[发明专利]一种基于智能手环的心理状态监测评估系统

说明书

本发明公开了一种基于智能手环的心理状态监测评估系统，包括智能手环、移动端app和云端服务器；当用户戴上智能手环并在手机终端确认开始监测时，智能手环将通过语音采集模块采集用户日常聊天语音，通过心电采集模块采集用户心电数据，并将收集的数据通过显示模块和通信模块的显示和传送，通讯模块通过多种通讯方式与云端服务器连接，云端服务器接收语音和心电数据，通过心理预测模块将结果返回到手机移动端app，用户在手机移动端app上查看得到的评估结果。

技术领域

本发明属于健康监测技术领域，更为具体地讲，涉及一种基于智能手环的心理状态监测评估系统。

背景技术

世界卫生组织在最新报告中指出，心理问题在全世界导致了12％的疾病。此外，报告强调，46％的疾病都与抑郁症直接相关。世卫组织的专家认为，如果保持这一趋势，在不考虑社会经济水平、国家、信仰和文化等因素的情况下，到2030年抑郁症将成为致残的第一大诱因。据估计，目前全世界有3亿人受到抑郁症困扰。然而，心理疾病在患病前期并没有明显症状，有明显症状是疾病已经达到非常严重的程度。大多数人根本不知道患有心理疾病。同时由于中国人民的工作压力增大和生活水平提高，患有心理疾病的人群比例逐年增加，同时呈年轻化趋势发展。可以预见，在未来，中国会为心理疾病即其衍生疾病花费巨额的公共医疗投入。因此找到一种有效的、便捷的评估心理状态的系统很有必要。目前，心理疾病的诊断和疗效评估缺少客观的测量方法和工具，主要依靠病史、患者自述以及临床量表等主观评估方法，从而造成早期情感障碍识别困难，使得患者常常因此失去最佳治疗时机。

随着深度学习技术的快速发展，NLP(Nature language model，自然语言处理)领域也越来越多引入了深度学习技术，其效果相比传统的基于规则或者传统统计方法的处理方式有了长足的进步。而利用transformer模型的预训练语言表示模型，如BERT(Bidirectional Encoder Representations from Transformers)，在各项NLP任务中取得了比传统的方法表现更出色的成绩，因为transformer改进了RNN最为人诟病的训练慢的特点。利用Self-attention机制实现快速并行，并且Transformer可以增加到非常深的深度，充分发掘DNN(Deep Neural Networks，深度神经网络)模型的特征，提升模型准确率。智能化的语音识别系统层出不穷，并且给带来了许多便利。然而目前关注于用户的智能化健康监测系统及技术尚未有较好的应用。

对用户日常聊天和对话进行分析可以对心理疾病进行早期诊断和预测性评估，实时对话监测记录可以更加准确的监测心理状况。综上所述，实时、易于使用的心理监测方法是很有必要的。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于智能手环的心理状态监测评估系统，通过语音和心电对用户日常监测，分析用户情感波动并给出评估和预测。

为实现上述发明目的，本发明一种基于智能手环的心理状态监测评估系统，其特征在于，包括：智能手环、移动端app和云端服务器；

所述智能手环主要完成语音和心电数据的采集和上传，具体包括以下模块：

语音采集模块，部署在智能手环外侧的拾音器，用于记录用户日常的语音数据；

心电采集模块，部署在智能手环内侧贴近皮肤的心电传感器，用于记录用户聊天时的心电数据；将心电数据采集并通过控制模块将数据传输给通讯模块；

控制模块，部署在智能手环正上方，用于接收语音数据和心电数据，然后生成控制命令发送给显示模块，同时将语音数据和心电数据通过通讯模块发送给云端服务器；

显示模块，部署在智能手环外侧的显示器，用于接收控制模块发送的控制命令，并按照控制命令进行显示；

数据存储模块，部署在智能手环正下方，为可读、写存储单元，用于存储用户的身份信息、用户预设重要信息，以及存储音数据和心电数据；