CN115641943A - 基于tms技术的妄想性精神障碍训练方法及系统 - Google Patents
基于tms技术的妄想性精神障碍训练方法及系统 Download PDFInfo
- Publication number
- CN115641943A CN115641943A CN202211659784.XA CN202211659784A CN115641943A CN 115641943 A CN115641943 A CN 115641943A CN 202211659784 A CN202211659784 A CN 202211659784A CN 115641943 A CN115641943 A CN 115641943A
- Authority
- CN
- China
- Prior art keywords
- user
- delusional
- beliefs
- unreasonable
- belief
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于TMS技术的妄想性精神障碍训练方法及系统。该方法包括如下步骤:采集用户信息,以获取用户的妄想症状严重等级;基于妄想症状严重等级,采用经颅磁刺激TMS对用户进行相应脑区的激活;通过人机对话的方式获取用户的自传性文本;对自传性文本进行分析,以获取用户的妄想特征;基于妄想特征锁定用户的非合理信念,并生成干预方案;基于干预方案,对用户的非合理信念进行信念调节;获取干预方案的信念调节效果,并进行效果评估。该方法利用电生理刺激诱发系统激活到语义性分析确定核心非合理信念,借助智能与人工结合的方式辅助个体实现意义构建的精神妄想解决方案,以降低精神病患者对妄想的强迫性反应。
Description
技术领域
本发明涉及一种基于TMS技术的妄想性精神障碍训练方法,同时也涉及相应的妄想性精神障碍训练系统,属于精神障碍康复技术领域。
背景技术
精神疾病的治疗与解决方案,往往集中在抑郁、焦虑等综合诊断性疾病的诊疗中。而妄想是焦虑、抑郁等多种精神类疾病的共性特征之一,治疗以妄想为特征的神经症状,对焦虑、抑郁类精神病症的治疗具有重要意义。然而,尽管迫切需要更好地了解这些症状的性质,意义和过程,但对精神病中妄想现象的生活经历的研究却很少,其康复训练方案仍然不理想。
王奕权在论文《认知行为治疗对偏执型精神分裂症妄想的疗效分析》(刊载于《现代实用医学》2019年31卷7期)上,探讨了认知行为治疗(CBT)对偏执型精神分裂症患者妄想的疗效。此外,吕爽等人在论文《低频经颅磁刺激联合利培酮对精神分裂症患者的妄想症状疗效及不良反应研究》(刊载于《中国医学创新》2020年17卷2期)上,进一步探讨了低频重复经颅磁刺激(rTMS)联合利培酮对精神分裂患者的妄想症状的疗效及不良反应。
发明内容
本发明所要解决的首要技术问题在于提供一种基于TMS技术的妄想性精神障碍训练方法。
本发明所要解决的另一技术问题在于提供一种基于TMS技术的妄想性精神障碍训练系统。
为实现上述技术目的,本发明采用以下的技术方案:
根据本发明实施例的第一方面,提供一种基于TMS技术的妄想性精神障碍训练方法,包括如下步骤:
采集用户信息,以获取所述用户的妄想症状严重等级;
采用经颅磁刺激TMS对所述用户进行相应脑区的激活;
通过人机对话的方式获取所述用户的自传性文本;
对所述自传性文本进行分析,以获取所述用户的妄想特征;
基于所述妄想特征锁定所述用户的非合理信念,并生成干预方案;
基于所述干预方案,对所述用户的非合理信念进行信念调节;
获取所述干预方案的信念调节效果,并进行效果评估。
其中较优地,所述采集用户信息,以获取所述用户的妄想症状严重等级,具体包括:
获取用户的多模态数据,其中,所述多模态数据至少包括:表情数据、语音数据、结构化量表数据、人口特征数据以及疾病史数据;
对所述多模态数据进行建模分析,以获取所述用户的情绪波动E、态度变化S、结构化量表的标准分T;
采用机器学习算法,将所述用户的情绪波动E、态度变化S、人口特征数据以及疾病史数据作为自变量,将所述结构化量表的标准分T的高中低分类作为因变量,进行机器学习;
采用特征交互的通用注意力机制,通过卷积神经网络将所述多模态数据拼接为矩阵,并使用卷积和池化操作提取其任意阶的特征交互,在全连接层基础上以获取所述用户的妄想症状严重等级。
其中较优地,对所述多模态数据进行建模分析,具体包括:
对所述用户的表情数据进行数据处理,由外接面部情绪识别算法将其转化为积极情绪比率E1、消极情绪比率E2,取两者差值的绝对值表示用户的情绪波动E =∣E1-E2∣;
对所述用户的语音数据进行语调分析,取最高分贝与最低分贝的差值,表示用户的态度变化S=Smax-Smin;
针对所述结构化量表数据,根据经典量表的算分规则对题目的回答进行原始计分求和统计,将其转换为标准分T=50+10*(原始分-M)/SD;其中,M表示平均数、SD表示标准差、原始分表示经典量表下题目回答的原始计分和。
其中较优地,所述采用经颅磁刺激TMS对所述用户进行相应脑区的激活,具体包括:
将所述用户右侧背外侧前额叶DLPFC,运动皮层前5~6厘米作为所述用户的靶向位置;
对所述靶向位置进行靶向定位,将靶点定位在电极前外侧1cm处;
采用预设强度的rTMS刺激右DLPFC、110%MT、420个脉冲/次,进行用户情绪激活。
其中较优地,所述通过人机对话的方式获取所述用户的自传性文本,具体包括:
基于预设的信念评估对话题库,随机抽取预设数量的题目;其中,所述信念评估对话题库中包括自我关系、自我与他人的关系、自我与世界的关系三个维度的题目;
采用电子语音的方式向所述用户依次询问所述预设数量的题目;
对所述用户的回答进行语音录制,并在结束后让用户对所录制内容的转录文字进行校正,以形成所述用户的自传性文本。
其中较优地,所述对所述自传性文本进行分析,以获取所述用户的妄想特征,具体包括:
构建妄想特征分类编码表,其中,所述妄想特征分类编码表包括第一数量的一级妄想特征,各所述一级妄想特征均包括第二数量的二级妄想特征,各所述二级妄想特征均对应多个词典编码;
从所述用户的自传性文本中提取关键字;
判断所述关键字属于哪一类词典编码,以确定所述用户所具有的二级妄想特征。
其中较优地,所述基于所述妄想特征锁定所述用户的非合理信念,并生成干预方案,具体包括:
构建所述妄想特征分类编码表与预设的多种非合理信念的对应关系;
基于所述用户的多个二级妄想特征,确定与所述多个二级妄想特征相对应的多个非合理信念;
针对所述多个非合理信念,采用理性疗法生成干预方案,以进行信念调节。
其中较优地,所述干预方案通过以下方式生成:
确定所述干预方案的训练周期;
获取针对各所述非合理信念的不同训练内容;
将所述不同训练内容按照所述训练周期进行排序,以形成所述干预方案。
其中较优地,所述信念调节包括:
采用人机对话的方式,对所述用户的非合理信念进行解构;
通过植入合理信念的方式辅助所述用户进行信念重建。
根据本发明实施例的第二方面,提供一种妄想性精神障碍训练系统,包括处理器和存储器,所述处理器读取所述存储器中的计算机程序,用于执行以下操作:
采集用户信息,以获取所述用户的妄想症状严重等级;
基于所述用户的妄想症状严重等级,采用经颅磁刺激TMS对所述用户进行相应脑区的激活;
通过人机对话的方式获取所述用户的自传性文本;
对所述自传性文本进行分析,以获取所述用户的核心信念;
从所述用户的核心信念中锁定非合理信念,并生成干预方案;
基于所述干预方案,对所述用户的非合理信念进行信念调节;
获取所述干预方案的信念调节效果,并进行效果评估。
与现有技术相比较,本发明具有以下的技术特点:
一. 用户多模态信息采集方式:复合视频采集、音频采集、结构化量表信息采集、人口学信息采集等多种用户信息采集,实现用户多模态的数据获取,同时设计人机交互的对话模式,增加用户多模态信息采集的趣味性。
二. 用户临床症状诊断模型构建:基于机器学习算法创建的用户临床症状诊断模型,结合用户的多维数据特征,融合进行生成情绪计算指标、态度计算指标等,结合经典量表测评工具,对个体的妄想性临床症状进行不同等级的分类诊断,从而为后续对比分析个体的训练效果提供了量化依据。
三. 用户情绪激活的应用思路:基于TMS技术的用户DLPFC脑区激活,是作为本发明实施例进行个体自我表达的前驱激活步骤,相比过往直接以经颅磁刺激方法自身作为治疗精神疾病的方法和手段。
四. 人机对话治疗模式:本发明实施例中多次使用人机对话的交互模式,来完成用户的测评与康复训练过程,具体内容包括用户Pa等测评、效果评估的问答、自传性妄想语言素材的获取、训练中不合理信念的结构与意义构建,该治疗模式是在传统对话咨询师的模式与计算机自动化模式的融合创新。
五. 妄想症状与非合理信念的映射关系:基于用户妄想特征,构建其与成熟的非合理信念体系之间的映射关系,是达成妄想症状治疗训练的核心逻辑起点,该映射关系实现了不同妄想特征背后的底层认知偏差锁定,为后续有针对性的训练治疗具有重要意义。
六. 妄想训练干预方案的生成:妄想症状的康复训练过程,是本发明的核心之一。该康复训练过程分为解构与意义构建、巩固和应用两个部分,基于用户自身评估的掌握情况,可以实现康复训练过程的自适应性干预。
七. 妄想诊疗报告的生成:整体诊疗报告的生成,包括个体的基础信息、测评结果、康复训练过程、效果评估情况的综合展现与对比分析,是本发明形成诊疗闭环、辅助个体量化妄想诊疗过程的有效方法。
附图说明
图1为本发明实施例提供的一种基于TMS技术的妄想性精神障碍训练方法的流程图;
图2为用户妄想症状的严重等级预测示意图;
图3为本发明实施例中,靶向位置的校正图;
图4为本发明实施例中,妄想涌现模型的建模示意图;
图5为本发明实施例中,妄想特征与11种不合理信念的映射关系图;
图6为本发明实施例中,实际应用实例的流程图;
图7为本发明实施例提供的一种基于TMS技术的妄想性精神障碍训练系统的结构图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
本发明首先通过TMS技术刺激用户的语言与情绪相关脑区,随后引入系列问题,构建妄想性神经症状分析类别与子类别编码库,收集用户对不同问题的回答,进行语音分析编码,从而对用户妄想的核心不良信念进行有效的分析和锁定。在确定核心非理性信念的基础上,引入Albert Ellis的理性情绪行为疗法,进行信念的启发,最终引导用户的思维活跃方向,将活跃的思维活动延续到有积极意义的构建状态中,实现妄想性神经活动的转化与治疗。
如图1所示,本发明实施例提供的一种基于TMS技术的妄想性精神障碍训练方法,具体包括步骤S1~S7:
S1:采集用户信息,以获取用户的妄想症状严重等级。
具体的,包括步骤S11~S14:
S11:获取用户的多模态数据。
可以理解的是,用户的信息采集是妄想诊疗的基础,只有采集到精准的用户信息,才能根据用户的实际情况进行针对性训练。本实施例中,通过人机对话的方式智能采集用户信息,具体的采集过程为:用户登录系统-开启问答对话的语音提示-打开摄像头进行表情采集-打开麦克风进行语音采集-根据内设问题提问-问答结束提示。
本实施例中,具体的内设提问包含如下三部分内容:
第一. 人口学信息问答。例如:年龄、性别、受教育程度等;
第二. 疾病、家族病史问答。
第三. 妄想类经典测评工具问答。本实施例中,采用明尼苏达多项人格测验(MMPI-399)中的Pa分量表,根据调取映射关系,将相应题目调取进入发明题库,题目命名为:Pa16、Pa24、Pa27、Pa35、Pa93、Pa107、Pa109、Pa110、Pa111、Pa117、Pa121、Pa123、Pa124、Pa127、Pa151、Pa157、Pa158、Pa202、Pa268、Pa275、Pa281、Pa284、Pa291、Pa293、Pa294、Pa299、Pa305、Pa313、Pa314、Pa316、Pa317、Pa319、Pa326、Pa327、Pa338、Pa341、Pa347、Pa348、Pa364、Pa365。
由此,对用户进行信息采集后所获得的多模态数据至少包括:表情数据、语音数据、结构化量表数据、人口特征数据以及疾病史数据。
S12:对多模态数据进行建模分析。
具体的,本实施例中,通过对上述多模态数据进行建模分析后,能够获取用户的情绪波动E、态度变化S以及结构化量表的标准分T。
具体的建模分析过程如下:
一. 对表情数据的建模分析:通过对用户的表情数据进行数据处理,由外接面部情绪识别算法将其转化为积极情绪比率E1、消极情绪比率E2,取两者差值的绝对值表示用户的情绪波动E =∣E1-E2∣。
二. 对语音数据的建模分析:通过对用户的语音数据进行语调分析,取最高分贝与最低分贝的差值,表示用户的态度变化S=Smax-Smin。
三. 对结构化量表数据的建模分析:根据经典量表的算分规则对题目的回答进行原始计分求和统计,将其转换为标准分T=50+10*(原始分-M)/SD;其中,M表示平均数(mean)、SD表示标准差(standard deviation)、原始分表示经典量表下题目回答的原始计分和。
可以理解的是,人口特征数据和疾病史数据无需进行单独的建模分析,可直接使用。
S13:采用机器学习算法进行机器学习。
具体的,本实施例中,采用机器学习算法,将用户的情绪波动E、态度变化S、人口特征数据以及疾病史数据作为自变量,将结构化量表的标准分T的高中低分类作为因变量,进行机器学习。
S14:获取用户的妄想症状严重等级。
具体的,采用特征交互的通用注意力机制,通过卷积神经网络将多模态数据拼接为矩阵,并使用卷积和池化操作提取其任意阶的特征交互,在全连接层基础上以获取用户的妄想症状严重等级。
参照图2所示,以多维数组为数据输入层,将图像的不同局部的矩阵和卷积核矩阵各个位置的元素相乘,然后相加得到卷积结果;在卷积层后面是池化层(pooling layer),池化层的作用是进行数据降维和缩减。卷积层和池化层的组合可以在隐藏层部分出现很多次;随后是全连接层(Fully Connected Layer,简称FC),实现分类目标,最终形成输出层,实现用户妄想症状的严重等级预测。
S2:采用经颅磁刺激TMS对用户进行相应脑区的激活。
具体的,包括步骤S21~S23:
S21:将用户右侧背外侧前额叶DLPFC,运动皮层前5~6厘米作为用户的靶向位置;
S22:对靶向位置进行靶向定位,具体的,如图3所示,将靶点定位在电极前外侧1cm处;
S23:采用预设强度的rTMS刺激右DLPFC、110%MT、420个脉冲/次,进行用户情绪激活。
其中,可以理解的是,对用户的刺激过程与妄想症状严重等级没有直接的关系,不同严重等级的患者,后续的训练的内容和持续时间不一样,但前期的情绪激活均相同。
S3:通过人机对话的方式获取用户的自传性文本。
具体的,包括步骤S31~S33:
S31:抽取题目。
具体的,本实施例中,基于预设的信念评估对话题库,随机抽取预设数量的题目(例如:3个题目、5个题目、7个题目等)。其中,信念评估对话题库中包括自我关系、自我与他人的关系、自我与世界的关系三个维度的题目。具体题目举例如下:“你最近有什么印象深刻的经历,这个事件给你怎样的感受”、“你最近与朋友的关系怎样,是否发生过不愉快的事情”、“你对目前的某某社会现象有什么看法”。
可以理解的是,该预设数量基于不同用户的情况而定,不同症状的用户所抽取的题目数量也会存在差异。
S32:采用电子语音的方式向用户依次询问该预设数量的题目。
S33:对用户的回答进行语音录制,并在结束后让用户对所录制内容的转录文字进行校正,以形成用户的自传性文本。
S4:对自传性文本进行分析,以获取用户的核心信念。
具体的,包括步骤S41~S43:
S41:构建妄想特征分类编码表。
具体的,该妄想特征分类编码表包括第一数量的一级妄想特征,各一级妄想特征均包括第二数量的二级妄想特征,各二级妄想特征均对应多个词典编码。本实施例中,鉴于应用场景是为焦虑、抑郁治疗提供有效的重要支撑,因此,本发明实施例结合妄想涌现模型锁定三个一级妄想特征,并根据三个一级妄想特征各自延伸出三个二级妄想特征。
其中,图4所示为妄想涌现模型的建模示意图,在妄想涌现模型中,妄想现象的出现是因为它们的含义植根于人的现象意识,通过与他人的接触以及由语言和情感介导的社会文化背景形成并发展。例如,早期的创伤记忆和成年期的困难互动是一些妄想叙事的基本方面,因此它们可能被认为是这些特定妄想实例发展或维持的生成因素作为一种强烈的用户化现象。同样,孤独、孤立和对归属感的需要都作为其他妄想经历和叙事的基本构成方面出现。同时,在每个一级妄想特征和二级妄想特征中都确定了在同一层和跨层工作的其他生成机制,这可能有助于为特定个人和背景塑造某种妄想的形式,结构和意义。
具体的编码过程为:
1、确定一级妄想特征。
具体的,根据焦虑、抑郁的应用场景,本发明实施例锁定三个一级妄想特征,包括:(1)由强烈情绪主导的世界重构(World reconstruction dominated by strongemotions, WRDSE);(2)怀疑、迷失,并在妄想的世界中找寻自我(Find Yourself in aDoubt, Lost, Delusional World, FYDLDW);(3)寻找意义、归属和连贯性(Findingmeaning, belonging and coherence, FMBC)。
2、确定二级妄想特征。
具体的,在“由强烈情绪主导的世界重构”主题下,构建三个二级妄想特征包括:(1)超现实的感官、超感官知觉(Senses beyond reality、 extrasensory perception,EP);(2)持续的情感和精神争斗(Ongoing emotional and spiritual battles, OB);(3)强烈的不确定性和不信任感(Intense uncertainty and distrust, UD)。
在“怀疑、迷失,并在妄想的世界中找寻自我”主题下,构建三个二级妄想特征包括:(4)自我怀疑与自我分裂状态(Self-doubt and self-split state, SS);(5)现实与理想状态的自我差异感(Self-difference between reality and ideal, SD);(6)特殊力量和独特能力的浮夸妄想(Grand delusions of special powers and unique abilities,GD)。
在“寻找意义、归属和连贯性”主题下,构建三个二级妄想特征包括:(7)过往经历解释困难(Difficulty explaining past experience, DE);(8)过去与现在的人际关系塑造不良(Poorly shaped past and present relationships, PP);(9)恐惧过往经历及破坏信心(Fear of past experiences and undermined confidence, FC)。
3、构建编码词典。
具体的,根据上述不同维度下的9个主题分类,发明进行不同主题类别的词典编码。在每个类别下,发明分别创建如下几类编码:(1)语言特性类别词编码(如人称代词、时态词、助动词等);(2)个人化类别词(如家庭、日常社交、工作、休闲等);(3)精神特性类别(如情感过程词、认知过程词、社会过程词等);(4)标点符号(如感叹号、省略号等)。
4、词典编码的信效度检验。
具体的,词典编码的信度验证不同于一般性自评式问卷工具验证,问卷会就某个心理特征编制几个不同情景或不同描述方式的题目,并假设题目均能反应统一的心理特征,从而根据题目的内部一致性系统来反应工具信度。而在自传性词典编码中,用户往往不会在一次对话或书写中同时使用如“我”“本人”“自己”等同义词进行表达,为有效分析词典编码的信度,发明根据同一语义的词汇出现频率,作为词典编码的属性信息,使用Spearman-Brown预测公式计算校正的alpha(Brown, 1910;Spearman, 1910),相比于未校正的alpha系数,该方法能够更好的进行语言类别的可靠性进行分析,从而使得各个近似值类别更符合真实的内部一致性。词典编码的效度分析,邀请5名专家对20篇妄想性自传表述进行情感、认知、内容和症状的词汇编码分析和评级,使用Pearson 相关分析对词典编码的外部有效性进行量化分析。
S42:从用户的自传性文本中提取关键字。
具体的,当构建出妄想特征分类编码表后,需要根据不同用户的不同症状对用户进行妄想症状分析。基于步骤S3中获取的用户的自传性文本,可以从中提取出关键字。例如:“无法逃避”“小心”“害怕”等情感过程词,“虐待”“监视”“跟踪”等社会过程词,“我”“你”等指向词,“非常”“有点”“必须”等助动词等。
S43:确定用户的核心信念。
具体的,当步骤S42中提取出关键字后,通过将关键字与上述妄想特征分类编码表相比对,以判断该关键字属于哪一类词典编码,以确定用户所具有的二级妄想特征。可以理解的是,由于词典编码中不可能与所提取的关键字完全相同,因此,只需要关键字与词典编码的意义相近即可。
通过比对后能够找出用户的多个二级妄想特征,从而共同构成该用户的核心信念。可以理解的是,用户的所有信念中必然包括一些合理的信念和一些非合理的信念,本实施例中,所确定的用户的核心信念均为非合理信念,从而能够对该非合理信念进行信念调节。
S5:基于妄想特征锁定用户的非合理信念,并生成干预方案。
本实施例中,在9类妄想特征的详细分类下,本发明根据心理学家Albert Ellis的信念分类,构建妄想特征与非合理信念的映射关系,在有效映射的基础上,借助理性情绪行为疗法,生成信念调节方案。
具体的,包括步骤S51~S53:
S51:构建妄想特征分类编码表与预设的多种非合理信念的对应关系。
其中,该预设的多种非合理信念采用的是心理学家Albert Ellis提出的11种不合理信念,,具体包括:
1、在自己的生活环境中,每个人都绝对需要得到其他重要人物的喜爱与赞扬(Absolutely Admire, AA)。
2、一个人必须能力十足,在各方面至少在某方面有才能、有成就,这样才是有价值的(Must Valuable, MV)。
3、有些人是坏的、卑劣的、邪恶的,他们应该受到严厉的谴责与惩罚(Condemnedand Punished, CP)。
4、生活中出现不如意的事情时,就会有大难临头的感觉(UnsatisfactoryDisaster, UD)。
5、人的不快乐是外在因素引起的,人不能控制自己的痛苦与困惑(UnhappinessUncontrolness, UU)。
6、对可能(或不一定)发生的危险与可怕的事情,应该牢记在心头,随时顾虑到它会发生(Excessvie Worry, EW)。
7、对于困难与责任,逃避比面对要容易得多(Responsibility Avoid, RA)。
8、一个人应该依赖他人,而且依赖一个比自己更强的人(Depend on Stronger,DS)。
9、一个人过去的经历是影响他目前行为的决定因素,而且这种影响是永远不可改变的(Never be Changed, NC)。
10、 一个人应该关心别人的困难与情绪困扰,并为此感到不安与难过(OverlyConcerned, OC)。
11、 碰到的每个问题都应该有一个正确而完美的解决办法,如果找不到这种完美的解决办法,那是莫大的不幸,真是糟糕透顶(Perfect Demand, PD)。
如图5所示,本实施例中,将步骤S2所构建的妄想特征分类编码表与11种不合理信念进行对应,以形成关系映射。例如:一级妄想特征(FMBC)下的二级妄想特征(FC)所对应的不合理信念为第一种信念AA;一级妄想特征(FYDLDW)下的二级妄想特征(GD)所对应的不合理信念为第二种信念MV和第八种信念DS。
S52:基于用户的二级妄想特征,确定与二级妄想特征相对应的非合理信念。
具体的,当构建出妄想特征分类编码表与预设的多种非合理信念的对应关系后(如图5所示),则根据步骤S4中所确定的用户的多个二级妄想特征,从而找出与二级妄想特征相对应的非合理信念。
S53:针对非合理信念,采用理性疗法生成干预方案,以进行信念调节。
具体的,包括步骤S531~S533:
S531:确定干预方案的训练周期;
在本发明的一个实施例中,训练周期的生成包含两层逻辑,一是初步训练周期的确定,本发明实施例设计的训练周期是根据用户自传性文本中抽取出的非合理信念数量*2作为初步的训练周期;二是具体的周期长度还会根据用户的掌握情况进行调整,方案预设每校正一个非合理信念,用户需要进行解构与意义构建的理解学习(第一次)和巩固应用(第二次)两次训练,但如果用户在第二次巩固应用时认为自己还没有掌握、无法应用,则会再次跳转到该非合理信念的第一次训练内容,辅助用户进行再次的信念解构与意义构建,直至用户在巩固应用模块确认自己掌握,所以用户具体的训练周期会因用户自身反馈而有所差异。
S532:获取针对各非合理信念的不同训练内容;
S533:将不同训练内容按照2N的训练周期进行排序,以形成干预方案。
S6:基于干预方案,对用户的非合理信念进行信念调节。
具体的,本实施例中,当确定用户的干预方案后,采用人机对话的方式,对用户的非合理信念进行解构;并通过植入合理信念的方式辅助用户进行信念重建。
具体过程如下:
1. 解构:一个人不可能得到所有人的喜欢和认可,并且我们不只为别人的喜欢和认可而活。
意义构建:一个人能被部分人喜欢和认可,不被所有人否定和排斥,就是受欢迎的。
2. 解构:人无完人,每个人都有自己的优点和缺点,无法保证在所有事上都成功。
意义构建:一个人能在自己擅长的某个领域发光发热,就是有价值的。
3. 解构:世界上没有绝对的好人和坏人,不应因一时的失误,而判断一个人的整体。
意义构建:每个人都可能会犯错,对待犯错的人要宽容。
4. 解构:人生难免出现不如意的情况,如果能正确面对并寻求解决办法,反而能从中得到成长。
意义构建:遇到不如意的情况很正常,如果能解决就改变它;如果不能改变,就试着接受它。
5. 解构:不快乐不仅受外在因素影响,也受内在因素的影响。我们可以通过改变对事件的态度,来改变自己的情绪和行为。
意义构建:通过将悲观的态度转变为积极的态度,我们可以让自己更幸福和快乐。
6. 解构:坏事有可能会发生,但不能过度杞人忧天。与其过度忧虑,不如将精力集中在当前需要解决的问题上。
意义构建:对坏事的发生要有心理准备,但不过度忧虑。
7. 解构:逃避困难只能躲得了一时,无法真正解决问题,还会引发连锁效应,让情况变得更糟糕。
意义构建:认真对待困难和责任,它们并没有想象中那么难。
8. 解构:虽然有时我们需要彼此相互依赖,但过度依赖他人,容易失去独立性和自主性。
意义构建:每个人都是独立的用户,别人可以在某方面帮助你,但安全感还是要靠独立自主来获得。
9. 解构:过去的经历无法改变,但我们可以改变现在,转变和影响将来的生活。
意义构建:凡是过往皆为序章,它并不决定现在和未来,我们可以通过努力来改变现状。
10. 解构:关心他人是件好事,但如果因此忽略了自己的情绪和感受,也会让事情变糟糕。
意义构建:面对他人的困难,我们不妨施以援手,如果帮不上忙,也不必过于内疚、自责。
11. 解构:有些问题可能有好的答案,有的问题可能有多种答案,有的问题可能没有答案。
意义构建:并不是每个问题都有一个标准答案,不必事事追求完美,适合自己的就是好的答案。
整体而言,本发明实施例通过解构非合理信念、构建意义,引导用户关注“充实”的感觉、“充满普遍的爱”的感觉、“成为团队的一员”的感觉,以及对社会做出宝贵贡献、帮助他人和寻求保护的想法。最终实现用户对立状态的减弱、偏执情绪的下降、妄想信念的转化。
S7:获取干预方案的信念调节效果,并进行效果评估。
具体的,本实施例中,在进行一系列测评、对话解构与信念构建的基础上,对用户妄想症状的治疗效果进行评估。效果评估模块分为两种模式,一种是重复测评使用的妄想量表Pa,另一种是引入精神科医生进行人工评估。较优地,用户在内部自测评估(方式一)的基础上,获取精神科医生的妄想症状诊断(方式二),以相互校验的方式,保证用户妄想症状水平的有效评估。
在效果评估基础上,生成用户的妄想诊疗反馈报告。报告模块分为两个部分,一部分为日常测评、训练之下的用户情况反馈,另一部分为训练达到一定的周期后出具的整体诊疗报告。
在整体诊疗报告生成,会将用户的基础信息、测评结果、康复训练过程、效果评估情况进行全面说明。基础信息是对用户人口学、病史等信息进行如实反馈;测评结果模块是对用户语音、表情、结构化量表综合判断的妄想症状水平进行分析报告;康复训练过程模块是对用户非合理信念的抽取、结构与意义构建、巩固与应用过程的顺序性展现;效果评估模块是用户Pa量表及医生诊断结果的展现,与测评阶段的结果进行对比说明,最终形成用户完整的妄想诊疗报告。
下面通过一个实际应用实例对上述方法进行详细说明:
如图6所示,当用户完成步骤S1的信息采集,以及步骤S2的脑区激活后,通过人机对话提问“你最近经常出现的想法或感受是怎样的”,用户回答“最近感觉有一道闪电击中了我的世界...就好像我无法逃避它一样。我也不知道发生了什么。它增加了心理负担,增加了虐待,我不知道发生了什么。这在我以前从未发生过。是的,感觉就像你被监视了,也许人们在跟踪你的一举一动,所以你必须小心,非常......我想还有一种感觉...就像我总是有点害怕和害怕我遇到的一切”。
对上述自传性文本进行语义分析,其出现 “无法逃避”“小心”“害怕”等情感过程词,对应一级妄想特征 “由强烈情绪主导的世界重构”,体现出用户在一个彻底改变的陌生世界中无休止的精神斗争(如重复思考),充满压倒性情绪的妄想特征。此外还出现“虐待”“监视”“跟踪”等社会过程词,对应二级妄想特征“强烈的不确定性和不信任感”,同时,文本中出现大量“我”“你”等指向词,“非常”“有点”“必须”等助动词,对应二级主题“精神斗争”,对于许多人来说,特别是在妄想参考或迫害的情况下,周围的环境变成了一个充满敌意,威胁或世界末日的世界,参与者感到恐惧,脆弱和不断期待威胁。威胁通常被预测为来自其他人,但它也可以指特定的物体,或者感觉是嵌入周围环境中的无所不包的负向体验。
根据妄想特征分类编码表与非合理信念的映射关系,其中包含的不合理信念为“过度担忧EW”“大难临头UD”,初步预估用户的训练周期为4次。对两个不合理信念进行解构,对两个不合理信念进行新的意义构建(对应不合理信念的4、6),在巩固阶段询问用户是否理解并掌握了新信念的原理和方法,用户若反馈已掌握,则训练计划不变;若用户反馈未掌握,则计划根据用户未掌握的内容进行延长,直到用户反馈全部掌握。
最后,以人机对话的方式,再次邀请用户根据当前现在评估自身状态,完成Pa问卷的填写,随后建议其去往专业机构获得精神科医生的评估结果反馈到系统,最终为用户出具包含诊疗过程的整体报告。
在上述基于TMS技术的妄想性精神障碍训练方法的基础上,本发明进一步提供一种基于TMS技术的妄想性精神障碍训练系统。如图7所示,该妄想性精神障碍训练系统包括一个或多个处理器21和存储器22。其中,存储器22与处理器21耦接,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器21执行,使得所述一个或多个处理器21实现如上述实施例中的基于TMS技术的妄想性精神障碍训练方法。
其中,处理器21用于控制该妄想性精神障碍训练系统的整体操作,以完成上述基于TMS技术的妄想性精神障碍训练方法的全部或部分步骤。该处理器21可以是中央处理器(CPU)、图形处理器(GPU)、现场可编程逻辑门阵列(FPGA)、专用集成电路(ASIC)、数字信号处理(DSP)芯片等。存储器22用于存储各种类型的数据以支持在该妄想性精神障碍训练系统的操作,这些数据例如可以包括用于在该妄想性精神障碍训练系统上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器22可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器等。
在一个示例性实施例中,训练系统具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现,用于执行上述的基于TMS技术的妄想性精神障碍训练方法,并达到如上述方法一致的技术效果。一种典型的实施例为计算机。具体地说,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在另一个示例性实施例中,本发明还提供一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述任意一个实施例中的基于TMS技术的妄想性精神障碍训练方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由训练系统的处理器执行以完成上述的基于TMS技术的妄想性精神障碍训练方法,并达到如上述方法一致的技术效果。
综上所述,本发明实施例提供的基于TMS技术的妄想性精神障碍训练方法及系统,具有以下的有益效果:
一. 用户多模态信息采集方式
复合视频采集、音频采集、结构化量表信息采集、人口学信息采集等多种用户信息采集,实现用户多模态的数据获取,同时设计人机交互的对话模式,增加用户多模态信息采集的趣味性。
二. 用户临床症状诊断模型构建
基于机器学习算法创建的用户临床症状诊断模型,结合用户的多维数据特征,融合进行生成情绪计算指标、态度计算指标等,结合经典量表测评工具,对个体的妄想性临床症状进行不同等级的分类诊断,从而为后续对比分析个体的训练效果提供了量化依据。
三. 用户情绪激活的应用思路
基于TMS技术的用户DLPFC脑区激活,是作为本发明实施例进行个体自我表达的前驱激活步骤,相比过往直接以经颅磁刺激方法自身作为治疗精神疾病的方法和手段。
四. 人机对话治疗模式
本发明实施例中多次使用人机对话的交互模式,来完成用户的测评与康复训练过程,具体内容包括用户Pa等测评、效果评估的问答、自传性妄想语言素材的获取、训练中不合理信念的结构与意义构建,该治疗模式是在传统对话咨询师的模式与计算机自动化模式的融合创新。
五. 妄想症状与非合理信念的映射关系
基于用户妄想特征,构建其与成熟的非合理信念体系之间的映射关系,是达成妄想症状治疗训练的核心逻辑起点,该映射关系实现了不同妄想特征背后的底层认知偏差锁定,为后续有针对性的训练治疗具有重要意义。
六. 妄想训练干预方案的生成
妄想症状的康复训练过程,是本发明的核心之一。该康复训练过程分为解构与意义构建、巩固和应用两个部分,基于用户自身评估的掌握情况,可以实现康复训练过程的自适应性干预。
七. 妄想诊疗报告的生成
整体诊疗报告的生成,包括个体的基础信息、测评结果、康复训练过程、效果评估情况的综合展现与对比分析,是本发明形成诊疗闭环、辅助个体量化妄想诊疗过程的有效方法。
上面对本发明所提供的基于TMS技术的妄想性精神障碍训练方法及系统进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (10)
1.一种基于TMS技术的妄想性精神障碍训练方法,其特征在于包括如下步骤:
采集用户信息,以获取所述用户的妄想症状严重等级;
采用经颅磁刺激TMS对所述用户进行相应脑区的激活;
通过人机对话的方式获取所述用户的自传性文本;
对所述自传性文本进行分析,以获取所述用户的妄想特征;
基于所述妄想特征锁定所述用户的非合理信念,并生成干预方案;
基于所述干预方案,对所述用户的非合理信念进行信念调节;
获取所述干预方案的信念调节效果,并进行效果评估。
2.如权利要求1所述的妄想性精神障碍训练方法,其特征在于所述采集用户信息,以获取所述用户的妄想症状严重等级,具体包括:
获取用户的多模态数据,其中,所述多模态数据至少包括:表情数据、语音数据、结构化量表数据、人口特征数据以及疾病史数据;
对所述多模态数据进行建模分析,以获取所述用户的情绪波动E、态度变化S、结构化量表的标准分T;
采用机器学习算法,将所述用户的情绪波动E、态度变化S、人口特征数据以及疾病史数据作为自变量,将所述结构化量表的标准分T的高中低分类作为因变量,进行机器学习;
采用特征交互的通用注意力机制,通过卷积神经网络将所述多模态数据拼接为矩阵,并使用卷积和池化操作提取其任意阶的特征交互,在全连接层基础上以获取所述用户的妄想症状严重等级。
3.如权利要求2所述的妄想性精神障碍训练方法,其特征在于对所述多模态数据进行建模分析包括:
对所述用户的表情数据进行数据处理,由外接面部情绪识别算法将其转化为积极情绪比率E1、消极情绪比率E2,取两者差值的绝对值表示用户的情绪波动E=∣E1-E2∣;
对所述用户的语音数据进行语调分析,取最高分贝与最低分贝的差值,表示用户的态度变化S=Smax-Smin;
针对所述结构化量表数据,根据经典量表的算分规则对题目的回答进行原始计分求和统计,将其转换为标准分T=50+10*(原始分-M)/SD;其中,M表示平均数、SD表示标准差、原始分表示经典量表下题目回答的原始计分和。
4.如权利要求1所述的妄想性精神障碍训练方法,其特征在于所述采用经颅磁刺激TMS对所述用户进行相应脑区的激活,具体包括:
将所述用户右侧背外侧前额叶DLPFC,运动皮层前5~6厘米作为所述用户的靶向位置;
对所述靶向位置进行靶向定位,将靶点定位在电极前外侧1cm处;
采用预设强度的rTMS刺激右DLPFC、110%MT、420个脉冲/次,进行用户情绪激活。
5.如权利要求1所述的妄想性精神障碍训练方法,其特征在于所述通过人机对话的方式获取所述用户的自传性文本,具体包括:
基于预设的信念评估对话题库,随机抽取预设数量的题目;其中,所述信念评估对话题库中包括自我关系、自我与他人的关系、自我与世界的关系三个维度的题目;
采用电子语音的方式向所述用户依次询问所述预设数量的题目;
对所述用户的回答进行语音录制,并在结束后让用户对所录制内容的转录文字进行校正,以形成所述用户的自传性文本。
6.如权利要求1所述的妄想性精神障碍训练方法,其特征在于所述对所述自传性文本进行分析,以获取所述用户的妄想特征,具体包括:
构建妄想特征分类编码表,其中,所述妄想特征分类编码表包括第一数量的一级妄想特征,各所述一级妄想特征均包括第二数量的二级妄想特征,各所述二级妄想特征均对应多个词典编码;
从所述用户的自传性文本中提取关键字;
判断所述关键字属于哪一类词典编码,以确定所述用户所具有的二级妄想特征。
7.如权利要求6所述的妄想性精神障碍训练方法,其特征在于所述基于所述妄想特征锁定所述用户的非合理信念,并生成干预方案,具体包括:
构建所述妄想特征分类编码表与预设的多种非合理信念的对应关系;
基于所述用户的多个二级妄想特征,确定与所述多个二级妄想特征相对应的多个非合理信念;
针对所述多个非合理信念,采用理性疗法生成干预方案,以进行信念调节。
8.如权利要求7所述的妄想性精神障碍训练方法,其特征在于所述干预方案通过以下方式生成:
确定所述干预方案的训练周期;
获取针对各所述非合理信念的不同训练内容;
将所述不同训练内容按照所述训练周期进行排序,以形成所述干预方案。
9.如权利要求7所述的妄想性精神障碍训练方法,其特征在于所述信念调节包括如下步骤:
采用人机对话的方式,对所述用户的非合理信念进行解构;
通过植入合理信念的方式辅助所述用户进行信念重建。
10.一种妄想性精神障碍训练系统,其特征在于包括处理器和存储器,所述处理器读取所述存储器中的计算机程序,用于执行以下操作:
采集用户信息,以获取所述用户的妄想症状严重等级;
基于所述用户的妄想症状严重等级,采用经颅磁刺激TMS对所述用户进行相应脑区的激活;
通过人机对话的方式获取所述用户的自传性文本;
对所述自传性文本进行分析,以获取所述用户的核心信念;
从所述用户的核心信念中锁定非合理信念,并生成干预方案;
基于所述干预方案,对所述用户的非合理信念进行信念调节;
获取所述干预方案的信念调节效果,并进行效果评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659784.XA CN115641943B (zh) | 2022-12-22 | 2022-12-22 | 基于tms技术的妄想性精神障碍训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659784.XA CN115641943B (zh) | 2022-12-22 | 2022-12-22 | 基于tms技术的妄想性精神障碍训练系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115641943A true CN115641943A (zh) | 2023-01-24 |
CN115641943B CN115641943B (zh) | 2023-05-12 |
Family
ID=84948800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659784.XA Active CN115641943B (zh) | 2022-12-22 | 2022-12-22 | 基于tms技术的妄想性精神障碍训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641943B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110522983A (zh) * | 2018-05-23 | 2019-12-03 | 深圳先进技术研究院 | 基于人工智能的脑刺激系统、方法、设备和存储介质 |
CN111261262A (zh) * | 2020-03-02 | 2020-06-09 | 浙江连信科技有限公司 | 基于人机交互的心理干预方法、装置及电子设备 |
CN111297379A (zh) * | 2020-02-10 | 2020-06-19 | 中国科学院深圳先进技术研究院 | 一种基于感官传递的脑机结合系统和方法 |
CN112951449A (zh) * | 2021-03-30 | 2021-06-11 | 江苏贝泰福医疗科技有限公司 | 针对神经功能障碍疾病的云端ai调控诊疗系统及其方法 |
CN113921113A (zh) * | 2021-08-06 | 2022-01-11 | 北京智精灵科技有限公司 | 积极心理学计算机化训练方法及系统 |
CN114005544A (zh) * | 2021-11-12 | 2022-02-01 | 广东省实验动物监测所 | 一种人类疾病动物模型资源的数据管理方法和系统 |
CN115487420A (zh) * | 2022-11-15 | 2022-12-20 | 深圳中科华意科技有限公司 | 一种个性化经颅电刺激干预情绪的方法及装置 |
-
2022
- 2022-12-22 CN CN202211659784.XA patent/CN115641943B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110522983A (zh) * | 2018-05-23 | 2019-12-03 | 深圳先进技术研究院 | 基于人工智能的脑刺激系统、方法、设备和存储介质 |
CN111297379A (zh) * | 2020-02-10 | 2020-06-19 | 中国科学院深圳先进技术研究院 | 一种基于感官传递的脑机结合系统和方法 |
CN111261262A (zh) * | 2020-03-02 | 2020-06-09 | 浙江连信科技有限公司 | 基于人机交互的心理干预方法、装置及电子设备 |
CN112951449A (zh) * | 2021-03-30 | 2021-06-11 | 江苏贝泰福医疗科技有限公司 | 针对神经功能障碍疾病的云端ai调控诊疗系统及其方法 |
CN113921113A (zh) * | 2021-08-06 | 2022-01-11 | 北京智精灵科技有限公司 | 积极心理学计算机化训练方法及系统 |
CN114005544A (zh) * | 2021-11-12 | 2022-02-01 | 广东省实验动物监测所 | 一种人类疾病动物模型资源的数据管理方法和系统 |
CN115487420A (zh) * | 2022-11-15 | 2022-12-20 | 深圳中科华意科技有限公司 | 一种个性化经颅电刺激干预情绪的方法及装置 |
Non-Patent Citations (1)
Title |
---|
JEAN-PAUL NGUYEN: ""Repetitive transcranial magnetic stimulation combined with cognitive training for the treatment of Alzheimer’s disease"" * |
Also Published As
Publication number | Publication date |
---|---|
CN115641943B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van Overwalle et al. | The posterior crus II cerebellum is specialized for social mentalizing and emotional self-experiences: a meta-analysis | |
Bucci | Patterns of discourse in “good” and troubled hours: A multiple code interpretation | |
Havas et al. | Cosmetic use of botulinum toxin-A affects processing of emotional language | |
Pyszczynski et al. | Hanging on and letting go: Understanding the onset, progression, and remission of depression | |
Federmeier et al. | Age-related and individual differences in the use of prediction during language comprehension | |
Estroff et al. | Everybody's got a little mental illness: Accounts of illness and self among people with severe, persistent mental illnesses | |
Forsberg et al. | Evaluating Ethical Frameworks for the Assessment of Human Cognitive Enhancement Applications | |
Cohen | Overcoming social amnesia: The role for a social perspective in psychiatric research and practice | |
Cain | Toward a research-based integration of optimal practices of humanistic psychotherapies. | |
Coplan | Feeling without thinking: Lessons from the ancients on emotion and virtue‐acquisition | |
CN115641943A (zh) | 基于tms技术的妄想性精神障碍训练方法及系统 | |
Denton et al. | DSM‐5 and the family therapist: First‐order change in a new millennium | |
Heping et al. | Online music-assisted rehabilitation system for depressed people based on deep learning | |
Murphy | Psychotherapy as mutual encounter: A study of therapeutic conditions | |
Barange et al. | Impact of adaptive multimodal empathic behavior on the user interaction | |
Griol et al. | Towards emotionally sensitive conversational interfaces for e-therapy | |
CN112185516A (zh) | 基于人机交互的重精人员心理建设方法、装置及电子设备 | |
Hook | Psychotherapy, discourse and the production of psychopathology | |
Engster et al. | Street Level Bureaucracy, Casework, and Justice | |
Liu et al. | Investigating the Key Success Factors of Chatbot-Based Positive Psychology Intervention with Retrieval-and Generative Pre-Trained Transformer (GPT)-Based Chatbots | |
Garcia-Lopez | Theory of Mind in Artificial Intelligence Applications | |
Griffiths | Designing mental health services that are fit for purpose using the principles of Perceptual Control Theory | |
Ghali et al. | Enhancing Retrieval Processes for Language Generation with Augmented Queries | |
Lowry et al. | From disability theory to practice: essays in honor of Jerome E. Bickenbach | |
Fellnhofer et al. | Training Intuition: Challenges and Opportunities |
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 |