申请/专利权人：河南大学

申请日：2024-01-24

公开（公告）日：2024-04-26

公开（公告）号：CN117936094A

主分类号：G16H50/30

分类号：G16H50/30;G16H50/70;G06V10/80;G06V10/82;G06N3/0464;G06N3/044;G06N3/045;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开一种基于多模态情感的抑郁症早期智能预测方法和系统，该方法包括：采集正常人和抑郁症患者的抑郁筛查量表、人脸图像和心电图数据，构建多模态情感抑郁症数据集；在多模态情感抑郁症数据集和医学大数据上，采用抑郁筛查量表、人脸图像和心电图分别训练随机森林、卷积神经网络和循环神经网络；结合上述三个单模态抑郁症预测模型构建多模态抑郁症早期预测模型，基于单模态抑郁症预测结果和医疗知识图谱进行抑郁症的决策融合，实现多模态抑郁症早期预测模型的训练；采集用户的多模态情感数据，基于多模态抑郁症早期预测模型实现抑郁症的在线预测。本发明采用多模态情感数据可实现早期抑郁症的有效预测。

主权项：1.一种基于多模态情感的抑郁症早期智能预测方法，其特征在于，包括：步骤1：采集正常人和抑郁症患者的抑郁筛查量表、人脸图像和心电图数据，构建多模态情感抑郁症数据集；步骤2：在多模态情感抑郁症数据集和医学大数据上，训练抑郁筛查的随机森林、人脸图像的卷积神经网络和心电图的循环神经网络模型；步骤3：基于上述三个单模态抑郁症预测模型构建多模态抑郁症早期预测模型，基于单模态抑郁症预测模型的预测结果和医疗知识图谱进行抑郁症的决策融合，以此来训练多模态抑郁症早期预测模型；步骤4：采集用户的多模态情感数据，基于多模态抑郁症早期预测模型和上述融合策略，在线进行抑郁症预测。

全文数据：

权利要求：

百度查询： 河南大学 基于多模态情感的抑郁症早期智能预测方法和系统

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