TWI779916B - 遠端通訊的方法及系統 - Google Patents

遠端通訊的方法及系統 Download PDF

Info

Publication number
TWI779916B
TWI779916B TW110140826A TW110140826A TWI779916B TW I779916 B TWI779916 B TW I779916B TW 110140826 A TW110140826 A TW 110140826A TW 110140826 A TW110140826 A TW 110140826A TW I779916 B TWI779916 B TW I779916B
Authority
TW
Taiwan
Prior art keywords
server
electronic device
time series
model
feature
Prior art date
Application number
TW110140826A
Other languages
English (en)
Other versions
TW202319940A (zh
Inventor
利建宏
許銀雄
黃宜瑾
鍾尚霖
Original Assignee
宏碁股份有限公司
宏碁智醫股份有限公司
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 宏碁股份有限公司, 宏碁智醫股份有限公司 filed Critical 宏碁股份有限公司
Priority to TW110140826A priority Critical patent/TWI779916B/zh
Application granted granted Critical
Publication of TWI779916B publication Critical patent/TWI779916B/zh
Publication of TW202319940A publication Critical patent/TW202319940A/zh

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)
  • Computer And Data Communications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一種遠端通訊的方法及系統。第一電子裝置通過伺服器與第二電子裝置進行線上會議。在進行線上會議的期間，伺服器收集第一電子裝置的會議通訊介面所產生的時間序列數據。伺服器將時間序列數據輸入至第一預測模型，而獲得第一預測結果。伺服器將用戶帳號對應的歷史資料輸入至第二預測模型，而獲得第二預測結果。伺服器將自第二預測模型獲得的非時間序列特徵輸入至第一預測模型，而獲得整合預測結果。伺服器將第一預測結果、第二預測結果以及整合預測結果傳送至第二電子裝置。

Description

遠端通訊的方法及系統
本發明是有關於一種通訊機制，且特別是有關於一種遠端通訊的方法及系統。
在後疫情時代，為了減少民眾居家外出，在醫療方面，民眾可透過遠距視訊方式與醫生進行問診。遠距醫療科技的出現，協助病患可以更容易與身心科醫師對話，不再局限面對面訪談。而身心科醫師為了掌握病患的心理狀況，需要大量訪談時間將病患的心防打開。因此，身心科醫師若能夠即時掌握病患的身心狀況來調整線上會議的情境以及問診方式，將有助於讓病患敞開心房。
本發明提供一種遠端通訊的方法及系統，可根據線上會議的內容以及歷史資料來預測諮詢者的身心狀況，並供回應者參考。
本發明的遠端通訊的方法，包括：由第一電子裝置透過會議通訊介面利用用戶帳號來登入伺服器，使得第一電子裝置通過伺服器與第二電子裝置進行線上會議；在進行線上會議的期間，透過伺服器收集會議通訊介面所產生的時間序列數據；透過伺服器將時間序列數據輸入至第一預測模型，而獲得第一預測結果；透過伺服器將用戶帳號對應的歷史資料輸入至第二預測模型，而獲得第二預測結果；透過伺服器將自第二預測模型獲得的非時間序列特徵輸入至第一預測模型，而獲得整合預測結果，其中非時間序列特徵是自歷史資料所獲得；以及透過伺服器將第一預測結果、第二預測結果以及整合預測結果傳送至第二電子裝置。
在本發明的一實施例中，所述時間序列數據包括影音數據以及文字數據。第一預測模型包括多維卷積網路、時間序列模型、序連層(concatenate layer)、全連接層(fully connected layer)以及整合網路層。在透過伺服器將時間序列數據輸入至第一預測模型之後，透過第一預測模型執行下述步驟：透過多維卷積網路自影音數據擷取影音特徵；透過時間序列模型自文字數據擷取文字特徵；在序連層中，拼接影音特徵與文字特徵，並將拼接後的拼接特徵輸入至全連接層，而獲得第一正切分數(tangent score)；以及基於第一正切分數來獲得第一預測結果。
在本發明的一實施例中，透過伺服器將自第二預測模型獲得的非時間序列特徵輸入至第一預測模型，而獲得整合預測結果的步驟包括：將非時間序列特徵、第一正切分數以及拼接特徵 輸入至整合網路層，藉此獲得第二正切分數；以及基於第二正切分數來獲得整合預測結果。
在本發明的一實施例中，所述影音數據包括視訊訊號以及音訊訊號至少其中一個。所述文字數據是經由會議通訊介面基於所接收的操作指令而產生。
在本發明的一實施例中，所述第二預測模型包括神經網路模型、序連層以及全連接層。在透過伺服器將用戶帳號對應的歷史資料輸入至第二預測模型之後，透過第二預測模型執行下述步驟：透過神經網路模型自歷史資料擷取非時間序列特徵；在序連層中，拼接所擷取的所有非時間序列特徵；將拼接後的非時間序列輸入至全連接層，而獲得歸一化(softmax)分數；以及基於歸一化分數來獲得第二預測結果。
在本發明的一實施例中，在進行線上會議的期間，透過伺服器收集會議通訊介面所產生的時間序列數據包括：透過伺服器每隔一段指定時間收集會議通訊介面所產生的時間序列數據。
在本發明的一實施例中，所述歷史資料包括用戶帳號對應的病史、病徵、性別以及年齡。
在本發明的一實施例中，在透過伺服器將第一預測結果、第二預測結果以及整合預測結果傳送至第二電子裝置之後，透過第二電子裝置傳送一指令至伺服器，使得伺服器基於所述指令變更第一電子裝置的會議通訊介面中的呈現畫面。
在本發明的一實施例中，在透過伺服器將第一預測結 果、第二預測結果以及整合預測結果傳送至第二電子裝置之後，透過第二電子裝置傳送一指令至伺服器，使得伺服器基於所述指令變更第一電子裝置的會議通訊介面所輸出的音訊訊號。
本發明的遠端通訊系統，包括：第一電子裝置、第二電子裝置以及伺服器。第一電子裝置、第二電子裝置與伺服器通過網路進行連線。第一電子裝置透過會議通訊介面利用用戶帳號來登入伺服器，使得第一電子裝置通過伺服器與第二電子裝置進行線上會議。在進行線上會議的期間，伺服器收集會議通訊介面所產生的時間序列數據。伺服器將時間序列數據輸入至第一預測模型，而獲得第一預測結果。伺服器將用戶帳號對應的歷史資料輸入至第二預測模型，而獲得第二預測結果。伺服器將自第二預測模型獲得的非時間序列特徵輸入至第一預測模型，而獲得整合預測結果。在此，非時間序列特徵是自歷史資料所獲得。伺服器將第一預測結果、第二預測結果以及整合預測結果傳送至第二電子裝置。
基於上述，本發明利用時間序列數據以及非時間序列數據(即歷史資料)來分別進行預測，並且進一步結合時間序列數據以及非時間序列數據來做為整合數據的預測。據此，可協助決策端(第二電子裝置)的回應者得以根據時間序列數據、非時間序列數據以及整合數據三者的預測結果，做出合適的回覆。
100:遠端通訊系統
110:第一電子裝置
111、121:處理器
112、122:應用程式
113、123:會議通訊介面
120:第二電子裝置
130:伺服器
310:第一預測模型
311:時間序列數據
311a:影音數據
311b:文字數據
312:多維卷積網路
313:時間序列模型
314、323:序連層
315、324:全連接層
316:整合網路層
320:第二預測模性
321:歷史資料
322:神經網路模型
330:第一正切分數
340:第一預測結果
350:第二正切分數
360:整合預測結果
370:歸一化分數
380:第二預測結果
S205~S230:遠端通訊方法的步驟
圖1是依照本發明一實施例的遠端通訊系統的方塊圖。
圖2是依照本發明一實施例的遠端通訊的方法流程圖。
圖3是依照本發明一實施例的伺服器端的系統架構的示意圖。
圖1是依照本發明一實施例的遠端通訊系統的方塊圖。請參照圖1，遠端通訊系統100包括第一電子裝置110、第二電子裝置120以及伺服器130。第一電子裝置110、第二電子裝置120以及伺服器130透過網路互相連線。第一電子裝置110包括處理器111以及應用程式112。第二電子裝置120包括處理器121以及應用程式122。
第一電子裝置110與第二電子裝置120例如為桌上型電腦、筆記型電腦、平板電腦、智慧型手機等具有運算功能、顯示功能以及連網功能的電子裝置。伺服器130為運算能力高且儲存容量大的電子裝置。在此，第一電子裝置110是由欲進行諮詢的使用者(諮詢者)所使用的裝置，安裝有供諮詢者使用的應用程式112，由處理器111來執行應用程式112。第二電子裝置120是由負責回應的諮商師、心理師、醫師等使用者(回應者)所使用，其安裝有供回應者使用的應用程式122，由處理器121來執行應用 程式122。在此，應用程式112與應用程式122兩者的功能大致相同，但使用權限不同。
在第一電子裝置110與第二電子裝置120中分別致能應用程式112與應用程式122以分別啟動會議通訊介面113與會議通訊介面123。而會議通訊介面113與會議通訊介面123會透過伺服器130來進行通訊。而伺服器130會收集諮詢端的會議通訊介面113的內容來執行後續的預測。
圖2是依照本發明一實施例的遠端通訊的方法流程圖。請參照圖1及圖2，在步驟S205中，由第一電子裝置110透過會議通訊介面113利用用戶帳號來登入伺服器130，使得第一電子裝置110通過伺服器130與第二電子裝置120進行線上會議。
第一電子裝置110的使用者需先透過會議通訊介面113向伺服器130註冊一用戶帳號，之後在會議通訊介面113中利用此用戶帳號來登入伺服器130。第二電子裝置120的使用者也需透過其會議通訊介面123向伺服器130註冊一管理端帳號(其權限不同於用戶帳號)，之後在會議通訊介面123中利用管理端帳號來登入伺服器130。在第一電子裝置110與第二電子裝置120皆登入伺服器130之後，便可開始雙方的線上會議。
在步驟S210中，在進行線上會議的期間，伺服器130收集會議通訊介面113所產生的時間序列數據。也就是說，伺服器130基於時間序列自會議通訊介面113收集資料。時間序列數據包括影音數據以及文字數據。伺服器130可設定為每隔一段指定時 間收集會議通訊介面113所產生的時間序列數據。之後，在步驟S215中，伺服器130將時間序列數據輸入至第一預測模型，而獲得第一預測結果。
在步驟S220中，伺服器130將用戶帳號對應的歷史資料輸入至第二預測模型，而獲得第二預測結果。在此，歷史資料包括用戶帳號對應的病史、病徵、性別以及年齡。例如，在註冊用戶帳號時，伺服器130會將用戶帳號的性別及年齡作為後續預測用的歷史資料。並且，伺服器130會將用戶帳號在每一次線上會議之後由第二電子裝置120所上傳的病史、病徵作為後續預測用的歷史資料。
在步驟S225中，伺服器130將自第二預測模型獲得的非時間序列特徵輸入至第一預測模型，而獲得整合預測結果，其中非時間序列特徵是自歷史資料所獲得。在此，第一預測模型可進一步基於時間序列數據以及非時間序列特徵來進行整合預測。
最後，在步驟S230中，伺服器130將第一預測結果、第二預測結果以及整合預測結果傳送至第二電子裝置120。
底下再舉一例來詳細說明第一預測模型與第二預測模型的運作。
圖3是依照本發明一實施例的伺服器端的系統架構的示意圖。請參照圖3，伺服器130包括第一預測模型310以及第二預測模型320。在本實施例中，第一預測模型310與第二預測模型320為事先已預先訓練完成的模型。第一預測模型310包括多維卷 積網路312、時間序列模型313、序連層(concatenate layer)314、全連接層(fully connected layer)315以及整合網路層316。第二預測模型320包括神經網路模型322、序連層323以及全連接層324。
在透過伺服器130將時間序列數據311輸入至第一預測模型310之後，透過第一預測模型310執行下述步驟。透過多維卷積網路312自影音數據311a擷取影音特徵。影音數據311a包括視訊訊號以及音訊訊號至少其中一個。透過時間序列模型313自文字數據311b擷取文字特徵。文字數據311b是經由會議通訊介面113基於所接收的操作指令而產生。時間序列模型313例如採用長短期記憶(Long Short-Term Memory，LSTM)演算法來擷取文字特徵。
在序連層314中，拼接影音特徵與文字特徵，並將拼接後的拼接特徵輸入至全連接層315，而獲得第一正切(tangent score)分數330。基於第一正切分數330來獲得第一預測結果340。一般來說，卷積神經網路(Convolutional Neural Network，CNN)包括卷積層、最大池化層和全連通層，卷積層與最大池化層配合，組成多個卷積組(多維卷積網路312及時間序列模型313)，逐層提取特徵，最終通過全連接層315完成分類，從而實現機器學習模型的建立。
第一預測結果340例如為即時的正負情緒指標。正負情緒指標可設定為-1~1的範圍。大於0且小於1的數值代表正向情 緒，小於0的數值代表負向情緒。
在序連層314中獲得拼接特徵之後，將拼接特徵輸入至整合網路層316。並且，獲得第一正切分數330之後，將第一正切分數330輸入至整合網路層316。之後，在自第二預測模型320獲得非時間序列特徵之後，整合網路層316便會依據第一正切分數330、拼接特徵以及非時間序列特徵，來獲得第二正切分數350。之後，基於第二正切分數350來獲得整合預測結果360。整合預測結果360例如為整合過去與現在的正負情緒指標。正負情緒指標可設定為-1~1的範圍。大於0且小於1的數值代表正向情緒，小於0的數值代表負向情緒。
在透過伺服器130將用戶帳號對應的歷史資料321輸入至第二預測模型320之後，透過第二預測模型320執行下述步驟。透過神經網路模型322自歷史資料321擷取非時間序列特徵。在序連層323中，拼接所擷取的所有非時間序列特徵。將拼接後的非時間序列輸入至全連接層324，而獲得歸一化分數370。並且，基於歸一化分數370來獲得第二預測結果380。第二預測結果380例如為多種身心疾病的機率。
本實施例應用於情緒及身心疾病的預測。第一預測模型310為用以預測正負情緒的人工智慧(artificial intelligence，AI)模型，第二預測模型320為用以預測身心疾病的AI模型。
第一預測模型310整合影像及非影像的時間序列數據311，藉以輸出即時的正負情緒指標(第一預測結果340)。而即時 的正負情緒指標(第一預測結果340)再匯入至至整合網路層316來輸出整合的正負情緒指標(整合預測結果360)，其表示一段時間的情緒指標預估。
第二預測模型320利用非時間序列數據(例如：病徵、病史、性別、年齡)精確地預測多種身心疾病的機率。
在伺服器130將第一預測結果340、第二預測結果380以及整合預測結果360傳送至第二電子裝置120之後，透過第二電子裝置120傳送一指令至伺服器130，使得伺服器130基於所述指令變更第一電子裝置110的會議通訊介面113中的呈現畫面。
或者，可透過第二電子裝置120傳送一指令至伺服器130，使得伺服器130基於所述指令變更第一電子裝置110的會議通訊介面113所輸出的音訊訊號。
也就是說，第二電子裝置120的使用者可根據第一預測結果340以及整合預測結果360來判斷諮詢者當下的情緒及肢體情緒語言，根據第二預測結果380來獲得諮詢者是否患有身心疾病的機率。據此，第二電子裝置120的使用者可做出不同的情境安排。例如，變更第一電子裝置110的會議通訊介面113的背景畫面或者播放的背景音樂。
綜上所述，本發明除了利用時間序列數據以及非時間序列數據(即歷史資料)分別進行預測，還進一步整合時間序列數據以及非時間序列數據做為整合數據來進行整合預測。據此，可協助決策端(第二電子裝置)的回應者得以根據時間序列數據、 非時間序列數據以及整合數據三者的預測結果，做出合適的回覆。在應用於遠距醫療上，可協助醫師即時了解病患情緒，以及可能罹患的身心疾病。並藉由系統提供的不同情境轉換，讓病患卸下意識的防衛，找到身心疾病的根源。
S205~S230:遠端通訊方法的步驟

Claims (9)

  1. 一種遠端通訊的方法，包括：由一第一電子裝置透過一會議通訊介面利用一用戶帳號來登入一伺服器，使得該第一電子裝置通過該伺服器與一第二電子裝置進行一線上會議；在進行該線上會議的期間，透過該伺服器收集該會議通訊介面所產生的一時間序列數據；透過該伺服器將該時間序列數據輸入至一第一預測模型，以透過該第一預測模型執行下述步驟：自該時間序列數據獲得一時間序列特徵；以及將該時間序列特徵輸入至該第一預測模型所包括的一第一全連接層，而由該第一全連接層輸出一第一正切分數來作為一第一正負情緒指標；透過該伺服器將該用戶帳號對應的一歷史資料輸入至一第二預測模型，以透過該第二預測模型執行下述步驟：自該歷史資料獲得一非時間序列特徵；以及將該非時間序列特徵輸入至該第二預測模型所包括的一第二全連接層，而由該第二全連接層輸出多個身心疾病機率；透過該伺服器將自該第二預測模型獲得的該非時間序列特徵輸入至該第一預測模型，以透過該第一預測模型執行下述步驟：將該時間序列特徵、該第一正切分數以及該非時間序列特徵輸入至該第一預測模型所包括的一整合網路層，而由該整合 網路層輸出一第二正切分數來作為一第二正負情緒指標；以及透過該伺服器將該第一正負情緒指標、該第二正負情緒指標以及該些身心疾病機率傳送至該第二電子裝置。
  2. 如請求項1所述的遠端通訊的方法，其中該時間序列數據包括一影音數據以及一文字數據，該第一預測模型更包括一多維卷積網路、一時間序列模型以及一序連層，在透過該伺服器將該時間序列數據輸入至該第一預測模型之後，透過該第一預測模型執行下述步驟，包括：透過該多維卷積網路自該影音數據擷取一影音特徵；透過該時間序列模型自該文字數據擷取一文字特徵；以及在該序連層中，拼接該影音特徵與該文字特徵，並將拼接後的一拼接特徵作為該時間序列特徵而輸入至該全連接層，而獲得該第一正切分數。
  3. 如請求項2所述的遠端通訊的方法，其中該影音數據包括一視訊訊號以及一音訊訊號至少其中一個，該文字數據是經由該會議通訊介面基於所接收的操作指令而產生。
  4. 如請求項1所述的遠端通訊的方法，其中該第二預測模型更包括一神經網路模型以及一序連層，在透過該伺服器將該用戶帳號對應的該歷史資料輸入至該第二預測模型之後，透過該第二預測模型執行下述步驟，包括：透過該神經網路模型自該歷史資料擷取該非時間序列特徵； 在該序連層中，拼接所擷取的所有非時間序列特徵；以及將拼接後的該非時間序列輸入至該第二全連接層，而獲得該些身心疾病機率。
  5. 如請求項1所述的遠端通訊的方法，其中在進行該線上會議的期間，透過該伺服器收集該會議通訊介面所產生的該時間序列數據包括：透過該伺服器每隔一段指定時間收集該會議通訊介面所產生的該時間序列數據。
  6. 如請求項1所述的遠端通訊的方法，其中該歷史資料包括該用戶帳號對應的病史、病徵、性別以及年齡。
  7. 如請求項1所述的遠端通訊的方法，其中在透過該伺服器將該第一正負情緒指標、該第二正負情緒指標以及該些身心疾病機率傳送至該第二電子裝置之後，更包括：透過該第二電子裝置傳送一指令至該伺服器，使得該伺服器基於該指令變更該第一電子裝置的該會議通訊介面中的一呈現畫面。
  8. 如請求項1所述的遠端通訊的方法，其中在透過該伺服器將該第一正負情緒指標、該第二正負情緒指標以及該些身心疾病機率傳送至該第二電子裝置之後，更包括：透過該第二電子裝置傳送一指令至該伺服器，使得該伺服器基於該指令變更該第一電子裝置的該會議通訊介面所輸出的一音訊訊號。
  9. 一種遠端通訊系統，包括：一第一電子裝置；一第二電子裝置；以及一伺服器，其中該第一電子裝置、該第二電子裝置與該伺服器通過網路進行連線，該第一電子裝置透過一會議通訊介面利用一用戶帳號來登入該伺服器，使得該第一電子裝置通過該伺服器與該第二電子裝置進行一線上會議；在進行該線上會議的期間，該伺服器收集該會議通訊介面所產生的一時間序列數據；該伺服器將該時間序列數據輸入至一第一預測模型，以透過該第一預測模型執行下述步驟：自該時間序列數據獲得一時間序列特徵；以及將該時間序列特徵輸入至該第一預測模型所包括的一第一全連接層，而由該第一全連接層輸出一第一正切分數來作為一第一正負情緒指標；該伺服器將該用戶帳號對應的一歷史資料輸入至一第二預測模型，以透過該第二預測模型執行下述步驟：自該歷史資料獲得一非時間序列特徵；以及將該非時間序列特徵輸入至該第二預測模型所包括的一第二全連接層，而由該第二全連接層輸出多個身心疾病機率； 該伺服器將自該第二預測模型獲得的一非時間序列特徵輸入至該第一預測模型，以透過該第二預測模型執行下述步驟：將該時間序列特徵、該第一正切分數以及該非時間序列特徵輸入至該第一預測模型所包括的一整合網路層，而由該整合網路層輸出一第二正切分數來作為一第二正負情緒指標；該伺服器將該第一正負情緒指標、該第二正負情緒指標以及該些身心疾病機率傳送至該第二電子裝置。
TW110140826A 2021-11-02 2021-11-02 遠端通訊的方法及系統 TWI779916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110140826A TWI779916B (zh) 2021-11-02 2021-11-02 遠端通訊的方法及系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110140826A TWI779916B (zh) 2021-11-02 2021-11-02 遠端通訊的方法及系統

Publications (2)

Publication Number Publication Date
TWI779916B true TWI779916B (zh) 2022-10-01
TW202319940A TW202319940A (zh) 2023-05-16

Family

ID=85475839

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110140826A TWI779916B (zh) 2021-11-02 2021-11-02 遠端通訊的方法及系統

Country Status (1)

Country Link
TW (1) TWI779916B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200941232A (en) * 2007-12-05 2009-10-01 Onlive Inc Video compression system and method for reducing the effects of packet loss over a communication channel
TWI557679B (zh) * 2008-02-27 2016-11-11 積極健康管理公司 用以產生即時保健警訊的系統與方法
TWI615798B (zh) * 2013-12-17 2018-02-21 動聯國際股份有限公司 基於物聯網的健康照護系統
TW201921376A (zh) * 2017-09-15 2019-06-01 美商病患如我股份有限公司 用以收集並分析綜合醫療資訊之系統及方法
TWI671739B (zh) * 2017-07-10 2019-09-11 香港商阿里巴巴集團服務有限公司 會話資訊處理方法、裝置、電子設備
TW201936114A (zh) * 2018-02-27 2019-09-16 美商蝴蝶網路公司 用於遠距醫療的方法和設備

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200941232A (en) * 2007-12-05 2009-10-01 Onlive Inc Video compression system and method for reducing the effects of packet loss over a communication channel
TWI557679B (zh) * 2008-02-27 2016-11-11 積極健康管理公司 用以產生即時保健警訊的系統與方法
TWI615798B (zh) * 2013-12-17 2018-02-21 動聯國際股份有限公司 基於物聯網的健康照護系統
TWI671739B (zh) * 2017-07-10 2019-09-11 香港商阿里巴巴集團服務有限公司 會話資訊處理方法、裝置、電子設備
TW201921376A (zh) * 2017-09-15 2019-06-01 美商病患如我股份有限公司 用以收集並分析綜合醫療資訊之系統及方法
TW201936114A (zh) * 2018-02-27 2019-09-16 美商蝴蝶網路公司 用於遠距醫療的方法和設備

Also Published As

Publication number Publication date
TW202319940A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
US11120895B2 (en) Systems and methods for mental health assessment
US11942194B2 (en) Systems and methods for mental health assessment
Luo et al. A critical review of state‐of‐the‐art chatbot designs and applications
US20140122109A1 (en) Clinical diagnosis objects interaction
US20140278506A1 (en) Automatically evaluating and providing feedback on verbal communications from a healthcare provider
CN111933291A (zh) 医疗信息推荐装置、方法、系统、设备及可读存储介质
US20200152304A1 (en) Systems And Methods For Intelligent Voice-Based Journaling And Therapies
CA3090263C (en) Intelligent insight system and method for facilitating participant involvement
CN114187988A (zh) 数据处理的方法及装置、系统、存储介质
WO2022174161A1 (en) Systems and methods for psychotherapy using artificial intelligence
Griol et al. Modeling the user state for context-aware spoken interaction in ambient assisted living
CN113035232A (zh) 一种基于语音识别的心理状态预测系统、方法及装置
TWI779916B (zh) 遠端通訊的方法及系統
KR102513645B1 (ko) 기계학습모델을 이용하여 우울증예비진단정보를 제공하는 방법, 시스템 및 컴퓨터-판독가능 매체
Ferrari et al. Using voice and biofeedback to predict user engagement during product feedback interviews
Chappidi Suneetha A Survey Of Machine Learning Techniques On Speech Based Emotion Recognition And Post Traumatic Stress Disorder Detection
Alepis et al. Multimodal object oriented user interfaces in mobile affective interaction
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
Clemente An AI based privacy oriented approach to administer Psychological Projective Test
KR102719216B1 (ko) 인공지능 챗봇을 이용한 우울증 진단 시스템 및 그 방법
Mallios Virtual doctor: an intelligent human-computer dialogue system for quick response to people in need
JP7488225B2 (ja) 指導支援装置、指導支援システム、及びプログラム
CN118173287B (zh) 一种医疗视频在线诊疗方法及系统
Monroy Rodríguez et al. Wearable and Pervasive Architecture for Digital Companions in Chronic Disease Care
Maheshwari et al. Voice Over Phonetic Medical Prescriptions for Diagnosing Diseases Using Random Forest Classifier

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent