【技术实现步骤摘要】
一种基于手机GPS定位数据预测抑郁风险的方法及系统
[0001]本专利技术涉及抑郁风险评估
，具体涉及一种基于手机GPS定位数据预测抑郁风险的方法及系统。
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、反复出现自杀意念甚至是自杀尝试。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，避免悲剧发生的重要前提。
[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...
【技术保护点】
【技术特征摘要】
1.一种基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述方法包括如下步骤：通过手机上的GPS模块采集机主每日造访地点数据；对造访地点数据进行数据统计计算，得到每日的移动总距离、造访地点集群数量、造访地点变异性、造访地点到家距离的平均值、日平均移动速度及居家时长，建立每日数据集分别存储于数据库中；提取数据库中的每日数据集，计算手机机主每日造访地点的节律指标；根据机主每日抑郁严重程度自我报告，建立每日抑郁程度标签，并对应存储于数据库中；以数据库中的每日数据集和节律指标作为模型输入，以对应的每日抑郁程度标签作为模型输出，构建预测抑郁风险程度的预测模型；模型构建完成后，提取数据库中的每日造访地点新数据形成的每日数据集，并作为预测模型输入，得到手机机主的抑郁风险程度标签。2.根据权利要求1所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述方法还包括：提取数据库新存储的每日数据集，计算所对应的节律指标；以新存储的每日数据集和对应节律指标作为模型输入，以所构建的预测模型所得到的抑郁风险程度标签作为模型输出，对所构建的预测模型进行迭代，形成新的用来预测抑郁风险程度的预测模型。3.根据权利要求1或2所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，对造访地点数据进行数据统计时，将工作日采集到的数据作为数据集I，将周末和节假日采集到的自由日数据作为数据集II；采用K
‑
means聚类算法计算机主当日造访地点集群数量。4.根据权利要求1或2所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述的造访地点变异性LV的计算方法是：其中：为所有位置数据点经度的方差，为所有位置数据点纬度的方差。5.根据权利要求1或2所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述的日平均移动速度计算方法是：其中：v
i
为第i
‑
1与第i个造访地点之间的平均速度；lat
i
为第i个造访地点的经度；long
i
为第i个造访地点的纬度；t
i
为造访第i个地点的时间。6.根据权利要求3所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述的计算每日造访地点的节律指标包括：每个造访地点停留时间的熵值、标准化熵值、对比数据集I中前一个工作日的地点节律指标、对比数据集I中前三个工作日的造访地点数据指标均值变化率、对比数据集II中前一个自由日的地点节律指标以及对比数据集II中前三个
自由日的造访地点数据指标均值变化率。7.根据权利要求6所述的基于手机GPS定位数据预测抑郁风险的方法，其特征在于，所述的前三个工作日的造访地点数据指标和前三个自由日的造访地点数据指标包括：每日移动总距离、造访地点变异性、造访地点到家距离...
【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：
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。