CN109124655A - 精神状态分析方法、装置、设备、计算机介质及多功能椅 - Google Patents
精神状态分析方法、装置、设备、计算机介质及多功能椅 Download PDFInfo
- Publication number
- CN109124655A CN109124655A CN201810723856.XA CN201810723856A CN109124655A CN 109124655 A CN109124655 A CN 109124655A CN 201810723856 A CN201810723856 A CN 201810723856A CN 109124655 A CN109124655 A CN 109124655A
- Authority
- CN
- China
- Prior art keywords
- data
- physiological
- mental state
- behavioral
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 69
- 230000003542 behavioural effect Effects 0.000 claims abstract description 174
- 238000013507 mapping Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000012800 visualization Methods 0.000 claims abstract description 25
- 230000006996 mental state Effects 0.000 claims abstract 49
- 230000006399 behavior Effects 0.000 claims description 41
- 239000008280 blood Substances 0.000 claims description 36
- 210000004369 blood Anatomy 0.000 claims description 36
- 230000036760 body temperature Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 14
- 210000004243 sweat Anatomy 0.000 claims description 14
- 230000004424 eye movement Effects 0.000 claims description 13
- 230000005021 gait Effects 0.000 claims description 13
- 150000002632 lipids Chemical class 0.000 claims description 13
- 230000036772 blood pressure Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000003183 myoelectrical effect Effects 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims 2
- 238000013480 data collection Methods 0.000 claims 1
- 238000002567 electromyography Methods 0.000 claims 1
- 230000008921 facial expression Effects 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 15
- 238000005259 measurement Methods 0.000 abstract description 9
- 230000035479 physiological effects, processes and functions Effects 0.000 description 78
- 210000004556 brain Anatomy 0.000 description 34
- 230000005611 electricity Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 17
- 238000011160 research Methods 0.000 description 11
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 239000008103 glucose Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000013139 quantization Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010181 skin prick test Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000001441 oximetry spectrum Methods 0.000 description 3
- 230000001766 physiological effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 230000006998 cognitive state Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Developmental Disabilities (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种精神状态分析方法、装置、设备、计算机介质及多功能椅。其中精神状态分析方法包括：获取生理数据和行为数据；将生理/行为数据输入到预设的生理/行为数据‑精神量化值映射模型，得到生理/行为精神状态量化值；将生理精神状态量化值与行为精神状态量化值按照预设的规则进行处理得到用户的精神状态。多功能椅包括数据采集装置、可视化装置及精神状态分析装置。本发明提供的精神状态分析方法、装置、设备及计算机介质，可以根据生理数据和行为数据得到用户的精神状态。本发明提供的多功能椅能够在提供椅子功能的基础上完成生理/行为数据的非侵入式测量，并得到用户的精神状态，使得精神状态分析更加便携和高效。
Description
技术领域
本发明涉及通信领域，特别涉及一种精神状态分析方法、装置、设备、计算机介质及多功能椅。
背景技术
精神状态是指人的意识活动的当前状态，是人的清醒程度、疲劳程度、情绪、认知能力的综合体现。精神状态对人的心理和生理健康具有重要的意义，也在很大程度上影响人的行为决策，工作效率、社交表现等，进一步影响其生活、工作质量和社会角色。精神活动源于大脑，而大脑不仅是高级意识产生的来源，也控制着人的各类低级生理活动，精神状态的变化也随之反映在生理活动的变化上。研究表明，精神状态能够体现在植物神经系统等低级神经和生理活动上，如心率变异性、体温等。使用传感器技术获取这些生理信号，并利用信号分析技术加以处理，有可能定量的、客观的评估精神状态。这种评估对于特定的人群(如高危险、高压力、军事相关行业)有重要的意义。
目前，精神状态的评估主要针对患有精神疾病的人群进行，使用的手段包括诊断量表、专业医师的询问交谈和一些生理指标的检查等。这种评估方式流程繁琐，准备和诊断过程较长，诊断报告生成耗时较多，难以推广到普通的人群。为此，需要考虑利用更加方便、快速的方式进行相关生理信号的采集和评估，如生理指标监测床、集成传感器的穿戴式设备、集成传感器的生理指标监测椅等。监测床占地较大，且对环境光线、声音等要求较高；穿戴式设备反复穿戴容易损坏，而且主要靠电池供电，续航受到限制；较为方便可行的是监测椅。
监测椅相比传统椅子，集成了专用的生理信号传感器及电路，能够在提供椅子功能的基础上完成生理参数的非侵入式测量等功能。目前已经有一些具备人体生理参数测量功能的智能椅，能够采集人体的心率、呼吸、体重、腰围等参数，部分方案还具备一定的分析和管理功能。但是这些智能椅主要面向生理方面的检查和管理，所记录的参数不是针对精神状态量化的，尤其是最重要的脑电指标缺失。而且，现有的智能椅侧重于采集，未集成分析处理的处理器芯片或处理器功能很弱，难以完成生理信号分析和精神状态量化任务。
发明内容
为了解决现有技术中智能椅侧重于采集，未集成分析处理的处理器芯片或处理器功能很弱，难以完成生理信号分析和精神状态量化任务的问题，本发明实施例提供了一种精神状态分析方法、装置及多功能椅。
本发明实施例的一个方面，提供了一种精神状态分析方法，包括：
获取生理数据和行为数据；
将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
可选的，在本发明实施例所述的精神状态分析方法中，在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型之前，还包括：构建所述生理/行为数据-精神量化值映射模型。
可选的，在本发明实施例所述的精神状态分析方法中，所述构建所述生理/行为数据-精神量化值映射模型的步骤包括：
分别采集用户的生理数据、行为数据及精神状态测评量表的得分，并对所述生理数据和所述行为数据进行预处理；
将用户的生理数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的生理数据分值；
根据若干个用户的生理数据、及生理数据分值，通过拟合得到生理数据-精神量化值映射模型；
将用户的行为数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的行为数据分值；
根据若干个用户的行为数据、及行为数据分值，通过拟合得到行为数据-精神量化值映射模型。
可选的，在本发明实施例所述的精神状态分析方法中，在得到的用户的精神状态之后，还包括：对所述生理/行为数据-精神量化值映射模型进行修正。
可选的，在本发明实施例所述的精神状态分析方法中，在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值之前，还包括：
对所述生理数据和所述行为数据进行预处理。
可选的，在本发明实施例所述的精神状态分析方法中，对所述生理数据和所述行为数据进行预处理包括以下中的一项或多项：
对所述生理数据和所述行为数据进行数据同步处理；
对所述生理数据和所述行为数据中的相同数据进行去重处理；
对所述生理数据和所述行为数据进行数据过滤处理，以除去误码数据和无效数据；
对所述生理数据和所述行为数据进行滤波处理；
对所述生理数据和所述行为数据进行放大处理
对所述生理数据和所述行为数据进行相关性计算，以得到各个生理数据之间和/或各个行为数据之间的相关性；
对所述生理数据和所述行为数据进行降维处理，以减少每个数据中的评价指标或/和数据的数量。
可选的，在本发明实施例所述的精神状态分析方法中，所述将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态包括：
将所述生理精神状态量化值和所述行为精神状态量化值输入到预先设置的精神状态融合模型查找表中进行查找，得到用户的精神状态值。
可选的，在本发明实施例所述的精神状态分析方法中，所述生理数量包括脑电数据和心电数据；所述行为数据包括以下中的一项或多项：语音数据、表情数据、步态数据、眼动数据、呼吸数据。
可选的，在本发明实施例所述的精神状态分析方法中，所述生理数据还包括以下中的一项或多项：体温数据、脉搏数据、汗液数据、皮肤电数据、肌电数据、血氧数据、血糖数据、血脂数据、血压数据。
依据本发明实施例的另一个方面，提供了一种精神状态分析装置，包括数据获取模块、数据计算模块及数据分析模块；
所述数据获取模块，用于获取生理数据和行为数据；
所述数据计算模块，用于将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
所述数据分析模块，用于将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
依据本发明实施例的第三个方面，提供了一种多功能椅，包括数据采集装置、可视化装置及如上所述的精神状态分析装置；
所述数据采集装置，用于采集用户的生理数据和行为数据，并将所述生理数据和行为数据发送至所述精神状态分析装置；
所述精神状态分析装置，用于对所述生理数据和行为数据进行分析，得到用户的精神状态；
所述可视化装置，用于将生理数据和行为数据、和/或对所述生理数据和行为数据进行分析时得到的中间结果、和/或用户的精神状态进行显示。
可选的，在本发明实施例所述的多功能椅中，还包括椅子底座、靠背及扶手；
所述数据采集装置包括传感器和脑电帽，所述传感器嵌入所述扶手和/或靠背中，通过扶手的传感器触点和/或靠背的传感器触点与人体接触，得到用户的生理数据或行为数据；所述脑电帽通过脑电线缆与所述靠背连接；
所述精神状态分析装置嵌入在所述底座或所述靠背中，通过线缆与所述传感器、脑电帽及可视化装置相连；
所述可视化装置位于所述靠背的上平面，或通过支架与所述靠背连接。
可选的，在本发明实施例所述的多功能椅中，嵌入所述扶手中的传感器包括以下中的一种或几种：心电传感器、语音传感器、汗液传感器、肌电传感器、皮肤电传感器、脉搏传感器、体温传感器、血氧传感器、血压传感器、血脂传感器和血糖传感器；
嵌入所述靠背中的传感器包括以下中的一种或几种：心电传感器、汗液传感器、肌电传感器、皮肤电传感器、体温传感器、语音传感器、表情传感器、步态传感器、眼动传感器、呼吸传感器。
依据本发明实施例的第四个方面，提供了一种精神状态分析设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的精神状态分析方法的步骤。
依据本发明实施例的第五个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的精神状态分析方法的步骤。
本发明实施例的有益效果如下：
本发明实施例提供的精神状态分析方法、装置、设备及计算机介质，可以将采集到的生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，分别得到生理/行为精神状态量化值，进一步得到用户的精神状态。本发明实施例提供的多功能椅能够在提供椅子功能的基础上完成生理/行为数据的非侵入式测量，并得到用户的精神状态，使得精神状态分析更加便携和高效。
附图说明
图1为本发明第一实施例中精神状态分析方法的流程示意图；
图2为本发明第一实施例中构建生理/行为数据-精神量化值映射模型流程示意图；
图3为本发明第二实施例中对生理/行为数据-精神量化值映射模型进行修正的流程示意图；
图4为本发明第四实施例中精神状态分析装置的结构示意图；
图5为本发明第五实施例中多功能椅的组成结构示意图；
图6为多功能椅的使用流程示意图；
图7为多功能椅的一种具体结构示意图；
图8为多功能椅的第二种具体结构示意图；
图9为多功能椅的第三种具体结构示意图；
其中，1、脑电帽；2、脑电线缆；3、显示器支架；4、显示器；5、脑电帽接口；6、靠背；7、线缆；8、扶手；9、主机；10、底座；11、传感器触点；12、腿；13、电源线缆；14、靠背的上平面；15、靠背的侧面。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。以下结合附图对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。
为了解决现有技术中智能椅侧重于采集，未集成分析处理的处理器芯片或处理器功能很弱，难以完成生理信号分析和精神状态量化任务的问题，本发明实施例提供了一种精神状态分析方法、装置及多功能椅。
根据本发明的第一实施例，提供了一种精神状态分析方法。图1为本发明第一实施例中精神状态分析方法的流程示意图，如图1所示，本发明第一实施例的精神状态分析方法，包括以下步骤：
S101：获取生理数据和行为数据。
可选的，在本发明实施例中生理数据包括脑电和心电两项，以及以下中的一项或多项：体温、脉搏、汗液、皮肤电、肌电、血氧、血糖、血脂、血压；行为数据包括以下中的一项或多项：语音、表情、步态、眼动、呼吸。
具体的，脑电：有帽式、耳机式等多种即穿戴类型，有多种通道数可选择，每个通道以非侵入式干湿电极监测脑电波。
体温：红外整体遥感整体探测以及多个小型接触式传感探头分布于身体重要部位探测宏观和微观温度。
脉搏：通过光电脉搏传感器或非接触式视频传感测得实时脉搏，有指套、绑带等样式。
语音：高清麦克风自动采集语音，采样率超过4万赫兹，过滤回音杂音。
表情：高清摄像头记录脸部图像，通过数据分析记录表情和微表情。
汗液：一次性芯片汗液检测仪，从汗水读取电解质，钠，乳酸，蛋白质等化学信息，检测身体在运动过后的反应。
皮肤电：穿戴式皮电干湿电极贴于皮肤上，测量皮电反应。
步态：全角度高清摄像头记录椅子附件的用户移动录像，通过计算的到轨迹姿势步态等信息。
眼动：眼镜式高清眼动仪测得眼动和瞳孔大小数据。
肌电：穿戴式电极贴于四肢表面，测量肌电点位。
心电：穿戴式便携式绷带电极，测量心电电波。
呼吸：通过收缩式呼吸仪，测量呼吸二氧化碳和速率。
血氧：指套式或绷带式光电血氧仪测量血氧的实时含量。
血糖：通过血糖检测仪自动采集血样测得血糖浓度。
血脂：通过血脂检测仪自动采集血样测得血脂三样，总胆固醇、甘油三酯和血高密度胆固醇，反映动脉和心脑血管状况。
血压：手指、手臂型血压仪自动测高低血压。
S102：将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值。也就是说将所述生理数据输入到预设的生理数据-精神量化值映射模型，得到生理精神状态量化值；将所述行为数据输入到预设的行为数据-精神量化值映射模型，得到行为精神状态量化值。
可选的，在S102之前，还包括：构建所述生理数据-精神量化值映射模型和所述行为数据-精神量化值映射模型。图2为本发明第一实施例中构建生理/行为数据-精神量化值映射模型流程示意图，如图2所示，构建生理/行为数据-精神量化值映射模型，包括以下步骤：
分别采集用户的生理数据、行为数据及精神状态测评量表的得分。其中，生理数据L包括以下中的一项或多项：脑电波数据Lb，体温数据Lt，脉搏数据Lp，肌电数据Lm，心电数据Lh，血氧数据Lo，血糖数据Ls，皮肤电数据Lg，血脂数据Lf，血压数据Lpr，汗液数据Lpe。行为数据B包括以下中的一项或多项：语音Bv，表情Bf，步态Bg，眼动Be，呼吸Bb。
将用户的生理数据以该用户精神状态测评量表的得分为参照进行打分(即将用户精神状态量表得分归一化至指定区间内)，得到该用户的生理数据分值；根据若干个用户的生理数据、及生理数据分值，通过拟合得到生理数据-精神量化值映射模型。用户的数量越多，得到的生理数据-精神量化值映射模型精度越高。示例的，生理数据-精神量化值映射模型的输出是区间[0,100]的具体数值，其中[0,40)、[40,70)、[70,100]三个区间可将用户的生理数据量化为差，良，优共三个状态。
将用户的行为数据以该用户精神状态测评量表的得分为参照进行打分(即将用户精神状态量表得分归一化至指定区间内)，得到该用户的行为数据分值，根据若干个用户的行为数据、及行为数据分值，通过拟合得到行为数据-精神量化值映射模型。与生理数据-精神量化值映射模型相同，用户的数量越多，得到的行为数据-精神量化值映射模型精度越高。示例的，行为数据-精神量化值映射模型的输出是区间[0,100]的具体数值，其中[0,40)、[40,70)、[70,100]三个区间可将用户的行为数据量化为差，良，优共三个状态。
具体的，精神状态测评量表包括：评定精神病性症状严重程度的量表的得分情况Sp和心理测评量表得分情况Sm，用户精神状态测评量表的得分为按照预设的规则将Sp和Sm进行处理得到的一个分值。示例的，精神状态分值可以用以下方法进行计算，首先通过k*Sp+(1-k)*Sm进行计算得到量表评分S，其中k为0-1之间的预设参数，根据经验进行设置。计算得到量表评分的最大值Smax和量表评分的最小值Smin，将量表评分归一化到一定的区间内，式例为[0,100]，通过归一化计算得到精神量化值为S*100/(Smax-Smin)。
具体的，所述拟合方法，包括BP神经网络、逻辑回归、决策树、支持向量机、集成学习方法等方法的一种或几种，通过学习生理/行为数据以及生理/行为数据分值之间的拟合参数，得到生理/行为数据-精神量化映射模型。示例的，生理数据为脑电波数据Lb，心电数据Lh，对脑电波数据Lb进行特征提取，提取的n个特征构成脑电波数据向量[Lb1,Lb2,Lb3,…Lbn]。对心电数据Lh进行特征提取，提取的m个特征构成心电数据向量[Lh1,Lh2,Lh3,…Lhm]。串联构成脑电波和心电的生理数据向量LM＝[Lb1,Lb2,Lb3,…Lbn，Lh1,Lh2,Lh3,…Lhm]。生理数据精神量化值通过参照量表评分得到为S。则生理数据-精神状态映射模型为YL*LM＝S。其中YL＝[yl1,yl2,...ylm+n]，通过逻辑回归等学习方法拟合得到。
具体的，将所述生理数据L输入到预设的生理数据-精神量化值映射模型YL，得到生理精神状态量化值fL；将所述行为数据B输入到预设的行为数据-精神量化值映射模型YB，得到行为精神状态量化值fB。
S103：将所述生理精神状态量化值与所述数据精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
具体的，将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态包括：将所述生理精神状态量化值和所述行为精神状态量化值输入到预先设置的精神状态融合模型查找表中进行查找，得到用户的精神状态值。所述预设的规则包括预先设置的精神状态的融合模型查找表，以生理精神状态量化值fB和行为精神状态量化值fL为输入，通过机器学习和模型训练更新查找表的模型参数，输出为用户的精神状态值。
作为本发明实施例的一种可选实施方式，例如当fB为[0,40)、fL为[0,40)时，此时认定精神状态为[0,40)，具体数值取平均数。当fB为[0,40)、fL为[40,70)时，此时认定精神状态为α*fL+β*fB，使：α+β＝1。α和β值按经验给定初始值，经过模型训练更新参数α和β。其他按照表一依此类推。
表一：精神状态的融合模型查找表
| f<sub>B</sub> 0～40 | f<sub>B</sub> 40～70 | f<sub>B</sub> 70～100 | |
| f<sub>L</sub> 0～40 | 0～40 | α*f<sub>L</sub>+β*f<sub>B</sub> | 40～70 |
| f<sub>L</sub> 40～70 | α*f<sub>L</sub>+β*f<sub>B</sub> | 40～70 | α*f<sub>L</sub>+β*f<sub>B</sub> |
| f<sub>L</sub> 70～100 | 40～70 | α*f<sub>L</sub>+β*f<sub>B</sub> | 70～100 |
示例的，用户的精神状态的输出是区间[0,100]的具体数值，其中[0,40)、[40,70)、[70,100]三个区间可将精神状态量化为差，良，优共三个状态。
本发明第一实施例提供的精神状态分析方法，可以从以下几种角度进行精神状态分析：行为分析、健康状态分析、认知状态分析、情绪分析。其中：行为分析指对被测人员的行为进行评估，如反应速度；健康状态分析指对被测人员的精神状态进行健康方面的评价，如疲劳程度；认知状态分析从认知加工的角度对被测人员的精神状态进行评估，如认知负荷、短时记忆能力等；情绪分析从情绪的角度评估被测人员的精神状态，如焦虑、恐惧、高兴等。
本发明第一实施例提供的精神状态分析方法，可以将采集到的生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，分别得到生理/行为精神状态量化值，输入到精神状态的融合模型查找表进一步得到用户的精神状态。
根据本发明的第二实施例，提供了一种精神状态分析方法。本发明第二实施例的精神状态分析方法，包括以下步骤：
S201：采集生理数据和行为数据。
S202：将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
S203：将所述生理精神状态量化值与所述数据精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
S204：对所述生理/行为数据-精神量化值映射模型进行修正。采集调节后用户的生理数据、行为数据，输入到生理/行为数据-精神量化值映射模型中，以对所述生理/行为数据-精神量化值映射模型进行修正。
图3为本发明第二实施例中对生理/行为数据-精神量化值映射模型进行修正的流程示意图。如图3所示，首先通过多组数据建立模型，然后在模型中输入单组测量数据，输出精神量化值。根据精神量化值，进行短期、中期和长期反馈。短期反馈周期一般为10分钟左右的量级；中期反馈周期为1周至几月；长期反馈为数月至几年的时间。每次反馈后，模型输入新测量数据并使数据总组数加一；模型根据新的总数据自适应调整参数不断完善自己。因此，随着反馈次数提高，该模型会递归改进自己并提高输出的精神量化精度。模型建立时使用生理数据、行为数据、量表数据作为建立模型的参考依据；随后的短期反馈、中期反馈主要以生理数据和行为数据作为反馈的依据。长期反馈再做一次量表评测，获得量表数据，使用生理数据、行为数据、量表数据作为建立模型的参考依据，综合分析，从宏观上观察反馈效果。
本发明第二实施例提供的精神状态分析方法，不仅可以利用生理/行为数据-精神量化值映射模型，得到用户的精神状态，而且提供了对生理/行为数据-精神量化值映射模型进行修正的方法。
根据本发明的第三实施例，提供了一种精神状态分析方法。本发明第三实施例的精神状态分析方法，包括以下步骤：
S301：采集生理数据和行为数据。
S302：对所述生理数据和所述行为数据进行第一预处理。
作为本发明实施例的一种可选实施方式，对所述生理数据和所述行为数据进行第一预处理包括以下中的一项或多项：对所述生理数据和所述行为数据进行数据同步处理；对所述生理数据和所述行为数据中的相同数据进行去重处理；对所述生理数据和所述行为数据进行数据过滤处理，以除去误码数据和无效数据；对所述生理数据和所述行为数据进行滤波处理；对所述生理数据和所述行为数据进行放大处理；对所述生理数据和所述行为数据进行相关性计算；对所述生理数据和所述行为数据进行降维处理。
具体的，数据同步处理实现对包括脑电、体温、脉搏、语音、表情、汗液、皮肤电、步态、眼动、肌电、心电、呼吸、血氧、血糖、血脂、血压等多模态生理数据和行为数据的同步监控。
数据去重处理为对不同源的生理数据和行为数据进行梳理和筛选，对相同数据进行数据去重。
数据过滤处理为通过多种规则进行匹配筛选，过滤误码数据和无效数据，输出有效的多源生理数据和行为数据。
相关性计算为计算各个不同的生理数据B之间的相关性、关联关系，并作为生理数据B的一部分。例如原本生理数据B中包含两个指标脑电和心电，但是经过相关计算后，还能得到的脑电与心电之间的相互关系，将其加入到生理数据B中，作为一维新的生理数据指标。
降维处理体现在两个方面：
(1)假设心电中十几个指标，在心电中选取几个影响较大的指标；具体的方法为，去掉其中一个指标，看对优、良、差的结果有无影响；
(2)假设生理有n1维变量，行为有n2维变量，生理和行为数据共有n1+n2维变量。通过一定的映射关系，将这n1+n2维变量映射到n3维变量，n3<n1+n2。这n3维是全新的正交特征。这n3维特征称为主成分，是重新构造出来的n3维特征，能够最大限度得保留原有n1+n2维特征包含的信息。
S303：将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
S304：将所述生理精神状态量化值与所述数据精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
本发明第三实施例提供的精神状态分析方法，在将生理数据/行为数据输入到预设的生理/行为数据映射模型之前，还包括对所述生理数据和所述行为数据进行第一预处理，不仅可以提高处理结果的准确性，而且可以减少数据处理时的复杂度。
具体的，本发明的第四实施例提供了一种精神状态分析装置。图4为本发明第四实施例中精神状态分析装置的结构示意图，如图4所示，本发明第四实施例的精神状态分析装置包括数据获取模块40、数据计算模块41、数据分析模块42，以下对各模块进行详细说明。
数据获取模块40，用于获取生理数据和行为数据。
具体的，所述生理数量包括脑电数据和心电数据；所述行为数据包括以下中的一项或多项：语音数据、表情数据、步态数据、眼动数据、呼吸数据。
所述生理数据还包括以下中的一项或多项：体温数据、脉搏数据、汗液数据、皮肤电数据、肌电数据、血氧数据、血糖数据、血脂数据、血压数据。
数据计算模块41，用于将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值。也就是说将所述生理数据输入到预设的生理数据-精神量化值映射模型，得到生理精神状态量化值；将所述行为数据输入到预设的行为数据-精神量化值映射模型，得到行为精神状态量化值。
数据分析模块42，用于将所述生理精神状态量化值与所述数据行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
可选的，数据分析模块42具体用于：将所述生理精神状态量化值和所述行为精神状态量化值输入到预先设置的精神状态融合模型查找表中进行查找，得到用户的精神状态值。
作为本发明实施例的一种可选实施方式，本发明实施例的精神状态分析装置还包括模型构建模块43，用于在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型之前，构建所述生理/行为数据-精神量化值映射模型。
所述模型构建模块43具体用于：
分别采集用户的生理数据、行为数据及精神状态测评量表的得分，并对所述生理数据和所述行为数据进行第一预处理；
将用户的生理数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的生理数据分值；
根据若干个用户的生理数据、及生理数据分值，通过拟合得到生理数据-精神量化值映射模型；
将用户的行为数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的行为数据分值；
根据若干个用户的行为数据、及行为数据分值，通过拟合得到行为数据-精神量化值映射模型。
作为本发明实施例的一种可选实施方式，本发明实施例的数据计算模块41还用于：在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值之前，对所述生理数据和所述行为数据进行预处理。
所述数据计算模块41具体用于：
对所述生理数据和所述行为数据进行数据同步处理；
或/和对所述生理数据和所述行为数据中的相同数据进行去重处理；
或/和对所述生理数据和所述行为数据进行数据过滤处理，以除去误码数据和无效数据；
或/和对所述生理数据和所述行为数据进行滤波处理；
或/和对所述生理数据和所述行为数据进行放大处理
或/和对所述生理数据和所述行为数据进行相关性计算，以得到各个生理数据之间和/或各个行为数据之间的相关性；
或/和对所述生理数据和所述行为数据进行降维处理，以减少每个数据中的评价指标或/和数据的数量。
作为本发明实施例的一种可选实施方式，本发明实施例还包括修正模块44：
所述修正模块44，用于在得到的用户的精神状态之后，对生理/行为数据-精神量化值映射模型进行修正。
本发明的第五实施例提供了一种多功能椅，包括第四实施例的精神状态分析装置、数据采集装置及可视化装置。
其中，所述数据采集装置，用于采集用户的生理数据和行为数据，并将所述生理数据和行为数据发送至所述精神状态分析装置；
所述精神状态分析装置，用于对所述生理数据和行为数据进行分析，得到用户的精神状态；
所述可视化装置，用于将生理数据和行为数据、和/或对所述生理数据和行为数据进行分析时得到的中间结果、和/或用户的精神状态进行显示。
图5为本发明第五实施例中多功能椅的组成结构示意图，如图5所示，多功能椅包括数据采集装置(图5中的脉搏模块、血压模块、血氧模块、血糖模块、血脂模块、肌电模块、汗液模块、体温模块、呼吸模块、表情模块、心电模块、脑电模块、眼动模块、步态模块均为数据采集装置)、第四实施例的精神状态分析装置(相当于图5中的控制与算法单元、存储单元、通信单元)、可视化装置(相当于图5中的显示输出单元)。另外还包括供电单元。
可选的，在本发明第五实施例提供的多功能椅中，还包括椅子底座、靠背及扶手；所述数据采集装置包括传感器和脑电帽，所述传感器嵌入所述扶手和/或靠背中，通过扶手的传感器触点和/或靠背的传感器触点与人体接触，得到用户的生理数据或行为数据；所述脑电帽通过脑电线缆与所述靠背连接；所述精神状态分析装置嵌入在所述底座或所述靠背中，通过线缆与所述传感器、脑电帽及可视化装置相连；所述可视化装置位于所述靠背的上平面，或通过支架与所述靠背连接。
具体的，嵌入所述扶手中的传感器包括以下中的一种或几种：心电传感器、语音传感器、汗液传感器、肌电传感器、皮肤电传感器、脉搏传感器、体温传感器、血氧传感器、血压传感器、血脂传感器和血糖传感器；嵌入所述靠背中的传感器包括以下中的一种或几种：心电传感器、汗液传感器、肌电传感器、皮肤电传感器、体温传感器、语音传感器、表情传感器、步态传感器、眼动传感器、呼吸传感器。
本发明实施例的多功能椅，针对精神状态量化需求，集成了与精神状态密切相关的脑电、心电、体温、皮肤电等传感器，实现了多种临床检查指标的采集功能；同时将精神状态分析装置嵌入多功能椅中，能够基于采集的生理数据和行为数据完成对精神状态的分析和评估，并通过附带的显示器输出显示结果，使椅子能够独立实现精神量化评估功能。
可视化装置可直接与用户进行交互，提供本地可视化交互和远程可视化交互功能，兼容多功能椅显示器、智能终端设备、PC机等多种终端设备。
其中，本地可视化与交互支持对采集到的多源生理数据和行为数据的原始数据以及预处理后的数据生成多幅易于理解的可视化图并展示；支持展示用户的精神状态量化结果；支持多种调节方式的可视化呈现，提供音频调节、视频调节、脑电生物神经反馈调节、认知训练反馈调节程序的计算机呈现；支持精神量化与辅助调节训练效果的可视化呈现，对比训练前后的精神状态变化情况；支持历史数据调取和可视化功能，可以回溯过去1个月以内的生理数据和行为数据、精神量化和辅助调节训练效果数据等可视化图；支持生理数据与行为数据分析结果、精神量化结果、辅助调节训练结果的一键发送和一键共享；支持接收云端推送的推荐方案，并进行本地可视化呈现。
远程可视化与交互借助精神状态量化云平台，将本地生成的多源生理数据和行为数据的原始数据以及处理后的数据、精神量化与辅助调节训练效果数据传送至云端，远程终端(包括手机、Pad、PC机等)可以远程实时获取多功能椅测量得到的精神状态信息。远程可视化与交互模块支持手机、Pad、PC机等多种智能终端。支持源生理数据和行为数据的原始数据以及处理后的数据的可视化分析。支持精神量化与辅助调节训练效果可视化。医生、社区或监护人可以通过远程可视化与交互模块对多功能椅测量结果进行实时追踪，分享推荐的精神量化与辅助调节训练方案至本地可视化与交互模块，实现交互共享。
图6为多功能椅的使用流程示意图。如图6所示，接通电源后，被测人员就座，将双手与多功能椅上的传感器触点紧密接触，戴好脑电帽，并保证脑电线缆与多功能椅接插良好。系统将检测被测人员与传感器的接触状况，并适时通过显示屏或语音等方式提醒被测人员按正确的方式接触传感器和紧固接插件。一切就绪后，系统进入数据同步记录状态。根据采集到的多源生理数据和行为数据得到精神状态量化结果，并通过显示屏将结果输出，一次精神状态评估结束。
图7为多功能椅的一种具体结构示意图。如图7所示，包括椅子底座10、腿12、靠背6、扶手8、显示器4、主机9(相当于上述的精神状态分析装置)、脑电帽1、扶手8上的传感器触点11、线缆7等。左右扶手8的搭手部位各设置有至少一个传感器触点11，传感器通过线缆7与主机9相连，能够将采集的生理和行为数据传输到主机9。所述传感器至少能够采集使用者的心电信号。心电传感器使用电极式原理测量，也可以采用光电式等其他原理，在此不做限制。脑电帽1通过靠背6上的脑电帽接口5和线缆7与主机9相连，能够采集被测人员的脑电信号并传输给主机9。此接口5也可以设置在底座10上，在此不做限制。所述脑电帽1至少能够采集一通道的脑电信号。脑电帽1可以采用湿电极、干电极或半湿电极，导联方式、通道数量和位置在此不做限制。显示器4通过线缆7与主机9相连，能够显示操作信息和输出精神量化评估结果。所述显示器4安装在显示器支架3上，能够通过显示器支架3进行旋转升降。该显示器4可以带有触控功能，以接受被测人员的操作。所述主机9包括处理器、存储器、电源管理模块等。所述主机9可具备网络功能，能够将采集的数据和结果通过有线或无线网络发送到远程服务器端或附近的计算机终端设备(如智能手机)，以便使用者通过不同设备和地点访问。
图8为多功能椅的第二种具体结构示意图。如图8所示，包括椅子底座10、带万向轮的支腿12、靠背6、扶手8、显示器4、主机9(相当于上述的精神状态分析装置)、脑电帽1、扶手8上的传感器触点11、线缆7等。椅子可通过支腿自由移动和进行一定程度的升降、旋转。其余功能与图7相同。
图9为多功能椅的第三种具体结构示意图，如图9所示，包括椅子底座10、靠背等。控制与算法单元(相当于上述的精神状态分析装置)嵌入在椅子底座10中。椅子的靠背的侧面15嵌入了眼动模块(含有眼动传感器)、步态采集摄像头(含有步态传感器)。椅子靠背的上平面14可折叠。椅子靠背的上平面14具有显示功能，并且嵌入了汗液模块(含有汗液传感器)、肌电模块(含有肌电传感器)、体温模块(含有体温传感器)、表情采集摄像头模块(含有表情传感器)，测呼吸的风速管(含有呼吸传感器)等。椅子可通过支腿进行双层的折叠。其余功能与上一形态相同。
本发明实施例还提供了一种精神状态分析装置，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一实施例～第三实施例所述的精神状态分析方法的步骤，并能实现同样的技术效果，在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一实施例～第三实施例所述的精神状态分析方法的步骤，并能实现同样的技术效果，在此不再赘述。
以上仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (15)
1.一种精神状态分析方法，其特征在于，包括：
获取生理数据和行为数据；
将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
2.如权利要求1所述的精神状态分析方法，其特征在于，在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型之前，还包括：构建所述生理/行为数据-精神量化值映射模型。
3.如权利要求2所述的精神状态分析方法，其特征在于，所述构建所述生理/行为数据-精神量化值映射模型的步骤包括：
分别采集用户的生理数据、行为数据及精神状态测评量表的得分，并对所述生理数据和所述行为数据进行预处理；
将用户的生理数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的生理数据分值；
根据若干个用户的生理数据、及生理数据分值，通过拟合得到生理数据-精神量化值映射模型；
将用户的行为数据以该用户精神状态测评量表的得分为参照进行打分，得到该用户的行为数据分值；
根据若干个用户的行为数据、及行为数据分值，通过拟合得到行为数据-精神量化值映射模型。
4.如权利要求1所述的精神状态分析方法，其特征在于，在得到的用户的精神状态之后，还包括：对所述生理/行为数据-精神量化值映射模型进行修正。
5.如权利要求1所述的精神状态分析方法，其特征在于，在将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值之前，还包括：
对所述生理数据和所述行为数据进行预处理。
6.如权利要求3或5所述的精神状态分析方法，其特征在于，对所述生理数据和所述行为数据进行预处理包括以下中的一项或多项：
对所述生理数据和所述行为数据进行数据同步处理；
对所述生理数据和所述行为数据中的相同数据进行去重处理；
对所述生理数据和所述行为数据进行数据过滤处理，以除去误码数据和无效数据；
对所述生理数据和所述行为数据进行滤波处理；
对所述生理数据和所述行为数据进行放大处理
对所述生理数据和所述行为数据进行相关性计算，以得到各个生理数据之间和/或各个行为数据之间的相关性；
对所述生理数据和所述行为数据进行降维处理，以减少每个数据中的评价指标或/和数据的数量。
7.如权利要求1所述的精神状态分析方法，其特征在于，所述将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态包括：
将所述生理精神状态量化值和所述行为精神状态量化值输入到预先设置的精神状态融合模型查找表中进行查找，得到用户的精神状态值。
8.如权利要求1～7任一项所述的精神状态分析方法，其特征在于，
所述生理数量包括脑电数据和心电数据；
所述行为数据包括以下中的一项或多项：语音数据、表情数据、步态数据、眼动数据、呼吸数据。
9.如权利要求8所述的精神状态分析方法，其特征在于，所述生理数据还包括以下中的一项或多项：体温数据、脉搏数据、汗液数据、皮肤电数据、肌电数据、血氧数据、血糖数据、血脂数据、血压数据。
10.一种精神状态分析装置，其特征在于，包括数据获取模块、数据计算模块及数据分析模块；
所述数据获取模块，用于获取生理数据和行为数据；
所述数据计算模块，用于将所述生理/行为数据输入到预设的生理/行为数据-精神量化值映射模型，得到生理/行为精神状态量化值；
所述数据分析模块，用于将所述生理精神状态量化值与所述行为精神状态量化值按照预设的规则进行处理，得到用户的精神状态。
11.一种多功能椅，其特征在于，包括数据采集装置、可视化装置及权利要求10所述的精神状态分析装置；
所述数据采集装置，用于采集用户的生理数据和行为数据，并将所述生理数据和行为数据发送至所述精神状态分析装置；
所述精神状态分析装置，用于对所述生理数据和行为数据进行分析，得到用户的精神状态；
所述可视化装置，用于将生理数据和行为数据、和/或对所述生理数据和行为数据进行分析时得到的中间结果、和/或用户的精神状态进行显示。
12.如权利要求11所述的多功能椅，其特征在于，还包括椅子底座、靠背及扶手；
所述数据采集装置包括传感器和脑电帽，所述传感器嵌入所述扶手和/或靠背中，通过扶手的传感器触点和/或靠背的传感器触点与人体接触，得到用户的生理数据或行为数据；所述脑电帽通过脑电线缆与所述靠背连接；
所述精神状态分析装置嵌入在所述底座或所述靠背中，通过线缆与所述传感器、脑电帽及可视化装置相连；
所述可视化装置位于所述靠背的上平面，或通过支架与所述靠背连接。
13.如权利要求12所述的多功能椅，其特征在于，
嵌入所述扶手中的传感器包括以下中的一种或几种：心电传感器、语音传感器、汗液传感器、肌电传感器、皮肤电传感器、脉搏传感器、体温传感器、血氧传感器、血压传感器、血脂传感器和血糖传感器；
嵌入所述靠背中的传感器包括以下中的一种或几种：心电传感器、汗液传感器、肌电传感器、皮肤电传感器、体温传感器、语音传感器、表情传感器、步态传感器、眼动传感器、呼吸传感器。
14.一种精神状态分析设备，其特征在于，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1～9中任一项所述的精神状态分析方法的步骤。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～9中任一项所述的精神状态分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810723856.XA CN109124655A (zh) | 2018-07-04 | 2018-07-04 | 精神状态分析方法、装置、设备、计算机介质及多功能椅 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810723856.XA CN109124655A (zh) | 2018-07-04 | 2018-07-04 | 精神状态分析方法、装置、设备、计算机介质及多功能椅 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109124655A true CN109124655A (zh) | 2019-01-04 |
Family
ID=64799880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810723856.XA Pending CN109124655A (zh) | 2018-07-04 | 2018-07-04 | 精神状态分析方法、装置、设备、计算机介质及多功能椅 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109124655A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109717853A (zh) * | 2019-03-14 | 2019-05-07 | 扬州大学 | 基于树莓派的车载驾驶员疲劳检测系统 |
| CN110059232A (zh) * | 2019-03-15 | 2019-07-26 | 杭州电子科技大学 | 一种基于用户体验度量的数据可视化方法 |
| CN110141259A (zh) * | 2019-06-04 | 2019-08-20 | 清华大学 | 一种基于无线通信测量认知负荷与心理压力的方法及装置 |
| CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
| CN111275956A (zh) * | 2020-05-06 | 2020-06-12 | 台州市远行客网络技术有限公司 | 一种生理数据超低功耗采集系统 |
| CN113100768A (zh) * | 2021-04-14 | 2021-07-13 | 中国人民解放军陆军特色医学中心 | 一种基于计算机视觉失能毁伤效应评估系统 |
| CN115192907A (zh) * | 2022-07-29 | 2022-10-18 | 北京理工大学 | 一种实时生物反馈经皮迷走神经电子针灸装置 |
| CN115969376A (zh) * | 2022-12-08 | 2023-04-18 | 上海零唯一思科技有限公司 | 精神状态分析方法及智能镜 |
| CN116595423A (zh) * | 2023-07-11 | 2023-08-15 | 四川大学 | 一种基于多特征融合的空中交通管制员认知负荷评估方法 |
| CN118098513A (zh) * | 2024-02-20 | 2024-05-28 | 北京中科睿医信息科技有限公司 | 认知行为训练系统及电子设备 |
| CN115969376B (zh) * | 2022-12-08 | 2025-12-30 | 上海零唯一思科技有限公司 | 精神状态分析方法及智能镜 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101554322A (zh) * | 2008-04-09 | 2009-10-14 | 陈敦金 | 产科危重症患者病情评估系统 |
| CN204091963U (zh) * | 2014-09-17 | 2015-01-14 | 吴春玲 | 一种生理健康监控座椅 |
| CN105094029A (zh) * | 2015-07-24 | 2015-11-25 | 上海帝仪科技有限公司 | 安全管理系统和方法 |
| CN105877766A (zh) * | 2016-06-21 | 2016-08-24 | 东北大学 | 一种基于多生理信号融合的精神状态检测系统及方法 |
| WO2017004362A1 (en) * | 2015-06-30 | 2017-01-05 | The General Hospital Corportation | System and methods for monitoring and improving cognitive flexibility |
| CN107027023A (zh) * | 2017-04-24 | 2017-08-08 | 北京理工大学 | 基于神经网络的VoIP无参考视频通信质量客观评价方法 |
| CN107137096A (zh) * | 2017-06-22 | 2017-09-08 | 中国科学院心理研究所 | 一种多模态生理和行为数据融合采集系统 |
| CN107405088A (zh) * | 2015-02-24 | 2017-11-28 | 皇家飞利浦有限公司 | 用于为血压测量设备提供控制信号的装置和方法 |
-
2018
- 2018-07-04 CN CN201810723856.XA patent/CN109124655A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101554322A (zh) * | 2008-04-09 | 2009-10-14 | 陈敦金 | 产科危重症患者病情评估系统 |
| CN204091963U (zh) * | 2014-09-17 | 2015-01-14 | 吴春玲 | 一种生理健康监控座椅 |
| CN107405088A (zh) * | 2015-02-24 | 2017-11-28 | 皇家飞利浦有限公司 | 用于为血压测量设备提供控制信号的装置和方法 |
| WO2017004362A1 (en) * | 2015-06-30 | 2017-01-05 | The General Hospital Corportation | System and methods for monitoring and improving cognitive flexibility |
| CN105094029A (zh) * | 2015-07-24 | 2015-11-25 | 上海帝仪科技有限公司 | 安全管理系统和方法 |
| CN105877766A (zh) * | 2016-06-21 | 2016-08-24 | 东北大学 | 一种基于多生理信号融合的精神状态检测系统及方法 |
| CN107027023A (zh) * | 2017-04-24 | 2017-08-08 | 北京理工大学 | 基于神经网络的VoIP无参考视频通信质量客观评价方法 |
| CN107137096A (zh) * | 2017-06-22 | 2017-09-08 | 中国科学院心理研究所 | 一种多模态生理和行为数据融合采集系统 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109717853A (zh) * | 2019-03-14 | 2019-05-07 | 扬州大学 | 基于树莓派的车载驾驶员疲劳检测系统 |
| CN110059232A (zh) * | 2019-03-15 | 2019-07-26 | 杭州电子科技大学 | 一种基于用户体验度量的数据可视化方法 |
| CN110059232B (zh) * | 2019-03-15 | 2021-05-07 | 杭州电子科技大学 | 一种基于用户体验度量的数据可视化方法 |
| CN110141259A (zh) * | 2019-06-04 | 2019-08-20 | 清华大学 | 一种基于无线通信测量认知负荷与心理压力的方法及装置 |
| CN110507335B (zh) * | 2019-08-23 | 2021-01-01 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
| CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
| CN111275956A (zh) * | 2020-05-06 | 2020-06-12 | 台州市远行客网络技术有限公司 | 一种生理数据超低功耗采集系统 |
| CN112002119A (zh) * | 2020-05-06 | 2020-11-27 | 台州市远行客网络技术有限公司 | 一种生理数据超低功耗采集系统 |
| CN111275956B (zh) * | 2020-05-06 | 2020-09-29 | 台州市远行客网络技术有限公司 | 一种生理数据超低功耗采集系统 |
| CN112002119B (zh) * | 2020-05-06 | 2021-06-11 | 深圳市小水滴健康科技有限公司 | 一种生理数据超低功耗采集系统 |
| CN113100768A (zh) * | 2021-04-14 | 2021-07-13 | 中国人民解放军陆军特色医学中心 | 一种基于计算机视觉失能毁伤效应评估系统 |
| CN113100768B (zh) * | 2021-04-14 | 2022-12-16 | 中国人民解放军陆军特色医学中心 | 一种基于计算机视觉失能毁伤效应评估系统 |
| CN115192907A (zh) * | 2022-07-29 | 2022-10-18 | 北京理工大学 | 一种实时生物反馈经皮迷走神经电子针灸装置 |
| CN115969376A (zh) * | 2022-12-08 | 2023-04-18 | 上海零唯一思科技有限公司 | 精神状态分析方法及智能镜 |
| CN115969376B (zh) * | 2022-12-08 | 2025-12-30 | 上海零唯一思科技有限公司 | 精神状态分析方法及智能镜 |
| CN116595423A (zh) * | 2023-07-11 | 2023-08-15 | 四川大学 | 一种基于多特征融合的空中交通管制员认知负荷评估方法 |
| CN116595423B (zh) * | 2023-07-11 | 2023-09-19 | 四川大学 | 一种基于多特征融合的空中交通管制员认知负荷评估方法 |
| CN118098513A (zh) * | 2024-02-20 | 2024-05-28 | 北京中科睿医信息科技有限公司 | 认知行为训练系统及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
| CN113397546B (zh) | 基于机器学习和生理信号的情绪识别模型构建方法及系统 | |
| CN109157231A (zh) | 基于情绪刺激任务的便携式多通道抑郁倾向评估系统 | |
| CN107788976A (zh) | 基于振幅整合脑电图的睡眠监测系统 | |
| CN109859843B (zh) | 智能健康一体机 | |
| WO2017193497A1 (zh) | 基于融合模型的智能化健康管理服务器、系统及其控制方法 | |
| WO2009015552A1 (en) | Body sign dynamically monitoring system | |
| CN116491944A (zh) | 一种基于智能手环的心理状态监测评估系统 | |
| CN109065162A (zh) | 一种综合性智能化诊断系统 | |
| CN102462494A (zh) | 一种新型智能心电测试保健器 | |
| CN116092673B (zh) | 一种便携式多信息融合分析及干预评估系统及其方法 | |
| CN102551676A (zh) | 个人健康监测系统 | |
| CN110037689A (zh) | 一种基于马桶圈的心电采集装置、心电监测系统及方法 | |
| CN112617833A (zh) | 一种基于静息态脑电波检测抑郁症的装置 | |
| CN120183675A (zh) | 基于多源协同刺激中多生理参数耦合的认知障碍闭环评测系统及方法 | |
| CN119344671A (zh) | 一种基于脑电-血氧饱和度-心电的便携式睡眠呼吸障碍监测设备 | |
| CN105096227A (zh) | 一种健康数据的可视化处理方法 | |
| CN209474587U (zh) | 一种疼痛评估系统 | |
| CN110782992B (zh) | 基于心电信号的康复效果量化评估智能实现方法及系统 | |
| CN201894645U (zh) | 一种新型智能心电测试保健器 | |
| CN115251852B (zh) | 一种体温调节功能的检测量化方法和系统 | |
| CN115568852B (zh) | 一种基于多体征手环的抑郁症风险评估系统及方法 | |
| CN112057090A (zh) | 基于体表极低频电势差特征的情绪判断穿戴式设备和方法 | |
| CN111265209A (zh) | 一种基于心电图和脑电图来评判着装接触舒适度的方法 | |
| CN118662131A (zh) | 基于柔性传感器的抑郁症多模态生理数据采集方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |