申请/专利权人：深圳市龙岗区第三人民医院

申请日：2023-12-20

公开（公告）日：2024-02-23

公开（公告）号：CN117438048B

主分类号：G16H20/70

分类号：G16H20/70;G16H20/10;G16H50/20;G16H50/30;G06N3/0464;A61B5/16;A61B5/021;A61B5/316

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种精神科患者用心理障碍测评方法及系统，涉及心理障碍测评技术领域，该方法通过S1~S4，建立心理障碍检测模型，结合生理数据、全程视频和虚拟现实技术，依据多元采集数据，计算获得基础评分系数Jcx1、异常生理系数Jcx2、互动积极系数Jcx3和互动情景系数Jcx4，尤其，利用实时数据采集和虚拟环境的创造，该方法能够捕捉患者在不同情境下的变化。引入虚拟现实技术，模拟社交场景、公共场所和家庭环境，使得患者在评估中更真实地展现日常生活中的行为和情绪反应，提高了评估的真实情境还原度。通过分析综合评估系数Zh，结合不同症状阈值，生成个性化的疏导方案，为不同患者提供定制化的治疗建议，提高了治疗的个体化水平。

主权项：1.一种精神科患者用心理障碍测评方法，其特征在于，包括以下步骤：S1、建立心理障碍检测模型，所述心理障碍检测模型是通过预先采集的若干个心理障碍特征样本经卷积神经网络训练生成；S2、通过精神科专家使用专业心理障碍诊断表，对若干个目标患者进行诊断，并获得诊断结果数据，建立第一量化数据集；并将智能手环与目标患者进行配置，并采集目标患者的生理数据，建立第二目标数据库；在目标患者在心理医生互动诊断的过程中，采用摄像设备录制目标患者全程视频，建立第三目标数据库；使用虚拟现实技术，创造各种虚拟环境，包括社交场景、公共场所和家庭环境；使得目标患者戴上VR头显后，模拟环境中与虚拟人物互动情景，采集虚拟情景行为数据，建立第四目标数据库；S3、将第一量化数据集、第二目标数据库、第三目标数据库和第四目标数据库进行分析，提取心理障碍特征，并输入至心理障碍检测模型，获取得到基础评分系数Jcx1、异常生理系数Jcx2、互动积极系数Jcx3和互动情景系数Jcx4；通过心理障碍检测模型对第一量化数据集进行分析获得基础评分系数Jcx1；从第一量化数据集提取多个心理障碍特征，并以X1、X2、X3、...、Xn进行标记；并通过以下公式计算获取基础评分系数Jcx1： ；式中，X1、X2、X3、...、Xn表示来自第一量化数据集的心理障碍特征，f1表示基于心理障碍检测模型训练得到的分析函数；并对第二目标数据库进行分析获得异常生理系数Jcx2；从第二目标数据库提取血压异常信息次数Y1、包括高血压和低血压的次数；心率异常次数Y2、每日入睡时间异常次数Y3和皮肤电反应的汗腺增加活动次数Y4，无量纲处理后，通过以下公式计算获得异常生理系数Jcx2： ；式中，血压异常信息次数Y1为记录中血压高于和低于预设血压阈值范围的次数；心率异常次数Y2为记录中心率高于或低于预设心率阈值范围的次数；每日入睡时间异常次数Y3为记录入睡时间低于预设睡眠时间范围内的次数；皮肤电反应的汗腺增加活动次数Y4为通过皮肤点放映统计反应皮肤汗腺增加活动次数；其中，，，且，、和为权重，为第一常数修正系数；并对第三目标数据库进行处理、分析、量化计算后获得互动积极系数Jcx3；对第三目标数据库中目标患者全程视频，并将目标患者全程视频按时间轴划分成若干个片段，对每个片段进行动态分割；提取每个片段视频中言语、动作、面部表情变化来触发分割，并使用面部表情分析技术，包括基于深度学习的表情识别模型，提取面部情绪特征，并统计面部情绪特征次数，包括：愤怒b1：面部肌肉收缩，眉毛拢在一起，嘴角向下；厌恶b2：鼻子皱动，嘴角向下；害怕b3：眉毛上扬，眼睛睁大；快乐b4：嘴巴微笑，眼睛眯成一条线；悲伤b5：眉毛下垂，嘴角下垂；惊讶b6：眉毛上扬，眼睛睁大；轻蔑b7：一侧嘴角上扬；疲倦b8：眼袋明显，眼睛无神，伴有打哈欠情况；专注b9：眉毛稍微拢在一起，嘴巴紧闭；通过对愤怒b1、厌恶b2、害怕b3、快乐b4、悲伤b5、惊讶b6、轻蔑b7、疲倦b8和专注b9进行次数量化后，计算获得情感积极度JJD，所述情感积极度JJD通过以下公式计算获得：；a、c、d、e、f、g、h、i和j表示愤怒b1、厌恶b2、害怕b3、快乐b4、悲伤b5、惊讶b6、轻蔑b7、疲倦b8和专注b9的表情次数的比例系数，且a、c、d、e、f、g、h、i和j均大于0，且a+c+d+e+f+g+h+i+j=1.0，为第二常数修正系数；提取每个片段视频中动作特征，并使用姿势估计算法分析技术，包括基于深度学习的姿势识别模型，提取姿势特征，并统计姿势特征次数，包括：站姿P1：挺直的站立姿势，双脚平行和双肩放松；坐姿P2：直立的坐姿，背部挺直，双腿交叉或平放；手势P3：包括手放在口袋里、交叉在胸前或双手自然搭在桌上；手臂交叉P4：手臂交叉于胸前，伴随微笑表情；专注姿势P5：身体稍微前倾，目光集中，手放在桌上；依据姿势特征次数，计算获得自信度ZXD，所述自信度ZXD通过以下公式生成： ；k、m、n、o和q表示站姿P1、坐姿P2、手势P3、手臂交叉P4和专注姿势P5姿势特征次数的比例系数，且k、m、n、o和q均大于0，且k+m+n+o+q=1.0，为第三常数修正系数；提取每个片段视频中语音对话特征，并使用语出处理技术，包括基于深度学习的语音识别模型，提取语速、语调和互动频率特征，并计算语言表达能力系数YYX，所述语言表达能力系数YYX通过以下公式计算获得； ；式中，HDPL表示为目标患者和心理医生视频中互动的频率，BZ表示标准互动频率，YDPF表示为语调的评分值，YSPF表示为平均语速值；并将目标患者的情感积极度JJD、自信度ZXD和语音表达能力系数YYX通过曲线拟合，包括指数、对数、幂函数的方法拟合生成第三互动积极系数Jcx3；并对第四目标数据库进行处理、分析、量化计算后获得互动情景系数Jcx4；虚拟现实VR技术虚拟环境中，采集目标患者与虚拟人物的实际交流次数JLcs，并通过以下公式生成互动情景系数Jcx4： ；式中，BZVR表示虚拟现实VR技术虚拟环境预设交流标准次数；公式的含义为，评估目标患者在与虚拟任务互动时的表现；如果互动情景系数Jcx4的值趋近于100%，表示目标患者的实际交流次数与预设标准相符；S4、建立测评评估模型，将基础评分系数Jcx1、异常生理系数Jcx2、互动积极系数Jcx3和互动情景系数Jcx4进行相关联，获取得到综合评估系数Zh，并将综合评估系数Zh输入至测评评估模型中，与典型症状阈值ZZ进行对比，获得症状测评结果；并依据症状测评结果生成相对应的疏导方案；所述综合评估系数Zh通过以下公式生成： ；式中，w1、w2、w3和w4分别是基础评分系数Jcx1、异常生理系数Jcx2、互动积极系数Jcx3和互动情景系数Jcx4的比例系数，且0.25≤w1≤0.65，0.15≤w2≤0.55，0.25≤w3≤0.55，0.15≤w4≤0.66，且，；在测评评估模型中，设定典型症状阈值ZZ；通过将目标患者的综合评估系数Zh与典型症状阈值ZZ进行对比，当综合评估系数Zh大于等于典型症状的阈值时，获取症状测评结果，测评结果为疑似不正常结果；当综合评估系数Zh小于典型症状的阈值时，表示正常；并将症状测评结果中综合评估系数Zh分别与忧郁症阈值、注意力缺陷阈值、焦虑症阈值进行对比；若综合评估系数Zh在忧郁症阈值范围内，则生成第一疏导方案，包括：进行忧郁症药物治疗和心理同步治疗，并建立社会支持系统配合目标患者，社会支持系统包括家人、朋友、同学或社区支持群体；若综合评估系数Zh在注意力缺陷范围内，则生成第二疏导方案，包括：提供认知行为疗法，帮助目标患者改变负面的思维模式；并通过专注力行为干预方法，计划日程安排和奖励，设定目标进行进一步疏导；若综合评估系数Zh在焦虑症阈值范围内，则生成第三疏导方案，包括：教授患者使用深呼吸和渐进性肌肉松弛放松技巧；配合药物治疗和行为暴露疏导方案。

全文数据：

权利要求：

百度查询： 深圳市龙岗区第三人民医院 一种精神科患者用心理障碍测评方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD