一种针对硕博群体抑郁水平的预测评估方法及装置制造方法及图纸

本发明专利技术公开了一种针对硕博群体抑郁水平的预测评估方法，其特征在于，包括获取第一学生抑郁状态数据，将第一学生抑郁水平进行划分；基于第一学生抑郁水平划分结果，以及对应的第一学生相关特征信息构建第一学生特征信息；基于随机森林构建训练模型，采用网格搜索交叉验证算法对训练模型进行训练，优化训练模型参数；将测试样本集输入至优化训练模型直至满足模型预测性能分数阈值测试结束。本发明专利技术提供的预测硕博群体心理抑郁水平的预测评估方法能够快速，准确，方便的预测硕博群体的抑郁水平。水平。水平。

【技术实现步骤摘要】
一种针对硕博群体抑郁水平的预测评估方法及装置


[0001]本专利技术属于心理状态评估
，具体涉及一种针对硕博群体抑郁水平的预测评估方法及装置。

技术介绍

[0002]随着我国教育水平和用人单位对候选人技能要求的日益提高，越来越多的学生选择继续向更高一级的硕士或博士学位深造，这势必提高了当前大学生的整体学历水平。尽管硕士或博士毕业生能为社会带来较大的生产力，但不可忽视的是，当前硕士/博士研究生在校从事科研期间的心理抑郁状况也成为学校心理健康中重要的一部分。
[0003]国际期刊《nature》发表的新闻Mental Health Crisis for Grad Students https://www.insidehighered.com/news/2018/03/06/new
‑
study
‑
says
‑
graduate
‑
students
‑
menta l
‑
health
‑
crisis#:～:text＝％E2％80％9COur％20results％20show％20that％20graduate,on％20t he％20part％20of％20institutions；以及文献A lack of evidence for six times more anxiety and depression in US graduate students than in the general population,Meghan Duffy,Carly Thanhouser,Holly Derry,Nature Biotechnology volume 37,pages711
–
712(2019)公开了研究生面对的心理问题是普通大众的数倍。在受访者中，有中度到重度抑郁受访者约占总人数的40％。从权威研究报告和社会现状综合考虑，针对硕博研究生的心理抑郁水平的预测和指导比普通大学生更具针对性和重要性。
[0004]目前对主要针对在校大学生的心理健康问题进行研究，公开号为CN105852886A的中国专利公开了面向大学生的精神压力评估及高危人群干预系统，提出通过多模态脑功能检测装置检测学生的脑电信号和脑电血氧信号，并配合学生的家族精神疾病历史和前期诊断信息，作为预测学生精神疾病的主要因素。但方法中提到的脑电信号和脑电血氧信号等因素，在认知神经科学领域被认为是可能的相关因素而非被确定为直接的关键因素。此外，该方法提出通过学生佩戴专门的信息采集设备来实时采集信息，从设备需求量和学生佩戴情况等方面在大学校园较难实施。同时，该方法在立意上关注的是学生的精神疾病问题，精神疾病本身就是一个较为宽泛的概念。
[0005]公开号为CN109192310A的中国专利公开了一种基于大数据的大学生心理行为异动系统方案设计方法，提出基于学生行为大数据的心理行为异动检测方法。该方法利用学生在校期间或生活中的多源异构信息，通过必要的数据预处理与特征选择算法进行特征选择，借助机器学习、深度学习等算法实现模型预测，通过大数据框架实现部署。方法并没有明确交待能预测哪几种行为异动，以及哪些特征情况出现后学生更容易出现哪种行为异动。该方法忽略了人工先验信息的加入会对去除冗余和特征选择以及模型训练带来帮助。
[0006]基于上述，亟需建立准确，合理，方便的特定针对硕博群体的心理抑郁水平的预测模型。

技术实现思路

[0007]本专利技术提供一种快速，准确，方便的预测硕博群体心理抑郁水平的预测评估方法。
[0008]一种针对硕博群体抑郁水平的预测评估方法，包括：
[0009]S1：获取第一学生抑郁状态数据，对第一学生抑郁状态数据的抑郁水平进行划分，基于划分的结果得到第一学生抑郁水平等级；
[0010]获取第一学生相关数据，所述第一学生相关数据包括学生个人数据，学生导师数据，学生家庭数据，学生重大事件数据，所述第一学生相关数据包括多个特征维度，所述特征维度包括多个特征值，对第一学生相关数据进行处理得到第一学生相关特征信息，基于第一学生抑郁水平等级，以及对应的第一学生相关特征信息构建第一学生特征信息，将第一学生特征信息分为训练样本集和测试样本集；
[0011]S2：基于随机森林构建训练模型，基于训练样本集，采用网格搜索交叉验证算法对训练模型进行训练，优化训练模型参数得到硕博群体抑郁水平预测评估模型；
[0012]S3：将测试样本集输入至硕博群体抑郁水平预测评估模型得到预测性能分数，如果满足预测性能分数阈值则完成测试，如果不满足预测性能分数阈值则迭代步骤S1，S2，直至满足模型预测性能分数阈值测试结束；
[0013]S4：应用时，获取第二学生相关数据，通过对获取第二学生相关数据进行处理得到第二学生特征信息，将第二学生特征信息输入至测试过的硕博群体抑郁水平预测评估模型判断第二学生抑郁水平。
[0014]本专利技术将硕博学生群体的相关数据，以及抑郁水平划分结果相结合，得到硕博学生群体的特征信息，能够准确获得与抑郁水平相匹配的硕博学生群体数据，本专利技术利用随机深林算法构建训练模型，能够提供良好的可解释性，由于随机森林具有集成学习的作用，针对比较复杂的学生相关数据，能够具有较好的预测作用。
[0015]本专利技术通过网格搜索交叉验证算法训练所述的训练模型，通过预测性能分值F1来表征最优模型，通过设定预测性能分值阈值来调控最优模型性能，满足快速，准确预测的需求。
[0016]所述的预测性能分值F1值如式(1)所示：
[0017][0018]其中P值表示模型的精确率，R值表示模型的召回率。
[0019]精确率P，召回率R分别如式(2)，(3)所示：
[0020][0021][0022]其中，其中TP表示模型将正类样本预测为正类的个数，FP表示模型将负类样本预测为正类的个数，FN表示将正类样本预测为负类的个数。当模型在测试集上获得的F1值在0.8～1之间时，认为当前模型满足性能需求，否则认为不满足需求。
[0023]所述的对第一学生抑郁状态数据的抑郁水平进行划分的具体步骤为：
[0024]通过SDS抑郁自评量表，贝克抑郁自评量表，对第一学生抑郁状态数据进行初步心
理抑郁水平划分，并通过第一学生在学校的心理咨询记录和心理咨询师基于精神障碍诊断与统计标准临床诊断，对初步心理抑郁水平划分结果进行校正，将第一学生的抑郁水平划分为无抑郁，轻度抑郁，中度抑郁和重度抑郁四个等级。
[0025]利用上述的抑郁自评量表，基于硕博学生群体自评得到硕博学生群体抑郁水平初步划分，并通过在校心理咨询记录和精神障碍诊断与统计标准临床诊断，能够准确的获得硕博学生群体抑郁水平的划分。
[0026]所述的学生个人数据的特征维度包括学生的年龄，性别，生源地，兄弟姐妹数量，出生顺序，经济情况，学校，专业，科研水平，单身与否，是否有孩子，居住方式，心理健本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对硕博群体抑郁水平的预测评估方法，其特征在于，包括：S1：获取第一学生抑郁状态数据，对第一学生抑郁状态数据的抑郁水平进行划分，基于划分的结果得到第一学生抑郁水平等级；获取第一学生相关数据，所述第一学生相关数据包括学生个人数据，学生导师数据，学生家庭数据，学生重大事件数据，所述第一学生相关数据包括多个特征维度，所述特征维度包括多个特征值，对第一学生相关数据进行处理得到第一学生相关特征信息，基于第一学生抑郁水平等级，以及对应的第一学生相关特征信息构建第一学生特征信息，将第一学生特征信息分为训练样本集和测试样本集；S2：基于随机森林构建训练模型，基于训练样本集，采用网格搜索交叉验证算法对训练模型进行训练，优化训练模型参数得到硕博群体抑郁水平预测评估模型；S3：将测试样本集输入至硕博群体抑郁水平预测评估模型得到预测性能分数，如果满足预测性能分数阈值则完成测试，如果不满足预测性能分数阈值则迭代步骤S1，S2，直至满足模型预测性能分数阈值测试结束；S4：应用时，获取第二学生相关数据，通过对获取第二学生相关数据进行处理得到第二学生特征信息，将第二学生特征信息输入至测试过的硕博群体抑郁水平预测评估模型判断第二学生抑郁水平。2.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的对第一学生抑郁状态数据的抑郁水平进行划分的具体步骤为：通过SDS抑郁自评量表，贝克抑郁自评量表，对第一学生抑郁状态数据进行初步心理抑郁水平划分，并通过第一学生在学校的心理咨询记录和心理咨询师基于精神障碍诊断与统计标准临床诊断，对初步心理抑郁水平划分结果进行校正，最后将第一学生的抑郁水平划分为无抑郁，轻度抑郁，中度抑郁和重度抑郁四个等级。3.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的学生个人数据的特征维度包括学生的年龄，性别，生源地，兄弟姐妹数量，出生顺序，经济情况，学校，专业，科研水平，单身与否，是否有孩子，居住方式，心理健康状况和性格类型，所述心理健康状况和性格类型通过SCL
‑
90心理健康诊断量表，大五人格量表，有无心理咨询记录及其心理咨询师的评价综合确定；所述的学生导师数据的特征维度包括导师的姓名，年龄，性别，职称，职务，科研水平，学生对导师综合评价，导师婚否，指导学生的数量；所述的学生家庭数据的特征维度包括直系或者三代以内旁系是否有抑郁症病史，父母年龄，父母的工作，父母感情状况，父母教养方式；所述的学生重大事件数据包括个人重大事件，以及由个人重大事件引起的学生情绪健康等级。4.根据权利要求1所述的针对硕博群体抑郁水平的预测评估方法，其特征在于，所述的对第一学生相关数据进行处理得到第一学生相关特征信息的具体步骤为：S11：将第一学生相关数据进行数据预处理，包括：删除特征值异常数据；针对冗余数据，优先选择最近采集的学生相关数据，删除冗余学生相关数据；针对缺失数据，基于特征维度下的其他特征值，采用众数，中位数，均值的统计方法，完
成缺失数据补全；S12：将预处理后的学生相关数据进行统计分析，将统计分析后的学生相关数据进行特征序列化得到...

【专利技术属性】
技术研发人员：武晓菲，刘亚洲，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：