基于量化描述向量的心理状态区分方法、设备及介质技术

本申请公开了一种基于量化描述向量的心理状态区分方法、设备及介质，方法包括：向用户展示预先采集的负面图像数据；采集用户在观看负面图像数据时的多维度生理指标；确定预先根据负面图像数据生成多维量化描述向量，并确定根据多维量化描述向量得到负面图像数据的分类以及在分类下的等级；根据用户在观测不同分类和等级的负面图像数据时，采集到的多维度生理指标，以及预设的判别规则，生成判断结果，以便对用户的心理状态的类别进行区分。将各负面图像数据向用户展示之前，预先将其进行量化为多维量化描述向量，以此能够保证对各图像数据中的有效维度进行准确提取和聚类，从而能够对数据进行更合理的规则制定，以实现对用户心理状态的准确分类。状态的准确分类。状态的准确分类。

【技术实现步骤摘要】
基于量化描述向量的心理状态区分方法、设备及介质


[0001]本申请涉及数据识别数据表示领域，具体涉及一种基于量化描述向量的心理状态区分方法、设备及介质。

技术介绍

[0002]随着人们生活质量的提高，除了身体上的状态外，人们也更加关注心理状态，严重的心理状态甚至可能会导致抑郁障碍（也称作抑郁症）。而心理状态也往往分为多种类型，比如，健康状态、亚健康状态、抑郁障碍，而更细致的，抑郁障碍还分为非由焦虑障碍引发的抑郁障碍、焦虑障碍共病抑郁障碍等。
[0003]传统的区分方式中，通常是由精神科临床医生进行区分，该区分过程基本依赖于医生的主观判断，容易导致最终的区分结果出现异常。

技术实现思路

[0004]为了解决上述问题，本申请提出了一种基于量化描述向量的心理状态区分方法，包括：向用户展示预先采集的负面图像数据，所述负面图像数据中包含有预先定义的负面因素，能够对至少部分人群的情绪产生负面影响，所述负面影响通过所述至少部分人群在观测所述负面图像数据时的核磁共振成像数据、脑电波数据的变化确定；采集所述用户在观看所述负面图像数据时的多维度生理指标；确定预先根据所述负面图像数据生成多维量化描述向量，并确定根据所述多维量化描述向量得到所述负面图像数据的分类以及在所述分类下的等级；根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，以便于对所述用户的心理状态的类别进行区分，所述心理状态的类别至少包括：焦虑障碍共病抑郁障碍、非焦虑诱发的抑郁障碍。
[0005]在一个示例中，根据所述负面图像数据生成多维量化描述向量，具体包括：针对每个负面图像数据，通过多人评价的方式，获取多人根据预先设置多个问题对该负面图像数据的回答数据，并根据所述回答数据形成一组多维量化描述向量{LT，VS，CT}，其中，LT向量为二分变量，表示对损失和威胁的二分类判断；VS向量为连续变量，表示效价指数，并设置有最高分和最低分；CT向量为自然语言词汇组成的句子内容向量，对所述负面图像数据的内容描述。
[0006]在一个示例中，根据所述多维量化描述向量得到所述负面图像数据的分类以及在所述分类下的等级，具体包括：针对CT向量，通过自然语言处理进行分析，得到该负面图像数据对应的描述主题词，所述描述主题词用于表示该负面图像数据对应的类别；针对VS向量，对多个用户预先对该负面图像数据的评分求平均项；以所述平均项作为基础，针对属于同一个所述描述主题词的负面图像数据进行聚
类分析，并在聚类分析过程中，使得簇内距离小于簇间距离，并得到使所述簇内距离最小化且所述簇间距离最大化的情况下的最优化类簇数量，所述最优化类簇数量用于表示该类负面图像数据的等级。
[0007]在一个示例中，所述预先设置多个问题包括：所述负面图像数据是已经出现了损失还是将会出现危险、所述负面图像数据中的场景让你感到不适的等级、对所述负面图像数据的主要内容使用一段话进行归纳。
[0008]在一个示例中，所述多维度生理指标包括：眼动追踪数据、面部表情信息、心率数据、心率变异性数据中的至少多个维度；所述分类包括：遭受损失、遭受污蔑、危险场景、社会分离中的至少一种，其中，所述遭受损失、所述遭受污蔑、所述社会分离分别包含多个等级，所述危险场景不区分等级。
[0009]在一个示例中，根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，具体包括：若所述用户在观测到分类为所述遭受损失、等级为最高等级的负面图像数据，且在观测到分类为所述社会分离的负面图像数据时，所述用户的多维度生理指标均符合预设标准，则判断所述用户的心理状态属于所述非焦虑诱发的抑郁障碍；和/或若所述用户在观测到分类为所述遭受污蔑时，所述用户的多维生理指标均符合所述预设标准，则判断所述用户的心理状态属于所述非焦虑诱发的抑郁障碍；和/或若所述用户在观测到分类为所述遭受损失的负面图像数据，且在观测到分类为所述遭受污蔑的负面图像数据时，所述用户的多维度生理指标均符合所述预设标准，则判断所述用户的心理状态属于所述焦虑障碍共病抑郁障碍；和/或若所述用户在观测到分类为所述危险场景的负面图像数据时，所述用户的多维度生理指标均符合所述预设标准，则判断所述用户的心理状态属于所述焦虑障碍共病抑郁障碍。
[0010]在一个示例中，所述眼动追踪数据包括扫视模式、注意转移时长；所述预设标准包括：所述扫视模式为精细加工扫视、所述注意转移时长高于预设时长、所述面部表情信息为消极、所述心率增高、所述心率变异性降低。
[0011]在一个示例中，所述负面图像数据包括图像数据、视频数据；所述负面因素包括自然因素、人文社会因素，所述自然因素包括：阴雨天气、暴雨天气、洪灾天气中的至少一种；所述认为社会因素包括：丢失东西在寻找、离婚、车祸、死亡、攻击中的至少一种。
[0012]另一方面，本申请还提出了一种基于量化描述向量的心理状态区分设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如：向用户展示预先采集的负面图像数据，所述负面图像数据中包含有预先定义的负面因素，能够对至少部分人群的情绪产生负面影响，所述负面影响通过所述至少部分人群在观测所述负面图像数据时的核磁共振成像数据、脑电波数据的变化确定；采集所述用户在观看所述负面图像数据时的多维度生理指标；确定预先根据所述负面图像数据生成多维量化描述向量，并确定根据所述多维量
化描述向量得到所述负面图像数据的分类以及在所述分类下的等级；根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，以便于对所述用户的心理状态的类别进行区分，所述心理状态的类别至少包括：焦虑障碍共病抑郁障碍、非焦虑诱发的抑郁障碍。
[0013]另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：向用户展示预先采集的负面图像数据，所述负面图像数据中包含有预先定义的负面因素，能够对至少部分人群的情绪产生负面影响，所述负面影响通过所述至少部分人群在观测所述负面图像数据时的核磁共振成像数据、脑电波数据的变化确定；采集所述用户在观看所述负面图像数据时的多维度生理指标；确定预先根据所述负面图像数据生成多维量化描述向量，并确定根据所述多维量化描述向量得到所述负面图像数据的分类以及在所述分类下的等级；根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，以便于对所述用户的心理状态的类别进行区分，所述心理状态的类别至少包括：焦虑障碍共病抑郁障碍、非焦虑诱发的抑郁障碍。
[0014]通过本申请提出基于量化描述向量的心理状态区分方法能够带来如下有益效果：将各负面图像数据向用户展示之前，预先将其进行量化为多维量化描述向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量化描述向量的心理状态区分方法，其特征在于，包括：向用户展示预先采集的负面图像数据，所述负面图像数据中包含有预先定义的负面因素，能够对至少部分人群的情绪产生负面影响，所述负面影响通过所述至少部分人群在观测所述负面图像数据时的核磁共振成像数据、脑电波数据的变化确定；采集所述用户在观看所述负面图像数据时的多维度生理指标；确定预先根据所述负面图像数据生成多维量化描述向量，并确定根据所述多维量化描述向量得到所述负面图像数据的分类以及在所述分类下的等级；根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，以便于对所述用户的心理状态的类别进行区分，所述心理状态的类别至少包括：焦虑障碍共病抑郁障碍、非焦虑诱发的抑郁障碍。2.根据权利要求1所述的基于量化描述向量的心理状态区分方法，其特征在于，根据所述负面图像数据生成多维量化描述向量，具体包括：针对每个负面图像数据，通过多人评价的方式，获取多人根据预先设置多个问题对该负面图像数据的回答数据，并根据所述回答数据形成一组多维量化描述向量{LT，VS，CT}，其中，LT向量为二分变量，表示对损失和威胁的二分类判断；VS向量为连续变量，表示效价指数，并设置有最高分和最低分；CT向量为自然语言词汇组成的句子内容向量，对所述负面图像数据的内容描述。3.根据权利要求2所述的基于量化描述向量的心理状态区分方法，其特征在于，根据所述多维量化描述向量得到所述负面图像数据的分类以及在所述分类下的等级，具体包括：针对CT向量，通过自然语言处理进行分析，得到该负面图像数据对应的描述主题词，所述描述主题词用于表示该负面图像数据对应的类别；针对VS向量，对多个用户预先对该负面图像数据的评分求平均项；以所述平均项作为基础，针对属于同一个所述描述主题词的负面图像数据进行聚类分析，并在聚类分析过程中，使得簇内距离小于簇间距离，并得到使所述簇内距离最小化且所述簇间距离最大化的情况下的最优化类簇数量，所述最优化类簇数量用于表示该类负面图像数据的等级。4.根据权利要求2所述的基于量化描述向量的心理状态区分方法，其特征在于，所述预先设置多个问题包括：所述负面图像数据是已经出现了损失还是将会出现危险、所述负面图像数据中的场景让你感到不适的等级、对所述负面图像数据的主要内容使用一段话进行归纳。5.根据权利要求1所述的基于量化描述向量的心理状态区分方法，其特征在于，所述多维度生理指标包括：眼动追踪数据、面部表情信息、心率数据、心率变异性数据中的至少多个维度；所述分类包括：遭受损失、遭受污蔑、危险场景、社会分离中的至少一种，其中，所述遭受损失、所述遭受污蔑、所述社会分离分别包含多个等级，所述危险场景不区分等级。6.根据权利要求5所述的基于量化描述向量的心理状态区分方法，其特征在于，根据所述用户在观测不同分类和等级的负面图像数据时，采集到的所述多维度生理指标，以及预设的判别规则，生成判断结果，具体包括：若所述用户在观测到分类为所述遭受损失、等级为最高等级的负面图像数据，且在观
测到分类为所述社会分离的负面图像数据时，所述用户的多维度生理指标均符合预设标准，则判断所述用户的心理状...

【专利技术属性】
技术研发人员：宋业臻，肖维斌，王荣全，韩伟，黄岩，曲继新，
申请(专利权)人：山东心法科技有限公司，
类型：发明
国别省市：