一种基于手机使用数据预测抑郁严重程度的方法及系统技术方案

本发明专利技术公开了一种基于手机使用数据预测抑郁严重程度的方法及系统，采集手机机主的每日手机使用数据资料；采集手机机主每日作答抑郁情绪问卷所得到的抑郁程度标签；提取并计算手机使用特征数据作为模型输入，以对应的每日抑郁程度标签作为模型输出，采用线性回归模型构建抑郁程度预测模型；采用构建好的预测模型，采集手机机主每日手机使用新特征数据作为模型输入，得到手机机主的抑郁程度标签。本发明专利技术提供系统，数据采集模块采集手机使用的基础数据资料，结合机主当日利用量表测试所得的抑郁程度标签，采用线性回归模型构建评价每日抑郁程度的预测模型，根据用户当天行为表现即可获得机主自身抑郁风险的预测，无需佩戴额外采集设备，操作简单。操作简单。操作简单。

【技术实现步骤摘要】
一种基于手机使用数据预测抑郁严重程度的方法及系统


[0001]本专利技术涉及抑郁风险评估
，具体涉及一种基于手机使用数据预测抑郁严重程度的方法及系统。

技术介绍

[0002]抑郁障碍是现在最常见的一种心理疾病，以长期持续的心情低落和对事物丧失兴趣或愉悦感为主要的临床特征，其他临床特征包括体重明显减轻或增加、失眠或睡眠过多、长期疲劳。因此，尽早地识别心理健康问题的早期症状，预测抑郁产生的风险，及时地进行干预，是治疗抑郁障碍的重要前提。
[0003]目前临床上对抑郁风险的主要评估方法包括自评和他评量表，如贝克抑郁量表(Beck Depression Inventory，BDI)，汉密顿抑郁量表(Hamilton Depression Scale，HAMD)等，以及由受过训练的专业心理医生进行访谈。这些方法是临床上评估抑郁风险，做出诊断结论的金标准，但由于每次评估耗时较长，需要专业人员的参与，并且评估内容具有时效性，每次评估之间需有一定的时间间隔等原因，难以被应用于对抑郁风险进行长期、日常的追踪。
[0004]近年来，以互动网站和智能手机App为媒介的数字疗法逐渐兴起，一定程度上弥补了传统心理治疗方法在地理位置、时间、和治疗资源等方面的局限性。然而，这些数字疗法依然存在一些缺点，比如缺乏个性化的干预措施推送机制和对患者抑郁严重程度变化情况的实时追踪。抑郁症最为突出的行为特征包括睡眠问题、对事物丧失兴趣、社交活动减少、外出活动减少等，考虑到如今智能手机在社会上的普及程度，使用手机内置的各种传感器来追踪用户平时的社交活动、外出活动等行为数据，可以有效推算抑郁相关行为表现的变化，反映用户每天的抑郁风险程度。

技术实现思路

[0005]为了解决上述问题，本专利技术提供了一种基于手机使用数据预测抑郁严重程度的方法及系统，可以借助手机使用数据建立的评估模型及时准确地评估手机使用者自身抑郁风险状态，成本低，可以做到实时地抑郁风险评估，受众范围广。
[0006]所采用的技术方案如下：
[0007]一方面，本专利技术提供了一种基于手机使用数据预测抑郁严重程度的方法，采集手机机主的每日手机使用数据资料；采集手机机主每日作答抑郁情绪问卷所得到的抑郁程度标签；提取并计算手机使用特征数据作为模型输入，以对应的每日抑郁程度标签作为模型输出，采用线性回归模型构建抑郁程度预测模型；采用构建好的预测模型，采集手机机主每日手机使用新特征数据作为模型输入，得到手机机主的抑郁程度标签。
[0008]进一步地，所述方法还包括：提取每日手机使用特征数据以及通过构建好的预测模型所得到的抑郁程度标签，对已构建的预测模型进行迭代，形成新的用于预测抑郁程度的预测模型。
[0009]进一步地，采集手机机主的每日手机使用数据资料包括：手机解锁次数/使用时长、电话/视频次数及时长、收发信息次数、WIFI信息和APP使用时长。
[0010]进一步地，提取并计算手机使用特征数据得到手机机主的社交活动数据、手机使用数据、日常活动数据和睡眠状况特征数据，并作为预测模型构建的输入特征。
[0011]优选地，提取并计算手机机主的社交活动数据包括：通话呼出/接听总次数、通话呼出/接听总时长、发出/接收信息总次数、非工作时段通话呼出/接听总次数、非工作时段发出/接收信息总数、通话接听总次数、通话接听总时长、未接听的通话数量、社交类APP使用总时长和社交类APP使用个数。
[0012]优选地，提取并计算手机机主的手机使用数据包括：手机解屏次数、手机使用总时长、APP使用个数、0:00
‑
5:00的深夜手机使用时长以及0:00
‑
5:00的深夜APP使用个数。
[0013]优选地，提取并计算手机机主的日常活动数据包括：根据当天连接居住地WIFI总时长推断停留在居住地点的时间长度、根据当天连接不同WIFI数量推断造访地点个数以及根据当天未连接到居住地WIFI总时长推断离开居住地点的时间长度。
[0014]优选地，提取并计算手机机主的睡眠状况特征数据包括：睡眠时长数据和睡眠质量主观评价数据；其中的睡眠时长数据为统计当天24时或隔天凌晨5点前最后一次熄屏时间点到隔天5点后第一次解锁时间点所形成的时长；所述睡眠质量主观评价数据为统计当天5点后且在第一次解锁时间后推送给机主问卷，并对前一晚睡眠质量进行主观评分的数据。
[0015]另一方面，本专利技术还提供了一种基于手机使用数据预测抑郁严重程度的系统，所述系统包括：
[0016]手机数据采集模块，用于采集手机机主的每日手机使用数据资料；
[0017]抑郁程度标签模块，其根据手机中存储的抑郁情绪问卷测试手机机主的抑郁程度，得到每日抑郁程度标签；
[0018]统计计算模块，用于对所述手机数据采集模块采集到的每日手机使用数据资料进行统计与计算，提取每日手机使用特征数据；
[0019]数据库，用于存储每日抑郁程度标签及每日手机使用特征数据；
[0020]预测模型构建模块，采用线性回归模型，提取所述数据库中的每日手机使用特征数据作为模型输入，以对应的每日抑郁程度标签作为模型输出，构建预测每日抑郁程度的预测模型；
[0021]提取数据库中的每日手机使用特征新数据，输入构建好的预测模型中，得到手机机主的抑郁程度标签，并存储到所述数据库中。
[0022]进一步地，所述统计计算模块中包括：
[0023]社交活动计算模块，用于统计和计算通话呼出/接听总次数、通话呼出/接听总时长、发出/接收信息总次数、非工作时段通话呼出/接听总次数、非工作时段发出/接收信息总数、通话接听总次数、通话接听总时长、未接听的通话数量、社交类APP使用总时长和社交类APP使用个数；
[0024]手机使用计算模块，用于统计和计算手机解屏次数、手机使用总时长、APP使用个数、0:00
‑
5:00的深夜手机使用时长以及0:00
‑
5:00的深夜APP使用个数；
[0025]日常活动统计模块，用于根据当天连接居住地WIFI总时长推断停留在居住地点的
时间长度、根据当天连接不同WIFI数量推断造访地点个数以及根据当天未连接到居住地WIFI总时长推断离开居住地点的时间长度；
[0026]睡眠状况统计模块，用于统计睡眠时长数据和睡眠质量主观评价数据。
[0027]本专利技术技术方案具有如下优点：
[0028]A.本专利技术提供了一种自动化、低成本的对抑郁风险进行长期持续监测的方法，通过手机中设置的数据采集模块，得到机主的手机使用基础数据资料，通过提取并进行相关特征数据的统计与计算，再结合用户量表测试所得抑郁程度标签，进而通过线性回归模型构建得到用于评价机主每日抑郁程度的预测模型，通过输入用户当天行为表现数据，即可获得当日自身抑郁风险预测，并呈现在手机显示屏上，无需佩戴额外的采集设备，操作简单，成本低，可实现随时随地对当日情绪表现进行预测。
[0029]B.本专利技术采用手机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于手机使用数据预测抑郁严重程度的方法，其特征在于，采集手机机主的每日手机使用数据资料；采集手机机主每日作答抑郁情绪问卷所得到的抑郁程度标签；提取并计算手机使用特征数据作为模型输入，以对应的每日抑郁程度标签作为模型输出，采用线性回归模型构建抑郁程度预测模型；采用构建好的预测模型，采集手机机主每日手机使用新特征数据作为模型输入，得到手机机主的抑郁程度标签。2.根据权利要求1所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，所述方法还包括：提取每日手机使用特征数据以及通过构建好的预测模型所得到的抑郁程度标签，对已构建的预测模型进行迭代，形成新的用于预测抑郁程度的预测模型。3.根据权利要求2所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，采集手机机主的每日手机使用数据资料包括：手机解锁次数/使用时长、电话/视频次数及时长、收发信息次数、WIFI信息和APP使用时长。4.根据权利要求3所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，提取并计算手机使用特征数据得到手机机主的社交活动数据、手机使用数据、日常活动数据和睡眠状况特征数据，并作为预测模型构建的输入特征。5.根据权利要求4所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，提取并计算手机机主的社交活动数据包括：通话呼出/接听总次数、通话呼出/接听总时长、发出/接收信息总次数、非工作时段通话呼出/接听总次数、非工作时段发出/接收信息总数、通话接听总次数、通话接听总时长、未接听的通话数量、社交类APP使用总时长和社交类APP使用个数。6.根据权利要求4所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，提取并计算手机机主的手机使用数据包括：手机解屏次数、手机使用总时长、APP使用个数、0:00
‑
5:00的深夜手机使用时长以及0:00
‑
5:00的深夜APP使用个数。7.根据权利要求4所述的基于手机使用数据预测抑郁严重程度的方法，其特征在于，提取并计算手机机主的日常活动数据包括：根据当天连接居住地WIFI总时长推断停留在居住地点的时间长度、根据当天连接不同WIFI数量推断造访地点个数以及根据当天未连接到居住地WIFI总时...

【专利技术属性】
技术研发人员：王澜，赵国朕，
申请(专利权)人：北京中科心研科技有限公司，
类型：发明
国别省市：