【技术实现步骤摘要】
一种用于抑郁状态智能评估的数据采集系统及方法
[0001]本专利技术涉及一种数据采集系统及方法，具体涉及一种用于抑郁状态智能评估的数据采集系统及方法。
技术介绍
[0002]当前抑郁症已经成为世界第四大疾病，预计将成为仅次于心脏病的人类第二大疾患。
[0003]在抑郁症的诊断中，可使用抑郁症自评量表进行简单的自评，但进一步确认必须由医生根据量表或诊断标准询问患者最近2周内的精神状态，并根据经验分析患者状况，或者直接根据患者身体状况的临床表现做出诊断。这些诊断方式以主观评判为主，缺少客观评判标准，容易引起误诊断，需要花费大量的医疗和人力资源。
[0004]据有关调查，抑郁症患者在肢体协调、语音语调、表情控制、步态姿势、眼动变化等方面会有较为明显的异于正常人的特征，随着人工智能技术的应用与发展，通过采集抑郁症患者的特定特征数据并进行智能化分析，从而自动判断抑郁症患者的抑郁状态成为可能。现有技术中，出现一些关于抑郁症的诊断或评估系统，结合诊断或评估系统的辅助使用，以便提高医生对患者的抑郁病等级的判断，诊断过程更加客...
【技术保护点】
【技术特征摘要】
1.一种用于抑郁状态智能评估的数据采集系统，其特征在于，包括数据采集模块、数据评估模块以及数据存储模块；其中，所述数据采集模块，用于采集测试者在各个测试阶段的生理信息数据，并传送给数据存储模块；所述数据评估模块用于在数据采集模块采集数据的过程中，对采集到的数据进行实时评估并调整数据采集模块的工作模式；所述数据存储模块用于存储数据采集模块采集到的数据供后续进行抑郁状态智能评估；所述数据采集模块包括：第一特征获得单元，用于实时采集测试者行走时的视频数据，将采集到的视频数据放进预先训练好的神经网络模型中，输出测试者的基础信息并从中提取步态特征；所述基础信息包括年龄和性别；第二特征获得单元，用于实时采集测试者回答多个问题时产生的音频数据以及回答多个问题时的视频数据，将采集到的音频数据和视频数据放进预先训练好的神经网络模型中，提取语音特征和面部表情特征；第三特征获得单元，用于实时采集测试者观看多个视频信息时产生的视频数据，将采集到的视频数据放进预先训练好的神经网络模型中提取面部表情特征和肢体动作特征；第四特征获得单元，用于实时采集测试者观看多个图像信息时产生的视频数据，将采集到的视频数据放进预先训练好的神经网络模型中提取眼动特征；第五特征获得单元，用于实时采集测试者阅读多个文字信息时产生的音频数据，将采集到的音频数据放进预先训练好的神经网络模型中提取语音特征；所述数据评估模块包括：第一评估值获得单元，实时采集测试者填写多个量表时产生的多个量表信息，根据所述多个量表信息获得第一抑郁状态评估值；第二评估值获得单元，将所述第一特征获得单元的步态特征和第二特征获得单元的语音特征和面部表情特征进行拼接融合，获得第二抑郁状态评估值；自适应单元，对测试者的基础信息、所述第一抑郁状态评估值以及所述第二抑郁状态评估值进行整合处理，获得自适应评估值；根据自适应评估值调整所述第三特征获得单元、所述第四特征获得单元以及所述第五特征获得单元的工作顺序或/和调整所述第三特征获得单元采集数据时的视频信息、所述第四特征获得单元采集数据时的图像信息以及所述第五特征获得单元采集数据时的文字信息中的一个或多个。2.根据权利要求1所述的用于抑郁状态智能评估的数据采集系统，其特征在于，所述数据评估模块还包括基础评估值获得单元；所述基础评估值获得单元，根据所述第一特征获得单元输出的基础信息获得基础评估值；所述自适应单元根据所述基础评估值，对第二特征获得单元采集数据时的所述多个问题进行调整。3.根据权利要求1或2所述的用于抑郁状态智能评估的数据采集系统，其特征在于，所述数据评估模块中的自适应单元，采用加权算法对测试者的基础信息、所述第一抑郁状态
评估值以及所述第二抑郁状态评估值进行整合处理。4.根据权利要求1所述的用于抑郁状态智能评估的数据采集系统，其特征在于，所述自适应评估值包括愉悦、中性、悲伤、愤怒。5.根据权利要求4所述的用于抑郁状...
【专利技术属性】
技术研发人员：陈素琪，陈静，谢怀逸，苏成悦，陈冠霖，唐琦，曾宇晖，叶永青，马瑛瑶，徐静宜，曾雯莹，林冬鑫，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。