CN116211306A - 基于眼动和心电信号的心理健康自评估系统 - Google Patents
基于眼动和心电信号的心理健康自评估系统 Download PDFInfo
- Publication number
- CN116211306A CN116211306A CN202310204606.6A CN202310204606A CN116211306A CN 116211306 A CN116211306 A CN 116211306A CN 202310204606 A CN202310204606 A CN 202310204606A CN 116211306 A CN116211306 A CN 116211306A
- Authority
- CN
- China
- Prior art keywords
- eye movement
- tester
- mental health
- psychological
- module
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Social Psychology (AREA)
- Neurology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Neurosurgery (AREA)
- Databases & Information Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于眼动和心电信号的心理健康自评估系统,该系统包括:情绪刺激模块;心电信号采集与分析模块,其在测试者进行情绪刺激时采集测试者的心电信号;眼动信号采集与分析模块,其在测试者进行情绪刺激时采集测试者的眼动信号;心理健康评估模型,其对测试者的心理健康状况进行分类;及评估结果展示模块。本发明将心电信号采集分析与眼动仪信号采集分析相结合,对测试者的情绪刺激反应进行分析,利用基于机器学习的心理健康评估模型能够实现心理疾病的自动判别,能够对神分裂、自闭症、抑郁症、精神障碍等病症进行分类识别,可提高识别结果的准确性,提高医生的工作效率,减轻工作压力,且其使用方便,操作简单,具有很好的应用前景。
Description
技术领域
本发明涉及心理健康评估领域,特别涉及一种基于眼动和心电信号的心理健康自评估系统。
背景技术
在当今社会下,心理健康愈发得到人们的重视。心理因素在我们的日常生活中发挥着重要的作用,它与我们的生活学习、人际关系、个人情感都有着密切联系,因此每个人都要认识到心理健康的重要性,,良好的心态能更好地帮助我们解决学习、生活上的各种问题。
心理健康评估的传统方法依赖于医生的问诊和问卷调查,诊断结果一般取决于心理医生的经验和测试者的诚实度,易受到主观方面差异的影响,导致误诊、漏诊、前后诊断不一致。通过加入心电、脑电等生理参数可提高心理测评的客观性,但众多参数的获取需要穿戴特定的设备不利于临床操作。
眼动仪的问世为心理学家利用眼动技术探索人在各种不同条件下的视觉信息加工机制,观察其与心理活动直接或间接奇妙而有趣的关系,提供了新的有效工具。眼动技术就是通过对眼动轨迹的记录从中提取诸多数据,从而研究个体的内在认知过程。但现有的眼动仪对于心理健康评估领域的应用还未成熟,检测结果的准确性还有待提高。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于眼动和心电信号的心理健康自评估系统。
为解决上述技术问题,本发明采用的技术方案是:一种基于眼动和心电信号的心理健康自评估系统,该系统包括:
情绪刺激模块,其用于通过展示情绪刺激图片对测试者提供情绪刺激,所述情绪刺激图片被分为正性、负性和中性三类,并具有对应的标签;
心电信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的心电信号,并计算心率变异性数据信息,然后提取得到心率变异性时域特征和频域特征;
眼动信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的眼动信号,并分析得到以下眼动数据信息:从情绪刺激开始至测试者的视点到达兴趣区域所持续的时间、首视点注视时间、注视点个数、总注视时间、热点图、轨迹图;
心理健康评估模型,其将心电信号采集与分析模块获得的心率变异性时域特征、频域特征和眼动信号采集与分析模块获得的眼动数据信息进行特征融合,形成心理评估特征向量,然后依据该心理评估特征向量对测试者的心理健康状况进行分类;
以及评估结果展示模块,其用于展示所述心理健康评估模型输出的心理健康状况分类结果。
优选的是,所述情绪刺激模块中通过愉悦度、唤起度和优势度将情绪刺激图片分为正性、负性和中性三类。
优选的是,所述情绪刺激模块中的情绪刺激图片按照从上至下或从左至右的顺序两两组合形成一个图片组,每次进行情绪刺激时向测试者展示一个图片组,该图片组包括以下五类:中性+正性、正性+中性、中性+中性、中性+负性、负性+中性。
优选的是,所述情绪刺激模块通过显示屏展示图片组进行情绪刺激时,每个图片组持续时间为5秒,黑屏2秒后展示下一个图片组。
优选的是,所述心率变异性时域特征包括R-R间期标准差、间隔5min间期标准差、相邻R-R间期差异≥50ms百分数、相邻R-R间期差值均方根,心率变异性频域特征包括高频功率、低频功率、低高频功率比。
优选的是,所述心理健康评估模型为基于机器学习的网络模型,其包括特征融合子模块和分类子模块;
所述心理健康评估模型通过以下方法构建得到:
1)构建数据集:选择若干心理健康和患有不同心理疾病的测试者,通过情绪刺激模块进行情绪刺激,并通过心电信号采集与分析模块获取测试者的心率变异性时域特征、频域特征,通过眼动信号采集与分析模块获取测试者的眼动数据信息,将同一个测试者的心率变异性时域特征、频域特征及眼动数据信息组成一个数据包,并标注该测试者的心理状态;
将所有测试者的数据包构建成数据集,并将该数据集分割形成训练数据集、测试数据集和验证数据集;
2)模型训练:将训练数据集输入到心理健康评估模型中进行训练;
3)利用测试数据集对经步骤2)训练后的心理健康评估模型进行测试,根据测试结果对心理健康评估模型进行调节,最终得到训练好的心理健康评估模型。
优选的是,其中,从数据集中随机选择65%的样本数据构建形成训练数据集,随机选择20%的样本数据构建形成测试数据集,剩余的15%的样本数据形成验证数据集。
优选的是,所述验证数据集用于对训练好的心理健康评估模型进行测试,以评估模型的准确性。
优选的是,所述心理健康评估模型中的特征融合子模块用于将测试者的心率变异性时域特征、频域特征以及眼动数据信息进行特征提取、特征融合,形成心理评估特征向量;
所述分类子模块根据心理评估特征向量对测试者的心理健康状况进行分类。
优选的是,所述分类子模块将心理健康状况分为健康和病症两个大类,并对病症类进一步分为精神分裂、自闭症、抑郁症、精神障碍四个小类,每个小类进一步分为轻度、中度和重度三个级别。
本发明的有益效果是:
本发明提供的基于眼动和心电信号的心理健康自评估系统,将心电信号采集分析与眼动仪信号采集分析相结合,对测试者的情绪刺激反应进行分析,利用基于机器学习的心理健康评估模型能够实现心理疾病的自动判别,能够对神分裂、自闭症、抑郁症、精神障碍等病症进行分类识别,可提高识别结果的准确性,提高医生的工作效率,减轻工作压力,且其使用方便,操作简单,具有很好的应用前景。
附图说明
图1为本发明的基于眼动和心电信号的心理健康自评估系统的原理框图;
图2为三种不同类型的图片的示意;
图3为本发明的一种实施例中的心理健康状况的分类示意;
图4为本发明的一种实施例中的基于眼动和心电信号的心理健康自评估系统的工作流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
本实施例提供了一种基于眼动和心电信号的心理健康自评估系统,该系统包括:
情绪刺激模块,其用于通过展示情绪刺激图片对测试者提供情绪刺激,情绪刺激图片被分为正性、负性和中性三类,并具有对应的标签;
心电信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的心电信号,并计算心率变异性数据信息,然后提取得到心率变异性时域特征和频域特征;在优选的实施例中,心电信号采集与分析模块采用动态心电贴;
眼动信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的眼动信号,并分析得到以下眼动数据信息:从情绪刺激开始至测试者的视点到达兴趣区域所持续的时间、首视点注视时间、注视点个数、总注视时间、热点图、轨迹图;在优选的实施例中,眼动信号采集与分析模块采用眼动仪;
心理健康评估模型,其将心电信号采集与分析模块获得的心率变异性时域特征、频域特征和眼动信号采集与分析模块获得的眼动数据信息进行特征融合,形成心理评估特征向量,然后依据该心理评估特征向量对测试者的心理健康状况进行分类;
以及评估结果展示模块,其用于展示心理健康评估模型输出的心理健康状况分类结果,在优选的实施例中,评估结果展示模块还能够展示测试者测试过程中的各项详细参数,例如心率变异性数据信息、眼动数据信息等。进一步优选的实施例中,评估结果展示模块还可根据心理健康状况分类结果提供针对测试者的心理健康管理建议。
其中,情绪刺激模块中通过愉悦度、唤起度和优势度将情绪刺激图片分为正性、负性和中性三类。
在本实施例中,情绪刺激图片为社交情绪图片,选自中国情绪刺激图片系统CAPS(Chinese Affective Picture System),该系统是中国科学院心理健康重点实验室编制的情绪刺激材料数据库中的子系统。本实施例筛选出了852幅图片组成CAPS,并通过46名中国大学生对CAPS图片的愉悦度、唤醒度和优势度进行了自我报告,从而对图片进行分类。
PAD三维情感模型是Mehrabian和Russell提出的维度观测量模型,该模型认为“情绪具有愉悦度、唤起度和优势度3个维度,其中P代表愉悦度(Pleasure-displeasure);A代表唤起度(Arousal-nonarousal);D代表优势度(Dominance-submissiveness)。使用PAD情绪量表中的3个维度可以有效地表示出正性负性情绪量表(PANAS)中的正性情绪和负性情绪,但是PANAS中的正性情绪却只能代表PAD情绪状态模型中的+P+A+D这类情绪,而负性情绪则只能代表-P+A-D这类情绪。
例如图2中从左至右依次为正性、中性、负性图片,其愉悦度、唤起度和优势度评分以及分类情况如下表1所示:
表1
图片分类 | 愉悦度(P) | 唤起度(A) | 优势度(D) | 情绪分类 |
正性的图片 | 7.72 | 6.74 | 6.91 | +P+A+D |
中性的图片 | 4.74 | 3.30 | 5.59 | -P-A+D |
负面的图片 | 2.50 | 6.67 | 2.52 | -P+A-D |
其中,情绪刺激模块中的情绪刺激图片按照从上至下或从左至右(本实施例选择从左至右)的顺序两两组合形成一个图片组,每次进行情绪刺激时向测试者展示一个图片组,该图片组包括以下五类:中性+正性、正性+中性、中性+中性、中性+负性、负性+中性。每一组图片背景色彩差异较小。
其中,情绪刺激模块通过电脑显示屏展示图片组进行情绪刺激时,每个图片组持续时间为5秒,黑屏2秒后展示下一个图片组,样持续5秒,测试前练习图片为5~10组,正式测试图片为20组。
其中,心率变异性时域特征包括R-R间期标准差(SDNN)、间隔5min间期标准差(SDANN)、相邻R-R间期差异≥50ms百分数(PNN50)、相邻R-R间期差值均方根(RMSSD),心率变异性频域特征包括高频功率(HF)、低频功率(LF)、低高频功率比(LF/HF)。
其中,心理健康评估模型为基于机器学习的网络模型,其包括特征融合子模块和分类子模块;心理健康评估模型中的特征融合子模块用于将测试者的心率变异性时域特征、频域特征以及眼动数据信息进行特征提取、特征融合,形成心理评估特征向量;分类子模块根据心理评估特征向量对测试者的心理健康状况进行分类。
分类子模块将心理健康状况分为健康和病症两个大类,并对病症类进一步分为精神分裂、自闭症、抑郁症、精神障碍四个小类,每个小类进一步分为轻度、中度和重度三个级别。
参照图3,总共包括13种类别:A、B1、B2、B3、C1、C2、C3、D1、D2、D3、E1、E2、E3,A表示健康组,其余为病症组;B1、B2、B3是精神分裂类别,C1、C2、C3是自闭症类别。D1、D2、D3是抑郁症类别。E1、E2、E3是精神障碍类别。其中的1、2、3分别表示轻度、中度、重度。
心理健康评估模型通过以下方法构建得到:
1)构建数据集:选择若干心理健康和患有不同心理疾病的测试者,通过情绪刺激模块进行情绪刺激,并通过心电信号采集与分析模块获取测试者的心率变异性时域特征、频域特征,通过眼动信号采集与分析模块获取测试者的眼动数据信息,将同一个测试者的心率变异性时域特征、频域特征及眼动数据信息组成一个数据包,并标注该测试者的心理状态;
将所有测试者的数据包构建成数据集,并将该数据集分割形成训练数据集、测试数据集和验证数据集;本实施例中,从数据集中随机选择65%的样本数据构建形成训练数据集,随机选择20%的样本数据构建形成测试数据集,剩余的15%的样本数据形成验证数据集,用于对训练好的心理健康评估模型进行测试,以评估模型的准确性;
2)模型训练:将训练数据集输入到心理健康评估模型中进行训练;
3)利用测试数据集对经步骤2)训练后的心理健康评估模型进行测试,根据测试结果对心理健康评估模型进行调节,最终得到训练好的心理健康评估模型。
参照图4,在一种实施例中,该基于眼动和心电信号的心理健康自评估系统的工作步骤为:
S1、通过情绪刺激模块自动选择情绪刺激图片组,对测试者进行情绪刺激;
S2、情绪刺激的同时,心电信号采集与分析模块采集测试者的心电信号,并计算心率变异性数据信息,然后提取得到心率变异性时域特征和频域特征(R-R间期标准差、间隔5min间期标准差、相邻R-R间期差异≥50ms百分数、相邻R-R间期差值均方根、高频功率、低频功率、低高频功率比等);
眼动信号采集与分析模块采集测试者的眼动信号,并分析得到以下眼动数据信息:从情绪刺激开始至测试者的视点到达兴趣区域所持续的时间、首视点注视时间、注视点个数、总注视时间、热点图、轨迹图等,并分析得出“负+中”图片的注意偏向得分、注意偏向分数、到达兴趣区之前的持续时间偏向得分、首视点注视时间偏向得分等;
S3、心理健康评估模型接收心率变异性时域特征、频域特征以及眼动数据信息,融合形成心理评估特征向量,然后依据该心理评估特征向量对测试者的心理健康状况进行分类;
S4、评估结果展示模块展示心理健康评估模型输出的心理健康状况分类结果,以及相关建议。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (10)
1.一种基于眼动和心电信号的心理健康自评估系统,其特征在于,该系统包括:
情绪刺激模块,其用于通过展示情绪刺激图片对测试者提供情绪刺激,所述情绪刺激图片被分为正性、负性和中性三类,并具有对应的标签;
心电信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的心电信号,并计算心率变异性数据信息,然后提取得到心率变异性时域特征和频域特征;
眼动信号采集与分析模块,其用于在测试者进行情绪刺激时采集测试者的眼动信号,并分析得到以下眼动数据信息:从情绪刺激开始至测试者的视点到达兴趣区域所持续的时间、首视点注视时间、注视点个数、总注视时间、热点图、轨迹图;
心理健康评估模型,其将心电信号采集与分析模块获得的心率变异性时域特征、频域特征和眼动信号采集与分析模块获得的眼动数据信息进行特征融合,形成心理评估特征向量,然后依据该心理评估特征向量对测试者的心理健康状况进行分类;
以及评估结果展示模块,其用于展示所述心理健康评估模型输出的心理健康状况分类结果。
2.根据权利要求1所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述情绪刺激模块中通过愉悦度、唤起度和优势度将情绪刺激图片分为正性、负性和中性三类。
3.根据权利要求2所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述情绪刺激模块中的情绪刺激图片按照从上至下或从左至右的顺序两两组合形成一个图片组,每次进行情绪刺激时向测试者展示一个图片组,该图片组包括以下五类:中性+正性、正性+中性、中性+中性、中性+负性、负性+中性。
4.根据权利要求3所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述情绪刺激模块通过显示屏展示图片组进行情绪刺激时,每个图片组持续时间为5秒,黑屏2秒后展示下一个图片组。
5.根据权利要求4所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述心率变异性时域特征包括R-R间期标准差、间隔5min间期标准差、相邻R-R间期差异≥50ms百分数、相邻R-R间期差值均方根,心率变异性频域特征包括高频功率、低频功率、低高频功率比。
6.根据权利要求5所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述心理健康评估模型为基于机器学习的网络模型,其包括特征融合子模块和分类子模块;
所述心理健康评估模型通过以下方法构建得到:
1)构建数据集:选择若干心理健康和患有不同心理疾病的测试者,通过情绪刺激模块进行情绪刺激,并通过心电信号采集与分析模块获取测试者的心率变异性时域特征、频域特征,通过眼动信号采集与分析模块获取测试者的眼动数据信息,将同一个测试者的心率变异性时域特征、频域特征及眼动数据信息组成一个数据包,并标注该测试者的心理状态;
将所有测试者的数据包构建成数据集,并将该数据集分割形成训练数据集、测试数据集和验证数据集;
2)模型训练:将训练数据集输入到心理健康评估模型中进行训练;
3)利用测试数据集对经步骤2)训练后的心理健康评估模型进行测试,根据测试结果对心理健康评估模型进行调节,最终得到训练好的心理健康评估模型。
7.根据权利要求6所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,其中,从数据集中随机选择65%的样本数据构建形成训练数据集,随机选择20%的样本数据构建形成测试数据集,剩余的15%的样本数据形成验证数据集。
8.根据权利要求6所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述验证数据集用于对训练好的心理健康评估模型进行测试,以评估模型的准确性。
9.根据权利要求6所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述心理健康评估模型中的特征融合子模块用于将测试者的心率变异性时域特征、频域特征以及眼动数据信息进行特征提取、特征融合,形成心理评估特征向量;
所述分类子模块根据心理评估特征向量对测试者的心理健康状况进行分类。
10.根据权利要求9所述的基于眼动和心电信号的心理健康自评估系统,其特征在于,所述分类子模块将心理健康状况分为健康和病症两个大类,并对病症类进一步分为精神分裂、自闭症、抑郁症、精神障碍四个小类,每个小类进一步分为轻度、中度和重度三个级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310204606.6A CN116211306A (zh) | 2023-03-06 | 2023-03-06 | 基于眼动和心电信号的心理健康自评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310204606.6A CN116211306A (zh) | 2023-03-06 | 2023-03-06 | 基于眼动和心电信号的心理健康自评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116211306A true CN116211306A (zh) | 2023-06-06 |
Family
ID=86569242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310204606.6A Pending CN116211306A (zh) | 2023-03-06 | 2023-03-06 | 基于眼动和心电信号的心理健康自评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116211306A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117547271A (zh) * | 2023-12-11 | 2024-02-13 | 好心情健康产业集团有限公司 | 一种心理素质智能评估分析仪 |
CN118000732A (zh) * | 2024-03-08 | 2024-05-10 | 南京云思创智信息科技有限公司 | 融合心率变异性与语音情绪的非接触心理压力检测方法 |
CN118044813A (zh) * | 2024-04-16 | 2024-05-17 | 山东第一医科大学附属省立医院(山东省立医院) | 基于多任务学习的心理健康状况评估方法及系统 |
-
2023
- 2023-03-06 CN CN202310204606.6A patent/CN116211306A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117547271A (zh) * | 2023-12-11 | 2024-02-13 | 好心情健康产业集团有限公司 | 一种心理素质智能评估分析仪 |
CN117547271B (zh) * | 2023-12-11 | 2024-04-26 | 好心情健康产业集团有限公司 | 一种心理素质智能评估分析仪 |
CN118000732A (zh) * | 2024-03-08 | 2024-05-10 | 南京云思创智信息科技有限公司 | 融合心率变异性与语音情绪的非接触心理压力检测方法 |
CN118044813A (zh) * | 2024-04-16 | 2024-05-17 | 山东第一医科大学附属省立医院(山东省立医院) | 基于多任务学习的心理健康状况评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110801237B (zh) | 一种基于眼动和脑电特征的认知能力评估系统 | |
CN107080546B (zh) | 基于脑电图的青少年环境心理的情绪感知与刺激样本选择方法 | |
CN108198620B (zh) | 一种基于深度学习的皮肤疾病智能辅助诊断系统 | |
CN116211306A (zh) | 基于眼动和心电信号的心理健康自评估系统 | |
CN108309329B (zh) | 一种基于脑网络分析的cnv脑电测谎方法 | |
CN111012367A (zh) | 一种精神疾病的智能识别系统 | |
CN109288518A (zh) | 基于EEG和ERPs的脑认知神经功能测评系统及方法 | |
CN104771164A (zh) | 运用事件相关电位仪辅助筛查轻度认知障碍的方法 | |
CN106484106A (zh) | 视敏度自动识别的非注意事件相关电位脑‑机接口方法 | |
CN115607153B (zh) | 一种基于眼动追踪的心理量表回答质量评估系统及方法 | |
CN112232861A (zh) | 一种基于神经相似性分析的平面广告测评方法及系统 | |
CN113349780A (zh) | 一种情绪设计对在线学习认知负荷影响的评估方法 | |
Tan et al. | Virtual classroom: An ADHD assessment and diagnosis system based on virtual reality | |
CN105700687A (zh) | 基于folding HDCA算法的单试次脑电P300成分检测方法 | |
CN112674770B (zh) | 基于图像的显著性差异和情绪分析的抑郁人群眼动鉴别方法 | |
CN110522415A (zh) | 一种动物疼痛测试系统及其测试方法 | |
Augustyniak et al. | Assessment of electrocardiogram visual interpretation strategy based on scanpath analysis | |
Wei et al. | Automatic sleep staging based on contextual scalograms and attention convolution neural network using single-channel EEG | |
Lochy et al. | Does extensive training at individuating novel objects in adulthood lead to visual expertise? The role of facelikeness | |
Zhou et al. | Gaze Patterns in Children With Autism Spectrum Disorder to Emotional Faces: Scanpath and Similarity | |
Eraslan et al. | Eye-tracking scanpath trend analysis for autism detection | |
Wang et al. | Application of Combined Brain Computer Interface and Eye Tracking | |
CN107767934A (zh) | 一种用于描述压力的hrv特征范围估计方法 | |
CN113842144A (zh) | 自适应多频带脑电信号轻度认知障碍评估方法 | |
Deng et al. | EEG analysis of working memory between sober state and intoxicated state |
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 |