG features and machine learning classifiers for eye-blink artifact detection: A comparative study | |
CN115500829A (zh) | 一种应用于神经内科的抑郁症检测分析系统 | |
Fang et al. | Physiological computing for occupational health and safety in construction: Review, challenges and implications for future research | |
Raja et al. | Existing Methodologies, Evaluation Metrics, Research Gaps, and Future Research Trends: A Sleep Stage Classification Framework | |
EP4211533A1 (en) | Multi-modal system and method for tracking respiratory health | |
Herbig et al. | Multi-modal estimation of cognitive load in post-editing of machine translation | |
Jiang et al. | Mmda: A multimodal dataset for depression and anxiety detection | |
Sharma | Automated human emotion recognition using hybrid approach based on sensitivity analysis on residual time-frequency plane with online learning algorithm | |
Janga et al. | A review on Machine Learning Techniques for Neurological disorders estimation by Analyzing EEG Waves | |
Chen et al. | Big data approaches to develop a comprehensive and accurate tool aimed at improving autism spectrum disorder diagnosis and subtype stratification | |
Zanoli et al. | The Road to Industry 5.0: The Challenges of Human Fatigue Modeling |
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 |