CN116172559B - 一种基于多个生理参数的心理压力评估方法及系统 - Google Patents

一种基于多个生理参数的心理压力评估方法及系统 Download PDF

Info

Publication number
CN116172559B
CN116172559B CN202310153096.4A CN202310153096A CN116172559B CN 116172559 B CN116172559 B CN 116172559B CN 202310153096 A CN202310153096 A CN 202310153096A CN 116172559 B CN116172559 B CN 116172559B
Authority
CN
China
Prior art keywords
domain analysis
signal
feature
signals
skin
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.)
Active
Application number
CN202310153096.4A
Other languages
English (en)
Other versions
CN116172559A (zh
Inventor
余浩
赵国朕
李川涛
赵红旗
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.)
Chinese Peoples Liberation Army Naval Characteristic Medical Center
Original Assignee
Chinese Peoples Liberation Army Naval Characteristic Medical Center
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 Chinese Peoples Liberation Army Naval Characteristic Medical Center filed Critical Chinese Peoples Liberation Army Naval Characteristic Medical Center
Priority to CN202310153096.4A priority Critical patent/CN116172559B/zh
Publication of CN116172559A publication Critical patent/CN116172559A/zh
Application granted granted Critical
Publication of CN116172559B publication Critical patent/CN116172559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明基于多个生理参数的心理压力评估方法及系统：采集每隔固定时间段施加于待预测者的刺激信号的刺激发生时间点、每次刺激发生时间点前后生理信号和信号产生时间点；截取每次刺激发生时间点前后的生理信号，对截取出生理信号降噪滤波；对预处理后生理信号特征提取以提取出生理信号的时域/频域/时频分析特征；计算每次刺激发生时间点前后的分析特征中各对应子特征的绝对差值；某生理信号子特征的绝对差值位于某心理压力等级中对应子特征差值范围内时匹配成功；统计各心理压力等级中匹配成功的数量；查找各匹配成功的数量对应的匹配成功设定数量范围，基于找出的匹配成功设定数量范围确定对应心理压力等级概率；显示数值最大的压力等级概率。

Description

一种基于多个生理参数的心理压力评估方法及系统
技术领域
本发明涉及用户心理压力评估技术领域，特别是涉及一种基于多个生理参数的心理压力评估方法及系统。
背景技术
心理学家指出，一般人口中有15％-20％的人有心理困扰。事实上，生活中经常会看到许多病人的发病都与压力有关。如长时间暴露于慢性或极端压力下会导致心血管疾病、阿尔兹海默症、抑郁症等一系列疾病的产生。基于此，及时评估用户的心理压力状态，方便在压力大时及时对用户进行有效干预，具有十分重要的意义。
对于心理压力评估，目前常用的评估方式仍然是以量表为主，再辅以医生问诊配合和被测者的正确认知，才能相对准确地评估出心理压力状况，实际操作不方便，评估的主观性也较强。
现有还存在采集脉搏信号来研究心理压力状态的技术或是利用心电信号来研究心理压力状态的技术，但是这种技术存在仅使用单一生理信号，无法很好地表征用户心理压力，识别准确率不高。
发明内容
本发明针对现有技术存在的问题和不足，提供一种基于多个生理参数的心理压力评估方法及系统。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供一种基于多个生理参数的心理压力评估方法，其特点在于，其包括以下步骤：
S1、采集每隔一固定时间段施加于待预测者的预设心理压力刺激信号的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号；
S2、匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段的生理信号和每次刺激发生时间点之后的第二设定时间段的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段；
S3、按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号和心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号、脉搏信号、皮电信号和皮温信号的时域分析特征和频域分析特征；
S4、计算每次刺激发生时间点前后的脑电/心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电/脉搏/皮电/皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值；
S5、将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败；
S6、统计各个心理压力等级中匹配成功的数量；
S7、基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率；
S8、显示数值最大的压力等级概率。
本发明还提供一种基于多个生理参数的心理压力评估系统，其特点在于，其包括采集模块、截取模块、特征提取模块、计算模块、匹配模块、统计模块、查找模块和显示模块；
所述采集模块用于采集每隔一固定时间段施加于待预测者的预设心理压力刺激信号的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号；
所述截取模块用于匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段的生理信号和每次刺激发生时间点之后的第二设定时间段的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段；
所述特征提取模块用于按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号和心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号、脉搏信号、皮电信号和皮温信号的时域分析特征和频域分析特征；
所述计算模块用于计算每次刺激发生时间点前后的脑电/心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电/脉搏/皮电/皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值；
所述匹配模块用于将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败；
所述统计模块用于统计各个心理压力等级中匹配成功的数量；
所述查找模块用于基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率；
所述显示模块用于显示数值最大的压力等级概率。
其中，脑电信号的时域分析特征包括情绪相关电位ERPs，脑电信号的频域分析特征包括情绪波段上的能量、功率、功率谱密度，脑电信号的时频分析特征包括采用小波包变换获得的时频分析特征；
心电信号的时域分析特征包括心率均值、心率标准差、心率变异性HRV均值、心率变异性HRV标准差，心电信号的频域分析特征包括低频段【0，0.04】Hz内的功率谱密度、中频段【0.04，0.15】Hz内的功率谱密度、高频段【0.15，0.4】Hz内的功率谱密度，心电信号的时频分析特征包括采用连续小波变换获得的时频分析特征；
肌电信号的时域分析特征包括肌电值的幅值、方差、积分、过零点的个数、均方根，肌电信号的频域分析特征包括肌电能量、功率、功率谱密度；
脉搏信号的时域分析特征包括脉搏信号的幅值、方差、积分、过零点的个数、均方根，脉搏信号的频域分析特征包括脉搏信号能量、功率、功率谱密度；
皮电信号的时域分析特征包括皮电信号的均值、标准差、中值、最值及其比值，皮电信号一阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号二阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号的频域分析特征包括分析频段【0，2.4】Hz内的谱功率、频段【0，0.2】Hz内的皮肤导电慢反应的过零率、频段【0，0.08】Hz内的皮肤极慢反应的过零率；
皮温信号的时域分析特征包括皮温信号的均值、导数的均值，皮温信号的频域分析特征包括分析皮温信号频段【0，0.2】Hz内的谱功率。
本发明还提供一种计算机可读存储介质，其特点在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述基于多个生理参数的心理压力评估方法。
本发明的积极进步效果在于：
本发明采集了脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号，对这些生理信号同时进行分析处理，获得每次刺激发生时间点前后的各个生理信号的时域/频域/时频分析特征中各个对应子特征的绝对差值，利用对应子特征的绝对差值来预测用户心理压力等级，能够更准确地评估出用户心理压力等级。
附图说明
图1为本发明较佳实施例的基于多个生理参数的心理压力评估方法的流程图。
图2为本发明较佳实施例的基于多个生理参数的心理压力评估系统的结构框图。
实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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的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。
如图1所示，本实施例提供一种基于多个生理参数的心理压力评估方法，其包括以下步骤：
步骤101、采集每隔一固定时间段（如30秒）施加于待预测者的预设心理压力刺激信号（电刺激信号）的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段（如每次刺激发生时间点前后10秒）内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号。
步骤102、匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段（如每次刺激发生时间点前8秒）的生理信号和每次刺激发生时间点之后的第二设定时间段（如每次刺激发生时间点后8秒）的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段。
本步骤中，先截取出想要的生理信号，再对生理进行降噪滤波预处理操作，以此减少数据处理量。
步骤103、按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号时域分析特征和频域分析特征，分别依次提取出每次脉搏信号时域分析特征和频域分析特征，分别依次提取出每次皮电信号时域分析特征和频域分析特征，分别依次提取出每次皮温信号时域分析特征和频域分析特征。
其中，脑电信号的时域分析特征包括情绪相关电位ERPs，脑电信号的频域分析特征包括情绪波段上的能量、功率、功率谱密度，脑电信号的时频分析特征包括采用小波包变换获得的时频分析特征。
心电信号的时域分析特征包括心率均值、心率标准差、心率变异性HRV均值、心率变异性HRV标准差，心电信号的频域分析特征包括低频段【0，0.04】Hz内的功率谱密度、中频段【0.04，0.15】Hz内的功率谱密度、高频段【0.15，0.4】Hz内的功率谱密度，心电信号的时频分析特征包括采用连续小波变换获得的时频分析特征。
肌电信号的时域分析特征包括肌电值的幅值、方差、积分、过零点的个数、均方根，肌电信号的频域分析特征包括肌电能量、功率、功率谱密度。
脉搏信号的时域分析特征包括脉搏信号的幅值、方差、积分、过零点的个数、均方根，脉搏信号的频域分析特征包括脉搏信号能量、功率、功率谱密度。
皮电信号的时域分析特征包括皮电信号的均值、标准差、中值、最值及其比值，皮电信号一阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号二阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号的频域分析特征包括分析频段【0，2.4】Hz内的谱功率、频段【0，0.2】Hz内的皮肤导电慢反应的过零率、频段【0，0.08】Hz内的皮肤极慢反应的过零率。
皮温信号的时域分析特征包括皮温信号的均值、导数的均值，皮温信号的频域分析特征包括分析皮温信号频段【0，0.2】Hz内的谱功率。
步骤104、计算每次刺激发生时间点前后的脑电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的脉搏信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的皮电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值。
本步骤中，计算每次刺激发生时间点前后的生理信号的时域/频域/时频析特征中各个对应子特征的绝对差值是为了获得待预测者在信号刺激前后的差异，基于这个差异来判定待测者的心理压力等级，这样能够更准确地评估出待预测者的心理压力等级。
步骤105、将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败。其中，心理压力等级包括无心理压力状态、较轻心理压力状态、轻度心理压力状态、中度心理压力状态、较重心理压力状态、重度心理压力状态。
如情绪相关电位ERPs的绝对差值不位于轻度心理压力等级中对应的情绪相关电位ERPs子特征差值范围内，则表明匹配失败，情绪相关电位ERPs的绝对差值位于轻度心理压力等级中对应的情绪相关电位ERPs子特征差值范围内，则表明匹配成功，其他以此类推。
步骤106、统计各个心理压力等级中匹配成功的数量。
步骤107、基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率。
步骤108、显示数值最大的压力等级概率。
如图2所示，本实施例还提供一种基于多个生理参数的心理压力评估系统，其包括采集模块1、截取模块2、特征提取模块3、计算模块4、匹配模块5、统计模块6、查找模块7和显示模块8。
所述采集模块1用于采集每隔一固定时间段施加于待预测者的预设心理压力刺激信号的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号。
所述截取模块2用于匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段的生理信号和每次刺激发生时间点之后的第二设定时间段的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段。
所述特征提取模块3用于按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号和心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号、脉搏信号、皮电信号和皮温信号的时域分析特征和频域分析特征。
所述计算模块4用于计算每次刺激发生时间点前后的脑电/心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电/脉搏/皮电/皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值。
所述匹配模块5用于将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败。
所述统计模块6用于统计各个心理压力等级中匹配成功的数量。
所述查找模块7用于基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率。
所述显示模块8用于显示数值最大的压力等级概率。
具体的，本实施例的系统中各模块、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
本实施例还一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述的基于多个生理参数的心理压力评估方法。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (5)

1.一种基于多个生理参数的心理压力评估方法，其特征在于，其包括以下步骤：
S1、采集每隔一固定时间段施加于待预测者的预设心理压力刺激信号的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号；
S2、匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段的生理信号和每次刺激发生时间点之后的第二设定时间段的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段；
S3、按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号和心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号、脉搏信号、皮电信号和皮温信号的时域分析特征和频域分析特征；
S4、计算每次刺激发生时间点前后的脑电/心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电/脉搏/皮电/皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值；
S5、将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败，其中，心理压力等级包括无心理压力状态、较轻心理压力状态、轻度心理压力状态、中度心理压力状态、较重心理压力状态、重度心理压力状态；
S6、统计各个心理压力等级中匹配成功的数量；
S7、基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率；
S8、显示数值最大的压力等级概率。
2.如权利要求1所述的基于多个生理参数的心理压力评估方法，其特征在于，在步骤S3中，脑电信号的时域分析特征包括情绪相关电位ERPs，脑电信号的频域分析特征包括情绪波段上的能量、功率、功率谱密度，脑电信号的时频分析特征包括采用小波包变换获得的时频分析特征；
心电信号的时域分析特征包括心率均值、心率标准差、心率变异性HRV均值、心率变异性HRV标准差，心电信号的频域分析特征包括低频段【0，0.04】Hz内的功率谱密度、中频段【0.04，0.15】Hz内的功率谱密度、高频段【0.15，0.4】Hz内的功率谱密度，心电信号的时频分析特征包括采用连续小波变换获得的时频分析特征；
肌电信号的时域分析特征包括肌电值的幅值、方差、积分、过零点的个数、均方根，肌电信号的频域分析特征包括肌电能量、功率、功率谱密度；
脉搏信号的时域分析特征包括脉搏信号的幅值、方差、积分、过零点的个数、均方根，脉搏信号的频域分析特征包括脉搏信号能量、功率、功率谱密度；
皮电信号的时域分析特征包括皮电信号的均值、标准差、中值、最值及其比值，皮电信号一阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号二阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号的频域分析特征包括分析频段【0，2.4】Hz内的谱功率、频段【0，0.2】Hz内的皮肤导电慢反应的过零率、频段【0，0.08】Hz内的皮肤极慢反应的过零率；
皮温信号的时域分析特征包括皮温信号的均值、导数的均值，皮温信号的频域分析特征包括分析皮温信号频段【0，0.2】Hz内的谱功率。
3.一种基于多个生理参数的心理压力评估系统，其特征在于，其包括采集模块、截取模块、特征提取模块、计算模块、匹配模块、统计模块、查找模块和显示模块；
所述采集模块用于采集每隔一固定时间段施加于待预测者的预设心理压力刺激信号的刺激发生时间点、及每次刺激发生时间点前后第一设定时间段内的生理信号和对应的信号产生时间点，生理信号包括脑电信号、心电信号、肌电信号、脉搏信号、皮电信号和皮温信号；
所述截取模块用于匹配刺激发生时间点和信号产生时间点，依次截取出每次刺激发生时间点之前的第二设定时间段的生理信号和每次刺激发生时间点之后的第二设定时间段的生理信号，对截取出的生理信号均进行降噪滤波预处理操作，其中第二设定时间段小于第一设定时间段；
所述特征提取模块用于按照时序顺序对经预处理后的生理信号进行特征提取，以分别依次提取出每次脑电信号和心电信号的时域分析特征、频域分析特征和时频分析特征，分别依次提取出每次肌电信号、脉搏信号、皮电信号和皮温信号的时域分析特征和频域分析特征；
所述计算模块用于计算每次刺激发生时间点前后的脑电/心电信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值、时频分析特征中各个对应子特征的绝对差值，计算每次刺激发生时间点前后的肌电/脉搏/皮电/皮温信号的时域分析特征中各个对应子特征的绝对差值、频域分析特征中各个对应子特征的绝对差值；
所述匹配模块用于将依次获得的每个脑电/心电/肌电/脉搏/皮电/皮温信号的各个子特征的绝对差值与各个心理压力等级中对应的子特征差值范围进行一一匹配，当某一生理信号的子特征的绝对差值位于某一心理压力等级中对应的子特征差值范围内时则匹配成功，当某一生理信号的子特征的绝对差值不位于某一心理压力等级中对应的子特征差值范围内时则匹配失败，其中，心理压力等级包括无心理压力状态、较轻心理压力状态、轻度心理压力状态、中度心理压力状态、较重心理压力状态、重度心理压力状态；
所述统计模块用于统计各个心理压力等级中匹配成功的数量；
所述查找模块用于基于匹配成功的数量、匹配成功设定数量范围与心理压力等级概率的对应关系，查找各个匹配成功的数量所对应的匹配成功设定数量范围，基于查找出的匹配成功设定数量范围确定对应的心理压力等级概率；
所述显示模块用于显示数值最大的压力等级概率。
4.如权利要求3所述的基于多个生理参数的心理压力评估系统，其特征在于，脑电信号的时域分析特征包括情绪相关电位ERPs，脑电信号的频域分析特征包括情绪波段上的能量、功率、功率谱密度，脑电信号的时频分析特征包括采用小波包变换获得的时频分析特征；
心电信号的时域分析特征包括心率均值、心率标准差、心率变异性HRV均值、心率变异性HRV标准差，心电信号的频域分析特征包括低频段【0，0.04】Hz内的功率谱密度、中频段【0.04，0.15】Hz内的功率谱密度、高频段【0.15，0.4】Hz内的功率谱密度，心电信号的时频分析特征包括采用连续小波变换获得的时频分析特征；
肌电信号的时域分析特征包括肌电值的幅值、方差、积分、过零点的个数、均方根，肌电信号的频域分析特征包括肌电能量、功率、功率谱密度；
脉搏信号的时域分析特征包括脉搏信号的幅值、方差、积分、过零点的个数、均方根，脉搏信号的频域分析特征包括脉搏信号能量、功率、功率谱密度；
皮电信号的时域分析特征包括皮电信号的均值、标准差、中值、最值及其比值，皮电信号一阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号二阶差分后获得对得均值、标准差、中值、最值及其比值，皮电信号的频域分析特征包括分析频段【0，2.4】Hz内的谱功率、频段【0，0.2】Hz内的皮肤导电慢反应的过零率、频段【0，0.08】Hz内的皮肤极慢反应的过零率；
皮温信号的时域分析特征包括皮温信号的均值、导数的均值，皮温信号的频域分析特征包括分析皮温信号频段【0，0.2】Hz内的谱功率。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-2任意一项所述的基于多个生理参数的心理压力评估方法。
CN202310153096.4A 2023-02-22 2023-02-22 一种基于多个生理参数的心理压力评估方法及系统 Active CN116172559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310153096.4A CN116172559B (zh) 2023-02-22 2023-02-22 一种基于多个生理参数的心理压力评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310153096.4A CN116172559B (zh) 2023-02-22 2023-02-22 一种基于多个生理参数的心理压力评估方法及系统

Publications (2)

Publication Number Publication Date
CN116172559A CN116172559A (zh) 2023-05-30
CN116172559B true CN116172559B (zh) 2023-11-24

Family

ID=86441961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310153096.4A Active CN116172559B (zh) 2023-02-22 2023-02-22 一种基于多个生理参数的心理压力评估方法及系统

Country Status (1)

Country Link
CN (1) CN116172559B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
CN111345784A (zh) * 2020-05-09 2020-06-30 中国人民解放军海军特色医学中心 基于单兵智能骨导听觉反馈技术的可穿戴防护装备
CN112806994A (zh) * 2021-01-27 2021-05-18 首都师范大学 一种基于生理信号预测个体压力应对方式的系统和方法
CN112957050A (zh) * 2021-02-10 2021-06-15 首都医科大学宣武医院 基于脑机接口设备技术的视觉记忆能力评测装置及方法
CN113349778A (zh) * 2021-06-03 2021-09-07 杭州回车电子科技有限公司 基于经颅直流电刺激的情绪分析方法、装置和电子装置
CN113520395A (zh) * 2021-07-15 2021-10-22 北京心驰智途科技有限公司 一种精神状态的实时评估系统和方法
CN115089179A (zh) * 2022-06-15 2022-09-23 北京雪扬科技有限公司 一种心理情绪洞察分析方法及系统
CN115299943A (zh) * 2022-07-19 2022-11-08 西安电子科技大学 一种情绪监测方法及其装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2915060A1 (en) * 2013-06-11 2014-12-18 Intelomed, Inc. Methods and systems for predicting hypovolemic hypotensive conditions resulting from bradycardia behavior using a pulse volume waveform
AU2014306776A1 (en) * 2013-08-12 2016-03-03 Intelomed, Inc. Methods for monitoring and analyzing cardiovascular states
US11311724B2 (en) * 2017-07-28 2022-04-26 The Regents Of The University Of California Transcutaneous and transcranial nerve stimulation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
CN111345784A (zh) * 2020-05-09 2020-06-30 中国人民解放军海军特色医学中心 基于单兵智能骨导听觉反馈技术的可穿戴防护装备
CN112806994A (zh) * 2021-01-27 2021-05-18 首都师范大学 一种基于生理信号预测个体压力应对方式的系统和方法
CN112957050A (zh) * 2021-02-10 2021-06-15 首都医科大学宣武医院 基于脑机接口设备技术的视觉记忆能力评测装置及方法
CN113349778A (zh) * 2021-06-03 2021-09-07 杭州回车电子科技有限公司 基于经颅直流电刺激的情绪分析方法、装置和电子装置
CN113520395A (zh) * 2021-07-15 2021-10-22 北京心驰智途科技有限公司 一种精神状态的实时评估系统和方法
CN115089179A (zh) * 2022-06-15 2022-09-23 北京雪扬科技有限公司 一种心理情绪洞察分析方法及系统
CN115299943A (zh) * 2022-07-19 2022-11-08 西安电子科技大学 一种情绪监测方法及其装置

Also Published As

Publication number Publication date
CN116172559A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US11234629B2 (en) Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence
CN110338786B (zh) 一种癫痫样放电的识别与分类方法、系统、装置和介质
CN110236573B (zh) 心理压力状态的检测方法及相关装置
CN101515200B (zh) 基于瞬态视觉诱发脑电的目标选择方法
CN104571504B (zh) 一种基于想象动作的在线脑‑机接口方法
Salvaris et al. Wavelets and ensemble of FLDs for P300 classification
JP2019025311A (ja) データ生成装置、生体データ計測システム、識別器生成装置、データ生成方法、識別器生成方法及びプログラム
CN112426162A (zh) 一种基于脑电信号节律熵的疲劳检测方法
Fatimah et al. Automatic detection of mental arithmetic task and its difficulty level using EEG signals
Yudhana et al. Recognizing human emotion patterns by applying Fast Fourier Transform based on brainwave features
CN106539580B (zh) 一种自主神经系统动态变化的连续监测方法
CN111887811B (zh) 基于脑电信号特征的大脑异常放电检测方法及系统
CN116172559B (zh) 一种基于多个生理参数的心理压力评估方法及系统
CN116602676A (zh) 一种基于多特征融合和clstn的脑电情绪识别方法和系统
CN116211308A (zh) 一种高强度运动下机体疲劳评估方法
Leitner et al. Personalized blood pressure estimation using photoplethysmography and wavelet decomposition
Azzaoui et al. Classifying heartrate by change detection and wavelet methods for emergency physicians
Anishchenko et al. Comparative analysis of methods for classifying the cardiovascular system's states under stress
Nayak et al. Electrocardiogram signal processing-based diagnostics: applications of wavelet transform
Dutta et al. On a Novel Model for ECG signals and its Statistical Properties
CN116158762B (zh) 一种基于多个生理参数的用户心理状态评估方法及系统
Dhaka et al. Classification of arrhythmia using time-domain features and support vector machine
US20230315203A1 (en) Brain-Computer Interface Decoding Method and Apparatus Based on Point-Position Equivalent Augmentation
CN115965127B (zh) 基于多元信号融合的肌疲劳预测方法、系统及电刺激器
CN111685754B (zh) 针对可穿戴ecg采集设备的心率计算方法及系统

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