专利 | 基于微表情与脑波分析算法的心理健康状况分析算法

Hello，大家好，这里是行上行下，

我是隔壁壹脑云的Ting Zhang~

今天和大家一起学习的是“基于微表情与脑波分析算法的心理健康状况分析算法”这个专利。它是由上海对外经贸大学和华东师范大学的刘峰、齐佳音、王晗阳、周爱民和李志斌申请的专利。

这个发明涉及精神测评技术领域，具体涉及基于微表情与脑波分析算法的心理健康状况分析算法，通过对儿童的脑波信号以及微表情的数据收集，避免了过多的主观因素，同时利用计算机技术与心理学的科学交叉，提升了对儿童心理焦虑状况的识别效果，使得识别结果具有高准确性、针对临床应用需求具有可解释性，能够切实地解决目前研究中对儿童焦虑症识别不准确、干预不及时的问题。

我们将从背景技术、发明内容、其他说明三个方面来解读，一起来学习吧~

背景技术

目前，国内微表情识别研究的发展在微表情识别的迁移学习上发展非常快，在将脑波研究用于运动想象控制外部设备以及为残障人士提供康复训练等方面，已经取得了不少的成就，其中，在利用脑波信号进行精神健康测评方面也有了一定的应用。

然而实际工作中发现，在儿童焦虑方面的研究，部分学者采用了大数据技术来收集行为进行分析，这些检测技术对儿童来说其实都不是十分友好的，非常容易存在数据缺失和数据不真实等情况，也无法进行大范围推广。

经研究认为，目前儿童焦虑测评方面的技术存在的缺陷有：

1、数据集的极度缺乏，由于微表情特殊的性质，因此需要设计较为复杂的实验才能让人自发的产生微表情，而微表情的人工识别难度又较大，使得数据集的标注也成了一大难题；

2、脑波信号在时间序列上的强连续性，以及多通道之间的相关联性容易被忽视，如何改进现有的对信号的特征提取算法也成了一大难题，同时还需要提高信号的可信度、提高预测准确率；

3、表情、微表情与情绪之间的对应关系仍不明确，需要进行大量的实验和样本分析进行探索验证，同时，儿童焦虑症特征如何在计算机科学角度进行量化，如何确定焦虑症患儿的脑波特征，与脑波领域进行融合，都是亟需解决的难题；

4、传统方式通过监护人填表来判断儿童心理情况，该方式中，由于监护人主观判断的存在，因此，心理情况的评测就不一定准确。

发明内容

针对现有技术中存在的不足，本发明提供了一种基于微表情与脑波分析算法的心理健康状况分析算法，所要解决的技术问题是如何通过对儿童的脑波信号以及微表情的数据收集，避免了过多的主观因素，提升了对儿童心理焦虑状况的识别效果，使得识别结果具有高准确性。

为解决上述技术问题，本发明提供的技术方案是：一种基于微表情与脑波分析算法的心理健康状况分析算法，包括以下步骤：

进一步地，在步骤S1中，采集不同刺激下被试人员对应的脑波数据。

进一步地，在步骤S3中，预处理的方式为降噪和分通道。

进一步地，在步骤S2中，在预处理的脑波数据的基础上设计合适的算法将特征整合在输入层，并采用机器学习模型训练得到模型。

进一步地，在步骤S2中，根据实验的反馈与评估来优化算法调整模型。

其他说明

本技术方案所带来的有益效果是：本发明是一种基于微表情与脑波分析算法的心理健康状况分析算法，通过对儿童的脑波信号以及微表情的数据收集，避免了过多的主观因素，同时利用计算机技术与心理学的科学交叉，提升了对儿童心理焦虑状况的识别效果，使得识别结果具有高准确性、针对临床应用需求具有可解释性，能够切实地解决目前研究中对儿童焦虑症识别不准确、干预不及时的问题。

需要说明的是，在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定的编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明内容。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本次的分享就到这里了，欢迎关注，我们一起学习人工智能方面的其他专利吧~

参考资料：

[1] 刘峰,齐佳音,王晗阳,周爱民,李志斌. 基于微表情与脑波分析算法的心理健康状况分析算法: 中国，CN112716494A. 2021-01-18.

- END -

编辑 | Ting Zhang

校对｜喵君姐姐

往期回顾

新栏目！来看人工智能方向的专利！

2021-12-12