一种穿戴式的抑郁障碍识别及发作检测方法和装置

本发明涉及电子信息，更具体地，涉及一种穿戴式的抑郁障碍识别及发作检测装置和方法。

背景技术：

1、研究人员利用各类传感器致力于抑郁障碍识别，如使用摄像头捕获面部信息、音频信号提取特征、分析文本语义，以及利用生理信号如脑电图、心电图等。然而，这些方法存在隐私泄露、环境依赖、成本高等问题。近年来，可穿戴设备如智能手表崭露头角，其内置丰富传感器，提供更便捷、普适的数据采集方式，可以反映用户生理状态和情绪波动。尽管可穿戴设备具有普及性和便携性，但其准确性和应用场景仍有提升空间。

2、在现有技术中，识别抑郁障碍的方案主要分为两类。一类是利用用户的图像、音频、文本或者这些模态组成的多模态组合进行抑郁障碍识别，然而这些模态的数据都面临着隐私泄露，并且受到环境的影响导致系统性能降低。另一类是利用普适可穿戴设备或者医用设备收集用户的生理数据进行抑郁障碍评估和识别。这种方式通常仅采集用户生理数据来进行抑郁障碍识别。例如，利用普适可穿戴设备获取用户物理信息，如用户活动情况、睡眠情况以及心率相关数据。通过医用设备采集如脑电图(eeg)、心电图(ecg)等生理数据进行抑郁障碍识别时，一般使用的是单一模态的数据，并且医用设备的成本较高，这限制了它们在大规模普及中的应用，并且缺乏普遍使用性和便捷性等。

3、经分析，目前国内外对可穿戴设备采集生理数据进行多模态特征融合下的抑郁障碍识别的研究较少，并且通常不支持用户个性化。此外，还没有对抑郁障碍患者的发作状态进行检测的方案。例如，2020年，pedrelli paola等人利用empatica e4的腕带式设备和智能手机传感器对重度抑郁障碍患者进行为期17周的行为和生理监测，然后借助在此期间的临床访谈和汉密尔顿抑郁量表(hdrs)来评估患者抑郁障碍的严重程度的可行性。该方案设计了三个模型结合患者行为和生理特征得出hdrs评分的估计值，与医生评定的hdrs之间进行相关性分析，结果显示呈现高相关。又如，2019年，xu xuhai等人使用智能手机的多个传感器同时提供用户情境特征，使用fitbit腕带设备采集到用户的睡眠数据，然后通过关联规则挖掘这些时间序列移动数据，提取深度情境特征。然后将这些特征通过传统机器学习方法来检测是否是抑郁症。

4、经分析，现有方案主要存在以下缺陷：

5、1)没有考虑到跨用户情况，即模型没有考虑到新用户的情况，并且只是对每一种模态数据分别建立对应的抑郁识别模型。

6、2)使用图像、音频、文本数据时会面临隐私泄露的问题，并且还会受到环境的影响导致识别性能下降。

7、3)利用医用专业设备采集到的数据对用户进行诊断，这种系统成本较高，且只用单一模态的生理数据，系统的可靠性低。

8、4)现有的基于可穿戴设备的抑郁障碍识别方案不支持个性化用户，无法很好适配新用户。

9、5)现有方案都是针对抑郁障碍识别这单一问题进行研究，但均没有进行抑郁障碍患者发作状态检测，更没有将抑郁障碍识别和抑郁发作状态相结合，使得被诊断出抑郁障碍的患者无法进一步了解自己的状态。

技术实现思路

1、本发明的目的是克服上述现有技术的缺陷，提供一种穿戴式的抑郁障碍识别及发作检测方法和装置。

2、根据本发明的第一方面，提供一种穿戴式的抑郁障碍识别及发作检测方法。该方法包括以下步骤：

3、利用可穿戴设备采集目标用户的多模态数据；

4、将所述多模态数据输入到经训练的抑郁障碍识别模型，以判断目标用户是否为抑郁障碍者或正常者；

5、在判定为抑郁障碍者的情况下，将对应的多模态数据输入到经训练的抑郁障碍发作检测模型，以判断目标用户是否处于发作状态。

6、根据本发明的第二方面，提供一种穿戴式的抑郁障碍识别及发作检测装置。该装置包括：

7、可穿戴设备：用于获取目标用户的多模态数据；

8、识别模块：用于将所述多模态数据输入到经训练的抑郁障碍识别模型，以判断目标用户是否为抑郁障碍者或正常者；

9、检测模块：用于在判定为抑郁障碍者的情况下，将对应的多模态数据输入到经训练的抑郁障碍发作检测模型，以判断目标用户是否处于发作状态。

10、与现有技术相比，本发明的优点在于，所提供的抑郁障碍识别及发作检测方案可以在可穿戴设备上实现，利用可穿戴设备自动地收集不同模态的生理数据进行特征融合，并将融合特征传递给抑郁障碍识别模型，获得识别结果，进而将被识别为抑郁障碍患者的生理数据传递给抑郁障碍发作检测模型，以判断是否处于发作状态，从而能够实时了解用户当前状态，有效地避免出现极端危害行为。

11、通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

技术特征：

1.一种穿戴式的抑郁障碍识别及发作检测方法，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述抑郁障碍识别模型包括第一特征提取器和第一类别分类器，并根据以下步骤进行训练：

3.根据权利要求2所述的方法，其特征在于，所述抑郁障碍发作检测模型包括第二特征提取器和第二类别分类器，并根据以下步骤进行训练：

4.根据权利要求3所述的方法，其特征在于，所述利用源域数据预训练第二特征提取器和第二类别分类器包括：

5.根据权利要求2所述的方法，其特征在于，第一特征提取器包括长短时记忆网络层、第一线性层、卷积层和池化层，第一类别分类器包括第二线性层、dropout层以及softmax层，其中，所述长短时记忆网络层分别对每种模态的数据进行特征提取，获得多个时序特征，第一线性层用于将长短时记忆网络层输出的时序特征映射到目标空间，得到多种相同维度的一维向量，并将其在第一维度上拼接，进而将拼接后的数据依次传递至卷积层和池化层，获得多模态数据的融合特征，进而将该融合特征传递至第一类别分类器。

6.根据权利要求4所述的方法，其特征在于，第一特征提取器和第二特征提取器具有相同或不同的结构，第一类别分类器和第二类别分类器具有相同或不同的结构。

7.根据权利要求1所述的方法，其特征在于，所述多模态数据包括脉搏信号数据ppg、血氧信号数据中红外光数据ir、血氧信号数据中红光数据ired、皮肤电信号数据gsr、表皮温度信号数据skt、惯性测量单元信号数据imu。

8.一种穿戴式的抑郁障碍识别及发作检测装置，包括：

9.根据权利要求8所述的装置，其特征在于，所述识别模块和所述检测模块内嵌于所述可穿戴设备，并且所述可穿戴设备包括stm32主控板、皮肤电传感器、体温传感器、血氧传感器、脉搏传感器、肌电传感器、imu传感器、显示屏和无线模块，其中：

10.一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现根据权利要求1至7任一项所述的方法的步骤。

技术总结
本发明公开了一种穿戴式的抑郁障碍识别及发作检测方法和装置。该方法包括：利用可穿戴设备采集目标用户的多模态数据；将所述多模态数据输入到经训练的抑郁障碍识别模型，以判断目标用户是否为抑郁障碍者或正常者；在判定为抑郁障碍者的情况下，将对应的多模态数据输入到经训练的抑郁障碍发作检测模型，以判断目标用户是否处于发作状态。本发明首先使用多模态生理信号进行抑郁障碍识别，并在此基础上进行抑郁障碍发作检测，从而使得用户能更详细了解自身的情绪状态。

技术研发人员：邹永攀,宋奇峰,金硕,邝文婷
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/5/12