CN116631630A - 一种识别焦虑障碍的方法、装置及可穿戴设备 - Google Patents

一种识别焦虑障碍的方法、装置及可穿戴设备 Download PDF

Info

Publication number
CN116631630A
CN116631630A CN202310902877.9A CN202310902877A CN116631630A CN 116631630 A CN116631630 A CN 116631630A CN 202310902877 A CN202310902877 A CN 202310902877A CN 116631630 A CN116631630 A CN 116631630A
Authority
CN
China
Prior art keywords
anxiety
data
index
disorder
related data
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
CN202310902877.9A
Other languages
English (en)
Inventor
刘旭
欧博
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 Zhongke Xinyan Technology Co ltd
Original Assignee
Beijing Zhongke Xinyan 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 Zhongke Xinyan Technology Co ltd filed Critical Beijing Zhongke Xinyan Technology Co ltd
Priority to CN202310902877.9A priority Critical patent/CN116631630A/zh
Publication of CN116631630A publication Critical patent/CN116631630A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165Evaluating the state of mind, e.g. depression, anxiety
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/021Measuring pressure in heart or blood vessels
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/40Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076Diagnosing or monitoring particular conditions of the nervous system
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4815Sleep quality
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements 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
    • A61B5/6802Sensor mounted on worn items
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information 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)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Vascular Medicine (AREA)
  • Educational Technology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Optics & Photonics (AREA)
  • Neurosurgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了识别焦虑障碍的方法、装置及可穿戴设备,该方法包括:在获得目标用户的焦虑相关数据之后,将各焦虑相关数据与预设的焦虑识别指标进行比较,焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,焦虑相关数据包括个体行为数据、环境交互数据以及身体指数数据;响应于焦虑相关数据满足焦虑识别指标,确定目标用户的精神障碍类型为焦虑障碍。该方法考虑了不同维度和不同形态的与焦虑相关的多类型因子的影响,充分利用各类型因子与不同精神障碍之间的不同关联程度,使得焦虑障碍的识别结果能够明确区分于其它类型的精神障碍,有效提升焦虑障碍识别结果的准确性。

Description

一种识别焦虑障碍的方法、装置及可穿戴设备
技术领域
本申请涉及健康监测技术领域,具体涉及一种识别焦虑障碍的方法。本申请同时涉及一种识别焦虑障碍的装置和一种可穿戴设备。
背景技术
现有的焦虑障碍识别过程中,通常使用各种身体指标或生理指标作为识别焦虑障碍的考虑因子,例如,基于呼吸数据、心跳数据等生理监测数据对用户进行分析,以确定该用户是否为焦虑障碍患者。然而,不同类型的精神障碍的表现形式较为接近、且其对应的身体指标或生理指标之间的区分度较小,使得焦虑障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险,进而使得焦虑障碍的识别结果的准确性受到影响。
因此,如何提升焦虑障碍的识别准确性,是需要解决的问题。
发明内容
本发明所要解决的技术问题在于,提供一种识别焦虑障碍的方法、识别焦虑障碍的装置及可穿戴设备,以解决现有的因焦虑障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险而使得焦虑障碍的识别结果的准确性受到影响的问题。
为了解决或者一定程度上改善上述技术问题,根据本发明一方面,提供一种识别焦虑障碍的方法,所述方法包括:
获得目标用户的焦虑相关数据,所述焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
将各所述焦虑相关数据与预设的焦虑识别指标相比较,所述焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,所述指标类别包括个体行为指标、环境交互指标以及身体指标;
响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
将所述焦虑相关数据与所述指标分值进行比较;
所述响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍,包括:
响应于所述焦虑相关数据与所述指标分值相同、或者所述焦虑相关数据与所述指标分值之间的差值小于预定阈值,确定所述目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述个体行为数据包括如下中的至少一种:
行为规律数据;
日常心境数据;
睡眠指标数据;
所述身体指标数据包括如下中的至少一种:
活动水平数据;
生理指标数据;
所述环境交互数据包括如下中的至少一种:
社交程度数据;
活动范围数据。
在一些实施方式中,所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
在一些实施方式中,所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值;所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值,所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点;
基于所述多个预设时间点分别对应的高频能量功率谱密度值,获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线;
将所述目标变化曲线的形状与预设的焦虑识别参考曲线的形状进行比较,所述焦虑识别参考曲线表征焦虑障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线;
所述焦虑相关数据满足所述焦虑识别指标,包括:
所述目标变化曲线的形状与所述焦虑识别参考曲线的形状之间的相似度达到预定相似度阈值。
在一些实施方式中,所述生理指标数据包括皮肤电活动数据。
在一些实施方式中,所述日常心境数据包括如下中的至少一种:
语音文本情绪指数;
正负性词频比例;
肢体语言积极消极比例。
在一些实施方式中,所述获得目标用户的焦虑相关数据,包括:
基于所述目标用户佩戴的可穿戴设备采集获得多模态原始数据;
对所述多模态原始数据进行数据提取,获得所述焦虑相关数据。
根据本发明的另一方面,提供一种识别抑郁相关精神障碍的装置,其特征在于,所述装置包括:
焦虑相关数据获得单元,用于获得目标用户的焦虑相关数据,所述焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
焦虑识别指标比较单元,用于将各所述焦虑相关数据与预设的焦虑识别指标相比较,所述焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,所述指标类别包括个体行为指标、环境交互指标以及身体指标;
焦虑障碍确定单元,用于响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍。
根据本发明的另一方面,提供一种可穿戴设备,所述可穿戴设备可执行如上所述的方法。
与现有技术相比,本发明具有以下优点:
本发明提供的识别焦虑障碍的方法,在获得目标用户的焦虑相关数据之后,将各焦虑相关数据与预设的焦虑识别指标进行比较,焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,焦虑相关数据包括个体行为数据、环境交互数据以及身体指数数据;指标类别包括个体行为指标、环境交互指标以及身体指标;响应于焦虑相关数据满足焦虑识别指标,确定目标用户的精神障碍类型为焦虑障碍。该方法通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的焦虑相关数据均作为识别焦虑障碍时的考虑因子,使得焦虑障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响,而且考虑了不同维度和不同形态的与焦虑相关的多类型因子的影响,充分利用各类型因子与不同精神障碍之间的不同关联程度,使用与之对应的指标分值作为各焦虑相关数据的参考标准,使得焦虑障碍的识别结果能够明确区分于其它类型的精神障碍,有效提升焦虑障碍识别结果的准确性。
附图说明
图1是本申请一实施例提供的识别焦虑障碍的方法的流程图;
图2是本申请一实施例提供的识别焦虑障碍的装置的单元框图;
图3是本申请一实施例提供的可穿戴设备的逻辑结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
针对焦虑识别场景,为了提升焦虑识别结果的准确性,本申请提供了一种识别焦虑障碍的方法。本申请还提供了与上述方法相对应的识别焦虑障碍的装置、可穿戴设备。以下提供实施例对上述方法、装置、可穿戴设备进行详细说明。
本申请一实施例提供一种识别焦虑障碍的方法,该方法的应用主体可以为用于对用户的焦虑障碍进行识别的计算设备应用,该计算设备应用可运行于可穿戴设备中或用于进行精神障碍识别的服务器中。图1为本申请实施例提供的识别焦虑障碍的方法的流程图,以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理,不是实际使用的限定。
如图1所示,本实施例提供的识别焦虑障碍的方法包括如下步骤:
S101,获得目标用户的焦虑相关数据。
本步骤用于获得焦虑相关数据,该焦虑相关数据是指对焦虑具有相关性的各类别数据,每个类别的焦虑相关数据均可作为识别焦虑障碍时的考虑因子,在本实施例中,焦虑相关数据包括不同维度和不同形态的个体行为数据、环境交互数据以及身体指数数据。其中,个体行为数据可以为如下中的一种或多种:行为规律数据、日常心境数据、睡眠指标数据;身体指标数据包括如下中的一种或多种:活动水平数据;生理指标数据;环境交互数据包括如下中的一种或多种:社交程度数据;活动范围数据。
其中,上述个体行为数据中的行为规律数据包括行为稳定性(InterdailyStability,IS)数据和/或行为波动性(Intradaily Variability,IV)数据。IS代表行为稳定性,区间范围在0-1之间,数值越小,行为模式越不稳定,即用户昼夜的行为模式是紊乱的,该种紊乱现象体现出抑郁风险,即,IS数值越小,用户出现心理问题的风险越大。IV代表行为波动性,区间范围在0-2之间,数值越大,行为模式越偏向于碎片化,同样表明行为不存在稳定的模式,即,模式越碎片化,出现心理问题的风险越大。在本实施例中,行为稳定性数据可通过如下公式计算获得:
行为波动性数据可通过如下公式计算获得:
其中,N表征数据的总个数,P表征平均每天的数据采集个数,Xh表征平均每小时的数值大小,X表征所有数据的平均值,Xi表征每个数据点的数值大小,H表征时间(例如,小时数),上述数据指的是加速度的数据大小。
上述日常心境数据是指用于表征目标用户的积极情绪状态或消极情绪状态的数据,其包括如下中的一种或多种:语音文本情绪指数(例如负能量或消极情绪的语音或文本数据的比例)、正负性词频比例(例如负能量词语的比例)、肢体语言情绪指数(例如肢体语言中表征积极情绪的比例、表征消极情绪的比例)。
上述睡眠指标数据包括睡眠时长、惊醒次数、深度睡眠时长、入睡时间、起床时间、睡眠时段(例如在白天某一时段睡眠或夜晚某一时段睡眠)。
上述活动水平数据表征目标用户的能量消耗状况,抑郁障碍的明显症状之一为精神运动迟滞,具体表现为运动量减小,进而能量消耗降低。在本实施例中,可通过运动传感器计算基于如下公式计算获得目标用户的活动水平数据:
其中,Α表征VM3的系数大小,Β表征Gender的系数大小,ν表征BMI的系数大小,δ为公式的常量,一个特定数值,类似于方程y轴上的截距,VM3为合加速度(单位为g,范围一般在0.6-1.8g之间),Gender表征性别,女性编码为0,男性编码为1,BMI表征体重(kg) /(身高(m))^2,一般范围在[18.5–24.9]之间,小于这个数值体重偏瘦,高于这个数值体重偏胖。
在本实施例中,上述生理指数可以为皮肤电活动(Electrodermal Activity,EDA)数据,皮肤电活动(EDA)指的是皮肤表面汗腺由于应激或其他刺激引起的激活而导致的电传导能力的变化,例如,当机体受到刺激(如针刺、电击等)或者情绪产生变化时,自主神经系统的交感神经分支被唤醒,皮肤内的血管会产生收缩和舒张,机体的汗腺被激活而发生变化,分泌汗液,汗液含有水和电解质,通过皮孔进入皮肤表面,增加皮肤的导电性,降低皮肤电阻。
上述环境交互数据用于表征目标用户的社交状态,焦虑障碍的重要特征之一即为少社交或无社交,因此,可将环境交互数据作为焦虑相关数据之一。其中,环境交互数据中的社交程度数据可以为用户通话次数、通话时长、信息发送次数、社交频率等数据;活动范围数据可以通过用户的位置变异情况进行表征,在本实施例中,其可通过如下公式计算获得:
其中,Location Variance代表位置变异,lat表示纬度,long表示经度,如果Location Variance数值偏小,则标明用户长期处于较为固定的位置,比如公司和家庭的两点一线,无多余外出。
在本实施例中,可通过如下方式获得目标用户的焦虑相关数据:基于目标用户佩戴的可穿戴设备、采集获得多模态原始数据,例如,通过可穿戴设备安装的脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、GPS传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块采集用户的PPG信号、起床时间点、入睡时间点、社交数据、肢体动作、地理位置等多模态原始数据;基于多模态原始数据进行数据提取,获得上述不同类型的焦虑相关数据。
S102,将各焦虑相关数据与预设的焦虑识别指标进行比较,当焦虑相关数据满足焦虑识别指标时,确定目标用户的精神障碍类型为焦虑障碍。
在上述步骤获得目标用户的个体行为数据、环境交互数据以及身体指数数据等焦虑相关数据之后,本步骤用于将上述各焦虑相关数据与预设的焦虑识别指标进行比较,该焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,指标类别包括个体行为指标(行为规律指标、日常心境指标、睡眠指标)、环境交互指标(社交程度指标以及活动范围指标)以及身体指标(活动水平指标、生理指标),即,指标类别与上述焦虑相关数据的类别相一致,指标分值可作为各指标类别对焦虑障碍的影响阈值。
需要说明的是,针对任意两种或多种不同类型的精神障碍(例如焦虑障碍与抑郁情绪障碍),其对应的指标类别可以相同或部分相同(部分相同是指某些精神障碍在有些指标类别上较为突出,与指标类别之间的关联程度较高,而另一精神障碍则与该指标类别无关联),在本实施例中,在指标类别相同或部分相同的情况下,至少存在一种或多种相同指标类别对应不同的指标分值,即,同一种指标类别与不同类型的精神障碍之间的关联程度有所区分,例如,对于与焦虑障碍相关的指标类别为行为规律指标、日常心境指标、睡眠指标、活动水平指标、生理指标、社交程度指标以及活动范围指标,与抑郁情绪障碍相关的指标类别同样可以为上述各指标,然而,焦虑障碍与上述多种指标类型的关联关系明显低于抑郁情绪障碍与上述多种指标类型的关联关系,因此,针对相同指标类别,在识别焦虑障碍时所使用的指标分值低于识别抑郁情绪障碍时使用的指标分值。
并且,识别不同类型的精神障碍时,对于相同指标类别的要求精度有所不同,因此需选用该相同指标类别中的不同指标,例如,识别抑郁情绪障碍时,其对生理指数的要求较为精细,因此采用具有更高精确度的心率变异性(Heart Rate Variability,HRV)数据和/或皮肤电定向反应数据(Electro Dermal Orienting Reactivity,EDOR)作为抑郁情绪相关数据;在识别焦虑障碍时,其对生理指数的精度要求较低,因此采用皮肤电活动(EDA)数据作为焦虑相关数据。
其中,HRV表征心率变化的变异性,反映自主神经系统中交感神经活性与副交感神经活性的大小及其平衡协调的关系,其可作为身体机能应对环境变化和压力、情绪强度的适应能力的指标,心率变异性越高,则心血管功能较好,心脏能够越快地适应环境刺激和情绪、压力带来的影响,即机体对应激刺激的适应程度越好,抗压能力强;反之,则表明机体的适应能力越差,心率变异性较低的个体具有焦虑、抑郁、心血管疾病的风险更大,压力过大、情绪波动、睡眠不良等情况都可能会降低HRV。EDOR是一种生理测量方法,用于评估个体对环境刺激的反应,皮肤电导率会随着交感神经系统的活动而变化,因此该种反应通常通过皮肤电导率的变化来测量,例如,通过给用户提供一种刺激(如声音、光线或图像)并测量其皮肤电导率,如果用户对刺激做出了强烈的反应,则其皮肤电导率会上升,如果皮肤电导率没有显著变化或变化较小,则表明其对刺激的反应较弱(电皮肤低反应性),而电皮肤低反应性在一些精神障碍疾病中可能会出现,例如抑郁症,有自杀倾向的抑郁症患者通常会表现出电皮肤低反应性。
本步骤将各焦虑相关数据与预设的焦虑识别指标进行比较,具体是指将上述焦虑相关数据与指标分值进行比较,即,将所有焦虑相关数据中的各焦虑相关数据分别与其所对应指标类别的指标分值进行比较,当焦虑相关数据与上述指标分值相同、或者焦虑相关数据与指标分值之间的差值小于预定阈值,则确定目标用户的精神障碍类型为焦虑障碍。
在本实施例中,上述生理指标数据还包括心率变异性(Heart Rate Variability,HRV)数据中的高频能量功率谱密度值,分析HRV可以使用的参数通常被分为时域参数(例如SDNN、rMSSD、NN50、SDANN等)和频域参数(例如LF、HF、LF/HF等),其中,HF即为高频能量功率谱密度值。对于不同类型的精神障碍以及正常用户,其高频能量功率谱密度值随时间(一般为活动前、活动中、活动后的预设时间点)的变化曲线的形状不同,例如,焦虑障碍与抑郁情绪障碍对应的上述曲线的形状不同(焦虑障碍所对应的上述曲线形状为“V”字形,而抑郁情绪障碍对应的上述曲线形状为不规则形状),因此,基于该特性,在另一实施方式中,上述将各焦虑相关数据与预设的焦虑识别指标进行比较还可以是指:获得目标用户在多个预设时间点分别对应的高频能量功率谱密度值,多个预设时间点包括目标用户在执行活动任务(例如压力测试任务)中、执行活动任务之前以及执行活动任务之后对应的各时间点;基于多个预设时间点分别对应的高频能量功率谱密度值,获得高频能量功率谱密度值随各预设时间点的目标变化曲线;将目标变化曲线的形状与预设的焦虑识别参考曲线的形状进行比较,焦虑识别参考曲线表征焦虑障碍患者所对应的高频能量功率谱密度值随各预设时间点的变化曲线;当目标变化曲线的形状与焦虑识别参考曲线的形状之间的相似度达到预定相似度阈值时,则确定焦虑相关数据满足焦虑识别指标。
本申请实施例提供的识别焦虑障碍的方法,在获得目标用户的焦虑相关数据之后,将各焦虑相关数据与预设的焦虑识别指标进行比较,焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,焦虑相关数据包括个体行为数据、环境交互数据以及身体指数数据,指标类别包括个体行为指标、环境交互指标以及身体指标;当焦虑相关数据满足焦虑识别指标时,确定目标用户的精神障碍类型为焦虑障碍。该方法通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的焦虑相关数据均作为识别焦虑障碍时的考虑因子,使得焦虑障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响,而且考虑了不同维度和不同形态的与焦虑相关的多类型因子的影响,充分利用各类型因子与不同精神障碍之间的不同关联程度,使得焦虑障碍的识别结果能够明确区分于其它类型的精神障碍,有效提升焦虑障碍识别结果的准确性。
上述实施例提供了一种识别焦虑障碍的方法,与之相对应的,本申请另一实施例还提供了一种识别焦虑障碍的装置,由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可,下述对装置实施例的描述仅仅是示意性的。
请参考图2理解该实施例,图2为本实施例提供的识别焦虑障碍的装置的单元框图,如图2所示,本实施例提供的装置包括:
焦虑相关数据获得单元201,用于获得目标用户的焦虑相关数据,焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
焦虑识别指标比较单元202,用于将各焦虑相关数据与预设的焦虑识别指标相比较,焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,指标类别包括个体行为指标、环境交互指标以及身体指标;
焦虑障碍确定单元203,用于响应于焦虑相关数据满足焦虑识别指标,确定目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
将所述焦虑相关数据与所述指标分值进行比较;
所述响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍,包括:
响应于所述焦虑相关数据与所述指标分值相同、或者所述焦虑相关数据与所述指标分值之间的差值小于预定阈值,确定所述目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述个体行为数据包括如下中的至少一种:
行为规律数据;
日常心境数据;
睡眠指标数据;
所述身体指标数据包括如下中的至少一种:
活动水平数据;
生理指标数据;
所述环境交互数据包括如下中的至少一种:
社交程度数据;
活动范围数据。
在一些实施方式中,所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
在一些实施方式中,所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值;所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值,所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点;
基于所述多个预设时间点分别对应的高频能量功率谱密度值,获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线;
将所述目标变化曲线的形状与预设的焦虑识别参考曲线的形状进行比较,所述焦虑识别参考曲线表征焦虑障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线;
所述焦虑相关数据满足所述焦虑识别指标,包括:
所述目标变化曲线的形状与所述焦虑识别参考曲线的形状之间的相似度达到预定相似度阈值。
在一些实施方式中,所述生理指标数据包括皮肤电活动数据。
在一些实施方式中,所述日常心境数据包括如下中的至少一种:
语音文本情绪指数;
正负性词频比例;
肢体语言积极消极比例。
在一些实施方式中,所述获得目标用户的焦虑相关数据,包括:
基于所述目标用户佩戴的可穿戴设备采集获得多模态原始数据;
对所述多模态原始数据进行数据提取,获得所述焦虑相关数据。
本实施例提供的识别焦虑障碍的装置,通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的焦虑相关数据均作为识别焦虑障碍时的考虑因子,使得焦虑障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响,而且考虑了不同维度和不同形态的与焦虑相关的多类型因子的影响,充分利用各类型因子与不同精神障碍之间的不同关联程度,使得焦虑障碍的识别结果能够明确区分于其它类型的精神障碍,有效提升焦虑障碍识别结果的准确性。
在上述的实施例中,提供了一种识别焦虑障碍的方法以及一种识别焦虑障碍的装置,此外,本申请另一实施例还提供一种可穿戴设备,该可穿戴设备可以为可穿戴手环、头盔等,该可穿戴设备上安装有如脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、GPS传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块。由于可穿戴设备实施例基本相似于方法实施例,所以描述得比较简单,相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可,下述对可穿戴设备实施例的描述仅仅是示意性的。该可穿戴设备实施例如下:
请参考图3理解本实施例,图3为本实施例提供的可穿戴设备的示意图。
如图3所示,本实施例提供的可穿戴设备除了各种采集多模态原始数据的传感器及其它监测模块外,还包括:处理器301和存储器302;
该存储器302用于存储数据处理的计算机指令,该计算机指令在被处理器301读取执行时,执行如下操作:
获得目标用户的焦虑相关数据,所述焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
将各所述焦虑相关数据与预设的焦虑识别指标相比较,所述焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,所述指标类别包括个体行为指标、环境交互指标以及身体指标;
响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
将所述焦虑相关数据与所述指标分值进行比较;
所述响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍,包括:
响应于所述焦虑相关数据与所述指标分值相同、或者所述焦虑相关数据与所述指标分值之间的差值小于预定阈值,确定所述目标用户的精神障碍类型为焦虑障碍。
在一些实施方式中,所述个体行为数据包括如下中的至少一种:
行为规律数据;
日常心境数据;
睡眠指标数据;
所述身体指标数据包括如下中的至少一种:
活动水平数据;
生理指标数据;
所述环境交互数据包括如下中的至少一种:
社交程度数据;
活动范围数据。
在一些实施方式中,所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
在一些实施方式中,所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值;所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值,所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点;
基于所述多个预设时间点分别对应的高频能量功率谱密度值,获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线;
将所述目标变化曲线的形状与预设的焦虑识别参考曲线的形状进行比较,所述焦虑识别参考曲线表征焦虑障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线;
所述焦虑相关数据满足所述焦虑识别指标,包括:
所述目标变化曲线的形状与所述焦虑识别参考曲线的形状之间的相似度达到预定相似度阈值。
在一些实施方式中,所述生理指标数据包括皮肤电活动数据。
在一些实施方式中,所述日常心境数据包括如下中的至少一种:
语音文本情绪指数;
正负性词频比例;
肢体语言积极消极比例。
在一些实施方式中,所述获得目标用户的焦虑相关数据,包括:
基于所述目标用户佩戴的可穿戴设备采集获得多模态原始数据;
对所述多模态原始数据进行数据提取,获得所述焦虑相关数据。
使用本实施例提供的可穿戴设备,通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的焦虑相关数据均作为识别焦虑障碍时的考虑因子,使得焦虑障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响,而且考虑了不同维度和不同形态的与焦虑相关的多类型因子的影响,充分利用各类型因子与不同精神障碍之间的不同关联程度,使得焦虑障碍的识别结果能够明确区分于其它类型的精神障碍,有效提升焦虑障碍识别结果的准确性。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、 其他类型的随机存取存储器 (RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (10)

1.一种识别焦虑障碍的方法,其特征在于,所述方法包括:
获得目标用户的焦虑相关数据,所述焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
将各所述焦虑相关数据与预设的焦虑识别指标相比较,所述焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,所述指标类别包括个体行为指标、环境交互指标以及身体指标;
响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍。
2.根据权利要求1所述的方法,其特征在于,所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
将所述焦虑相关数据与所述指标分值进行比较;
所述响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍,包括:
响应于所述焦虑相关数据与所述指标分值相同、或者所述焦虑相关数据与所述指标分值之间的差值小于预定阈值,确定所述目标用户的精神障碍类型为焦虑障碍。
3.根据权利要求1所述的方法,其特征在于,所述个体行为数据包括如下中的至少一种:
行为规律数据;
日常心境数据;
睡眠指标数据;
所述身体指标数据包括如下中的至少一种:
活动水平数据;
生理指标数据;
所述环境交互数据包括如下中的至少一种:
社交程度数据;
活动范围数据。
4.根据权利要求3所述的方法,其特征在于,所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
5.根据权利要求3所述的方法,其特征在于,所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值;所述将各所述焦虑相关数据与预设的焦虑识别指标相比较,包括:
获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值,所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点;
基于所述多个预设时间点分别对应的高频能量功率谱密度值,获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线;
将所述目标变化曲线的形状与预设的焦虑识别参考曲线的形状进行比较,所述焦虑识别参考曲线表征焦虑障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线;
所述焦虑相关数据满足所述焦虑识别指标,包括:
所述目标变化曲线的形状与所述焦虑识别参考曲线的形状之间的相似度达到预定相似度阈值。
6.根据权利要求3所述的方法,其特征在于,所述生理指标数据包括皮肤电活动数据。
7.根据权利要求3所述的方法,其特征在于,所述日常心境数据包括如下中的至少一种:
语音文本情绪指数;
正负性词频比例;
肢体语言积极消极比例。
8.根据权利要求1所述的方法,其特征在于,所述获得目标用户的焦虑相关数据,包括:
基于所述目标用户佩戴的可穿戴设备采集获得多模态原始数据;
对所述多模态原始数据进行数据提取,获得所述焦虑相关数据。
9.一种识别焦虑障碍的装置,其特征在于,所述装置包括:
焦虑相关数据获得单元,用于获得目标用户的焦虑相关数据,所述焦虑相关数据包括个体行为数据、环境交互数据以及身体指标数据;
焦虑识别指标比较单元,用于将各所述焦虑相关数据与预设的焦虑识别指标相比较,所述焦虑识别指标包括与焦虑障碍相关的指标类别以及用于表征各指标类别与焦虑障碍之间的关联程度的指标分值,所述指标类别包括个体行为指标、环境交互指标以及身体指标;
焦虑障碍确定单元,用于响应于所述焦虑相关数据满足所述焦虑识别指标,确定所述目标用户的精神障碍类型为焦虑障碍。
10.一种可穿戴设备,其特征在于,所述可穿戴设备可执行如权利要求1-8中任一项所述的方法。
CN202310902877.9A 2023-07-21 2023-07-21 一种识别焦虑障碍的方法、装置及可穿戴设备 Pending CN116631630A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310902877.9A CN116631630A (zh) 2023-07-21 2023-07-21 一种识别焦虑障碍的方法、装置及可穿戴设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310902877.9A CN116631630A (zh) 2023-07-21 2023-07-21 一种识别焦虑障碍的方法、装置及可穿戴设备

Publications (1)

Publication Number Publication Date
CN116631630A true CN116631630A (zh) 2023-08-22

Family

ID=87617411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310902877.9A Pending CN116631630A (zh) 2023-07-21 2023-07-21 一种识别焦虑障碍的方法、装置及可穿戴设备

Country Status (1)

Country Link
CN (1) CN116631630A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527235A (zh) * 2003-09-22 2004-09-08 �Ϻ���ͨ��ѧ 获得自主神经功能信号的方法
CN111513734A (zh) * 2020-04-30 2020-08-11 四川大学 一种双相情感障碍非典型症状评估系统与方法
CN111938671A (zh) * 2020-08-14 2020-11-17 上海市精神卫生中心(上海市心理咨询培训中心) 一种基于多维度内感知特征的焦虑特质量化方法
CN112890818A (zh) * 2021-01-21 2021-06-04 西安中盛凯新技术发展有限责任公司 一种心理和自主神经双向评估系统
CN112890816A (zh) * 2020-12-11 2021-06-04 万达信息股份有限公司 一种个人用户的健康指数评分方法和装置
CN113674767A (zh) * 2021-10-09 2021-11-19 复旦大学 一种基于多模态融合的抑郁状态识别方法
US20230037749A1 (en) * 2020-11-30 2023-02-09 Matrixcare, Inc. Method and system for detecting mood

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527235A (zh) * 2003-09-22 2004-09-08 �Ϻ���ͨ��ѧ 获得自主神经功能信号的方法
CN111513734A (zh) * 2020-04-30 2020-08-11 四川大学 一种双相情感障碍非典型症状评估系统与方法
CN111938671A (zh) * 2020-08-14 2020-11-17 上海市精神卫生中心(上海市心理咨询培训中心) 一种基于多维度内感知特征的焦虑特质量化方法
US20230037749A1 (en) * 2020-11-30 2023-02-09 Matrixcare, Inc. Method and system for detecting mood
CN112890816A (zh) * 2020-12-11 2021-06-04 万达信息股份有限公司 一种个人用户的健康指数评分方法和装置
CN112890818A (zh) * 2021-01-21 2021-06-04 西安中盛凯新技术发展有限责任公司 一种心理和自主神经双向评估系统
CN113674767A (zh) * 2021-10-09 2021-11-19 复旦大学 一种基于多模态融合的抑郁状态识别方法

Similar Documents

Publication Publication Date Title
CN116631629A (zh) 一种识别抑郁情绪障碍的方法、装置及可穿戴设备
Han et al. Detecting work-related stress with a wearable device
Gu et al. Intelligent sleep stage mining service with smartphones
CN107427716B (zh) 人类绩效优化与训练的方法及系统
US11723568B2 (en) Mental state monitoring system
CN107106085A (zh) 用于睡眠监测的设备和方法
CN113301843B (zh) 用于向用户提供生物反馈的设备、系统和方法
US10986994B2 (en) Stress detection and alleviation system and method
CN111281341A (zh) 一种睡眠评估方法、装置、电子设备及存储介质
WO2021238810A1 (zh) 获得血糖检测结果的方法、装置及设备
Bong et al. Methods and approaches on inferring human emotional stress changes through physiological signals: A review
CN111166297A (zh) 基于用户睡眠音频评定睡眠质量的方法和装置
Shen et al. A High‐Precision Fatigue Detecting Method for Air Traffic Controllers Based on Revised Fractal Dimension Feature
Kaur et al. Heart rate variability (HRV): an indicator of stress
Wang et al. Emotionsense: An adaptive emotion recognition system based on wearable smart devices
CN115802931A (zh) 检测用户温度和评估呼吸系统病症的生理症状
CN110313922A (zh) 一种压力调节方法、压力调节系统及终端
CN116612894A (zh) 一种识别睡眠障碍的方法、装置及可穿戴设备
KR101912860B1 (ko) 우울증 인지 및 케어를 위한 스마트 주얼리 시스템
CN113598721B (zh) 可穿戴终端及其核心体温监测方法和计算机可读存储介质
CN105232063A (zh) 用户心理健康检测方法及智能终端
CN116631630A (zh) 一种识别焦虑障碍的方法、装置及可穿戴设备
CN116612893A (zh) 一种识别双相情感障碍的方法、装置及可穿戴设备
TW202108077A (zh) 專注力自動偵測方法和系統
CN116936079A (zh) 一种识别多类别精神障碍的方法、装置及可穿戴设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230822