-
公开(公告)号：CN115429272B
公开(公告)日：2024-04-30
申请号：CN202211127908.X
申请日：2022-09-16
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明公开了一种基于多模态生理信号的心理健康状态评估方法及系统，该方法包括：采集被测人员在不同情绪诱发方式、相同情绪诱发范式下的多模态生理信号；利用相应模态的情绪识别模型，获取多条基于时间维度的情绪变化曲线，将多条情绪变化曲线拟合为一条拟合情绪变化曲线；基于不同模态的生理信号和拟合情绪变化曲线，分别利用相应模态的心理健康状态分类模型和综合心理健康状态分类模型，获取被测人员心理健康状态异常的多个初始概率和综合概率，进而计算得到最终概率，根据最终概率评估被测人员的心理健康状态。本发明利用多模态的生理信号综合评估被测人员的心理健康状态，提高心理健康状态评估的客观性和准确性。
-
公开(公告)号：CN115429272A
公开(公告)日：2022-12-06
申请号：CN202211127908.X
申请日：2022-09-16
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明公开了一种基于多模态生理信号的心理健康状态评估方法及系统，该方法包括：采集被测人员在不同情绪诱发方式、相同情绪诱发范式下的多模态生理信号；利用相应模态的情绪识别模型，获取多条基于时间维度的情绪变化曲线，将多条情绪变化曲线拟合为一条拟合情绪变化曲线；基于不同模态的生理信号和拟合情绪变化曲线，分别利用相应模态的心理健康状态分类模型和综合心理健康状态分类模型，获取被测人员心理健康状态异常的多个初始概率和综合概率，进而计算得到最终概率，根据最终概率评估被测人员的心理健康状态。本发明利用多模态的生理信号综合评估被测人员的心理健康状态，提高心理健康状态评估的客观性和准确性。
-
公开(公告)号：CN115299947A
公开(公告)日：2022-11-08
申请号：CN202211084909.0
申请日：2022-09-06
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明提供了基于多模态生理数据的心理量表置信度评估方法及系统，涉及生理数据评估技术领域，包括采集被试者在心理量表测试过程中单题目的多模态生理信号数据，并分别进行预处理；对单题目时刻生理信号按时间戳进行数据切片，标准为时间戳工具数据，完成各模态分段操作；对各模态分别训练预测模型获得单题目置信度，并在特征层和决策层分别设计策略进行融合，获得更准确地单题目置信度；将各量表单题目置信度和行为数据输入至概率密度模型进行量表置信度的预测；对于测试者来说，在部分量表的测评上缩短了时间，更是避免了测谎题在特殊情况下失效。
-
公开(公告)号：CN115281675A
公开(公告)日：2022-11-04
申请号：CN202211027919.0
申请日：2022-08-25
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
IPC: A61B5/16 , A61B5/0205
Abstract: 本发明涉及心理测评技术领域，尤其涉及一种用于心理测评的作答手柄、心理测评系统及使用方法。用于心理测评的作答手柄，用于与显示器配合使用，作答手柄包括手柄主体，所述手柄主体顶面设置手柄按键，手柄主体侧面设置红外摄像头，手柄主体内设置有无线连接模块；所述无线连接模块用于连接显示器，手柄按键用于选择功能及作答题目，红外摄像头用于监测测试者作答题目时的生理信息，所述生理信息为手内动脉血管的波动。解决了准备过程繁琐使测试者产生紧张和抵触情绪，以及评估过程中测试者采用固定姿势影响作答情绪，从而影响心理测评估准确性的问题。
-
公开(公告)号：CN113128233A
公开(公告)日：2021-07-16
申请号：CN202110512846.3
申请日：2021-05-11
Applicant: 济南大学 , 山东思正信息科技有限公司
IPC: G06F40/295 , G06N5/02 , G06F16/951
Abstract: 本发明提供了一种心理疾病知识图谱的构建方法及系统，获取心理疾病相关已有信息，建立心理疾病语料集；根据所述心理疾病语料集，确定实体、关系以及属性指示词表；利用语言模型对所述心理疾病语料集中的数据进行微调，构建心理疾病命名实体识别数据集，提取其特征值，将微调后的数据和提取的特征进行融合，利用融合后的数据对预先构建的深度学习模型进行训练；利用训练后的深度学习模型对待处理的心理疾病语料进行预测，将预测得到的实体类别索引序列转换为实体类型序列，并将各实体词存入实体词表，并依据关系类型以及属性类型，分别抽取实体关系和属性数据，进行分别存储。本发明可有效地提高实体识别的精度，提高抽取复杂实体的正确率。
-
Patent Agency Ranking
公开(公告)号：CN101919704A
公开(公告)日：2010-12-22
申请号：CN201010263495.9
申请日：2010-08-19
Applicant: 济南大学
Abstract: 本发明涉及一种心音信号定位、分段方法和装置，包括：一预处理单元，包括滤波功能模块，用于对心音信号进行预处理，过滤带外噪声；一初始状态确定单元，用于确定起始周期、最大周期和起始点；一计算单元，用于计算相邻两个计算周期信号的相关系数；一第一搜索单元，用于在上述相关系数中搜索相关系数极值1；一第二搜索单元，用于在上述相关系数极值1中搜索相关系数极值2；一分段单元，用于对心音信号进行分段。本发明提供的心音信号定位、分段方法和装置利用自相关系数法、能自动精确定位。
-
公开(公告)号：CN115299947B
公开(公告)日：2024-10-22
申请号：CN202211084909.0
申请日：2022-09-06
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明提供了基于多模态生理数据的心理量表置信度评估方法及系统，涉及生理数据评估技术领域，包括采集被试者在心理量表测试过程中单题目的多模态生理信号数据，并分别进行预处理；对单题目时刻生理信号按时间戳进行数据切片，标准为时间戳工具数据，完成各模态分段操作；对各模态分别训练预测模型获得单题目置信度，并在特征层和决策层分别设计策略进行融合，获得更准确地单题目置信度；将各量表单题目置信度和行为数据输入至概率密度模型进行量表置信度的预测；对于测试者来说，在部分量表的测评上缩短了时间，更是避免了测谎题在特殊情况下失效。
-
公开(公告)号：CN115359809B
公开(公告)日：2024-04-19
申请号：CN202211019109.0
申请日：2022-08-24
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明公开了针对长时情感语音的自适应二阶分段方法及系统，对待分段的长时情感语音进行加窗分帧处理，将处理后的每一帧进行短时能量的计算；判断连续若干帧的短时能量是否发生跳变，如果是就计算短时能量方差，将短时能量方差与设定阈值进行比较；如果否就判断连续帧的短时能量是否出现连续零值，如果否，则计算短时能量方差，将短时能量方差与设定阈值进行比较；将短时能量方差与设定阈值进行比较，大于设定阈值则进行长时情感语音的第一阶分段，否则就根据第一阶分段结果计算每个一阶分段短时能量高低阈值以及短时过零率阈值，实现第二阶分段双门限语音端点检测阈值随情感变化的自适应调整，完成长时情感语音的第二阶分段。
-
公开(公告)号：CN115553777A
公开(公告)日：2023-01-03
申请号：CN202211362642.7
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/16 , A61B5/024 , A61B5/00 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/82 , G06V20/40 , G06V40/16
Abstract: 本发明公开了一种非接触式精神压力检测方法及系统，该方法包括：对获取的原始视频帧图像进行预处理，识别视频帧图像中人脸面部区域，提取感兴趣区域图像；采用基于不同颜色空间互补特性的CHROM算法对获取的感兴趣区域图像进行BVP信号提取；利用基于梯度提升回归的多输出回归模型对提取的BVP信号进行信号恢复；基于恢复的BVP信号，分别进行基于时空特征图的心率预测和HRV特征提取；利用预测的心率和HRV特征训练压力检测模型，通过训练完成的检测模型实现对视频帧图像中待测人员的精神压力检测。本发明通过BVP信号恢复去除噪声，以及融合心率变异性特征与心率特征，实现精神压力检测准确性的提高。
-
公开(公告)号：CN113506629A
公开(公告)日：2021-10-15
申请号：CN202110712305.5
申请日：2021-06-25
Applicant: 济南大学 , 山东思正信息科技有限公司
Abstract: 本发明属于心理检测技术领域，提供了一种症状自评量表简化及结果预测方法与系统。症状自评量表简化方法包括，获取症状自评量表测试记录；统计因子得分，并对因子进行排序；训练量表分数预测模型，依据设定的评价指标所对应的最小特征数，得到简化表保留因子；根据简化表保留因子分数，训练删除因子分数预测模型，得到删除因子分数；根据简化表保留因子对应的因子题组，训练因子分数预测模型，依据设定的评价指标所对应的最小特征数，得到简化题组题目；基于简化表因子和简化题组题目，生成简化症状自评量表。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.019 seconds)
