一种去量表化的焦虑抑郁心理检测方法及装置制造方法及图纸

本发明专利技术公开了一种去量表化的焦虑抑郁心理检测方法及装置，属于心理测量技术领域，包括获取测试者参加心理访谈过程的音视频数据，并从音视频数据中提取得到视频数据和音频数据；将视频数据输入至预先构建的回归模型中，得到基于视频模态的焦虑抑郁预测值；将音频数据输入至预先构建的线性回归器中，得到基于音频模态的焦虑抑郁预测值；将基于视频模态的焦虑抑郁预测值和基于音频模态的焦虑抑郁预测值进行融合，得到测试者的心理焦虑抑郁评估结果。实现了心理评估的去量表化过程，不仅可以准确真实反映个体的焦虑和抑郁程度，而且和传统心理学仅用量表测量的方法相比，更加的方便快捷且具有可推广性。快捷且具有可推广性。快捷且具有可推广性。

【技术实现步骤摘要】
一种去量表化的焦虑抑郁心理检测方法及装置


[0001]本专利技术涉及心理测量
，特别涉及一种去量表化的焦虑抑郁心理检测方法及装置。

技术介绍

[0002]当前在临床环境中，测量门诊或住院病人的焦虑情况的诊断方法多以量表为主，当前应用范围最广的的心理评估方法即使用汉密尔顿焦虑量表(Hamilton Anxiety Scale，HAMA)、汉密顿抑郁量表(HamiltonDepressionScale，HAMD)完成，其他使用较为普遍的也有抑郁自评量表(Self
‑
rating depression scale，SDS)、焦虑自评量表(Self
‑
Rating Anxiety Scale SAS)。HAMA、HAMD需要两名专业医生对病人的情况进行评估，耗时且费力。
[0003]或者在生物医药领域，使用试剂鉴别和诊断焦虑抑郁症，但从基因、药物的角度虽然对靶点治疗提供了重要依据，但在临床的实际应用中很难快速的得到诊断结果；又如基于脑电数据进行诊断，但其需测量脑电数据、脑影像学数据进行分析，使测量成本高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种去量表化的焦虑抑郁心理检测方法，其特征在于，包括：获取测试者参加心理访谈过程的音视频数据，并从音视频数据中提取得到视频数据和音频数据；将视频数据输入至预先构建的回归模型中，得到基于视频模态的焦虑抑郁预测值；将音频数据输入至预先构建的线性回归器中，得到基于音频模态的焦虑抑郁预测值；将基于视频模态的焦虑抑郁预测值和基于音频模态的焦虑抑郁预测值进行融合，得到测试者的心理焦虑抑郁评估结果。2.如权利要求1所述的去量表化的焦虑抑郁心理检测方法，其特征在于，所述回归模型和所述线性回归器的构建过程包括：采集参与者的心理量表以及采集心理量表过程中参与者的面部视频数据；基于参与者的心理量表和面部视频数据，提取得到第一训练数据集和第二训练数据集；利用第一训练数据集建立所述回归模型；利用第二训练数据集建立所述线性回归器。3.如权利要求2所述的去量表化的焦虑抑郁心理检测方法，其特征在于，所述基于参与者的心理量表和面部视频数据，提取得到第一训练数据集和第二训练数据集，包括：根据所述每个参与者对应的心理量表，计算每个参与者对应的焦虑抑郁得分值；根据所述每个参与者的面部视频数据，提取该参与者对应的多模态特征，所述多模态特征包括人脸特征、人脸关键点、眼睛注视角、面部运动单元特征和音频数据；对于所述每一参与者，将每一参与者的人脸特征、人脸关键点、眼睛注视角、面部运动单元特征及焦虑抑郁得分值作为第一数据项构建得到第一训练数据集，将每一参与者的音频数据和焦虑抑郁得分值作为第二数据项构建得到第二训练数据集。4.如权利要求3所述的去量表化的焦虑抑郁心理检测方法，其特征在于，所述利用第一训练数据集建立所述回归模型，包括：将所述第一训练数据集中的人脸特征、人脸关键点、眼睛注视角、面部运动单元特征作为卷积神经网络的输入，将焦虑抑郁得分值作为标签，利用卷积神经网络将多模态特征进行非线性拟合，建立所述回归模型。5.如权利要求3所述的去量表化的焦虑抑郁心理检测方法，其特征在于，所述利用第二训练数据集建立所述线性回归器，包括：提取所述第二训练数据集中音频数据的梅尔频率倒谱系数；将梅尔频率倒谱系数作为循环神经网络的输入，并将所述第二训练数据集中的焦虑抑郁得分值作为标签，建立所述线性回归器。6.一种去量表化的焦虑抑郁心理检...

【专利技术属性】
技术研发人员：黄雅婷，黄杰，孙晓，汪萌，吴枫，康宇，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：