一种识别抑郁情绪障碍的方法、装置及可穿戴设备与流程

1.本技术涉及健康监测技术领域，具体涉及一种识别抑郁情绪障碍的方法。本技术同时涉及一种识别抑郁情绪障碍的装置和一种可穿戴设备。


背景技术：

2.现有的抑郁情绪障碍识别过程中，通常使用各种身体指标或生理指标作为识别抑郁情绪障碍的考虑因子，例如，基于呼吸数据、心跳数据等生理监测数据对用户进行分析，以确定该用户是否为抑郁情绪障碍患者。然而，不同类型的精神障碍的表现形式较为接近、且其对应的身体指标或生理指标之间的区分度较小，使得抑郁情绪障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险，进而使得抑郁情绪障碍的识别结果的准确性受到影响。
3.因此，如何提升抑郁情绪障碍的识别准确性，是需要解决的问题。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种识别抑郁情绪障碍的方法、识别抑郁情绪障碍的装置及可穿戴设备，以解决现有的因抑郁情绪障碍的识别结果与其它类型精神障碍之间存在识别混淆的风险而使得抑郁情绪障碍的识别结果的准确性受到影响的问题。
5.为了解决或者一定程度上改善上述技术问题，根据本发明一方面，提供一种识别抑郁情绪障碍的方法，所述方法包括：获得目标用户的抑郁情绪相关数据，所述抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，所述抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，所述指标类别包括个体行为指标、环境交互指标以及身体指标；响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
6.在一些实施方式中，所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：将所述抑郁情绪相关数据与所述指标分值进行比较；所述响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍，包括：响应于所述抑郁情绪相关数据与所述指标分值相同、或者所述抑郁情绪相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
7.在一些实施方式中，所述个体行为数据包括如下中的至少一种：行为规律数据；
日常心境数据；睡眠指标数据；所述身体指数数据包括如下中的至少一种：活动水平数据；生理指标数据；所述环境交互数据包括如下中的至少一种：社交程度数据；活动范围数据。
8.在一些实施方式中，所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
9.在一些实施方式中，所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值；所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值，所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点；基于所述多个预设时间点分别对应的高频能量功率谱密度值，获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线；将所述目标变化曲线的形状与预设的抑郁识别参考曲线的形状进行比较，所述抑郁识别参考曲线表征抑郁情绪障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线；所述抑郁情绪相关数据满足所述抑郁情绪识别指标，包括：所述目标变化曲线的形状与所述抑郁识别参考曲线的形状之间的相似度达到预定相似度阈值。
10.在一些实施方式中，所述生理指标数据包括皮肤电定向反应数据。
11.在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言情绪指数。
12.在一些实施方式中，所述获得目标用户的抑郁情绪相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；基于所述多模态原始数据进行数据提取，获得所述抑郁情绪相关数据。
13.根据本发明的另一方面，提供一种识别抑郁相关精神障碍的装置，其特征在于，所述装置包括：抑郁情绪相关数据获得单元，用于获得目标用户的抑郁情绪相关数据，所述抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；抑郁识别指标比较单元，用于将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，所述抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，所述指标类别包括个体行为指标、环境交互指标以及身体指标；
抑郁情绪确定单元，用于响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
14.根据本发明的另一方面，提供一种可穿戴设备，所述可穿戴设备可执行如上所述的方法。
15.与现有技术相比，本发明具有以下优点：本发明提供的识别抑郁情绪障碍的方法，在获得目标用户的抑郁情绪相关数据之后，将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；指标类别包括个体行为指标、环境交互指标以及身体指标；响应于抑郁情绪相关数据满足抑郁情绪识别指标，确定目标用户的精神障碍类型为抑郁情绪障碍。该方法通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的抑郁情绪相关数据均作为识别抑郁情绪障碍时的考虑因子，使得抑郁情绪障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与抑郁情绪相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使用与之对应的指标分值作为各抑郁情绪相关数据的参考标准，使得抑郁情绪障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升抑郁情绪障碍识别结果的准确性。
附图说明
16.图1是本技术一实施例提供的识别抑郁情绪障碍的方法的流程图；图2是本技术一实施例提供的识别抑郁情绪障碍的装置的单元框图；图3是本技术一实施例提供的可穿戴设备的逻辑结构示意图。
具体实施方式
17.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
18.针对抑郁情绪识别场景，为了提升抑郁情绪识别结果的准确性，本技术提供了一种识别抑郁情绪障碍的方法，该识别抑郁情绪障碍的方法。本技术还提供了与上述方法相对应的识别抑郁情绪障碍的装置、可穿戴设备。以下提供实施例对上述方法、装置、可穿戴设备进行详细说明。
19.本技术一实施例提供一种识别抑郁情绪障碍的方法，该方法的应用主体可以为用于对用户的抑郁情绪障碍进行识别的计算设备应用，该计算设备应用可运行于可穿戴设备中或用于进行精神障碍识别的服务器中。图1为本技术实施例提供的识别抑郁情绪障碍的方法的流程图，以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。
20.如图1所示，本实施例提供的识别抑郁情绪障碍的方法包括如下步骤：s101，获得目标用户的抑郁情绪相关数据。
21.本步骤用于获得抑郁情绪相关数据，该抑郁情绪相关数据是指对抑郁情绪具有相
关性的各类别数据，每个类别的抑郁情绪相关数据均可作为识别抑郁情绪障碍时的考虑因子，在本实施例中，抑郁情绪相关数据包括不同维度和不同形态的个体行为数据、环境交互数据以及身体指数数据。其中，个体行为数据可以为如下中的一种或多种：行为规律数据、日常心境数据、睡眠指标数据；身体指标数据包括如下中的一种或多种：活动水平数据；生理指标数据；环境交互数据包括如下中的一种或多种：社交程度数据；活动范围数据。
22.其中，上述个体行为数据中的行为规律数据包括行为稳定性（interdaily stability，is）数据和/或行为波动性（intradaily variability，iv）数据。is代表行为稳定性，区间范围在0-1之间，数值越小，行为模式越不稳定，即用户昼夜的行为模式是紊乱的，该种紊乱现象体现出抑郁风险，即，is数值越小，用户出现心理问题的风险越大。iv代表行为波动性，区间范围在0-2之间，数值越大，行为模式越偏向于碎片化，同样表明行为不存在稳定的模式，即，模式越碎片化，出现心理问题的风险越大。在本实施例中，行为稳定性数据可通过如下公式计算获得：
23.行为波动性数据可通过如下公式计算获得：
24.其中，n表征数据的总个数，p表征平均每天的数据采集个数，xh表征平均每小时的数值大小，x表征所有数据的平均值，xi表征每个数据点的数值大小，h表征时间（例如，小时数），上述数据指的是加速度的数据大小。
25.上述日常心境数据是指用于表征目标用户的积极情绪状态或消极情绪状态的数据，其包括如下中的一种或多种：语音文本情绪指数（例如负能量或消极情绪的语音或文本数据的比例）、正负性词频比例（例如负能量词语的比例）、肢体语言情绪指数（例如肢体语言中表征积极情绪的比例、表征消极情绪的比例）。
26.上述睡眠指标数据包括睡眠时长、惊醒次数、深度睡眠时长、入睡时间、起床时间、睡眠时段（例如在白天某一时段睡眠或夜晚某一时段睡眠）。
27.上述活动水平数据表征目标用户的能量消耗状况，抑郁障碍的明显症状之一为精神运动迟滞，具体表现为运动量减小，进而能量消耗降低。在本实施例中，可通过运动传感器计算基于如下公式计算获得目标用户的活动水平数据：
28.其中，α表征vm3的系数大小，β表征gender的系数大小，ν表征bmi的系数大小，δ为公式的常量，一个特定数值，类似于方程y轴上的截距，vm3为合加速度（单位为g，范围一般在0.6-1.8g之间），gender表征性别，女性编码为0，男性编码为1，bmi表征体重(kg) / (身高(m))^2，一般范围在[18.5
–
24.9]之间，小于这个数值体重偏瘦，高于这个数值体重偏胖。
[0029]
上述生理指数包括如下中的一种或多种：心率变异性（heart rate variability，
hrv）数据、皮肤电定向反应数据（electro dermal orienting reactivity，edor）、皮肤电活动（electrodermal activity，eda）数据。
[0030]
其中，hrv能反映心率变化的变异性，反映自主神经系统中交感神经活性与副交感神经活性的大小及其平衡协调的关系，其可作为身体机能应对环境变化和压力、情绪强度的适应能力的指标，心率变异性越高，则心血管功能较好，心脏能够越快地适应环境刺激和情绪、压力带来的影响，即机体对应激刺激的适应程度越好，抗压能力强；反之，则表明机体的适应能力越差，心率变异性较低的个体具有焦虑、抑郁、心血管疾病的风险更大，压力过大、情绪波动、睡眠不良等情况都可能会降低hrv。
[0031]
edor是一种生理测量方法，用于评估个体对环境刺激的反应，皮肤电导率会随着交感神经系统的活动而变化，因此该种反应通常通过皮肤电导率的变化来测量，例如，通过给用户提供一种刺激（如声音、光线或图像）并测量其皮肤电导率，如果用户对刺激做出了强烈的反应，则其皮肤电导率会上升，如果皮肤电导率没有显著变化或变化较小，则表明其对刺激的反应较弱（电皮肤低反应性），而电皮肤低反应性在一些精神障碍疾病中可能会出现，例如抑郁症，有自杀倾向的抑郁症患者通常会表现出电皮肤低反应性。基于此，本实施例中可采用edor作为抑郁情绪相关数据。
[0032]
皮肤电活动指的是皮肤表面汗腺由于应激或其他刺激引起的激活而导致的电传导能力的变化，例如，当机体受到刺激（如针刺、电击等）或者情绪产生变化时，自主神经系统的交感神经分支被唤醒，皮肤内的血管会产生收缩和舒张，机体的汗腺被激活而发生变化，分泌汗液，汗液含有水和电解质，通过皮孔进入皮肤表面，增加皮肤的导电性，降低皮肤电阻，皮肤电活动（electrodermal activity, eda）。
[0033]
上述环境交互数据用于表征目标用户的社交状态，抑郁情绪障碍的重要特征之一即为少社交或无社交，因此，可将环境交互数据作为抑郁情绪相关数据之一。其中，环境交互数据中的社交程度数据可以为用户通话次数、通话时长、信息发送次数、社交频率等数据；活动范围数据可以通过用户的位置变异情况进行表征，在本实施例中，其可通过如下公式计算获得：
[0034]
其中，location variance代表位置变异，lat表示纬度，long表示经度，如果location variance数值偏小，则标明用户长期处于较为固定的位置，比如公司和家庭的两点一线，无多余外出。
[0035]
在本实施例中，可通过如下方式获得目标用户的抑郁情绪相关数据：基于目标用户佩戴的可穿戴设备、采集获得多模态原始数据，例如通过可穿戴设备安装的脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、gps传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块采集用户的ppg信号、起床时间点、入睡时间点、社交数据、肢体动作、地理位置等多模态原始数据；基于多模态原始数据进行数据提取，获得上述不同类型的抑郁情绪相关数据。
[0036]
s102，将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，当抑郁情绪相关数据满足抑郁情绪识别指标时，确定目标用户的精神障碍类型为抑郁情绪障碍。
[0037]
在上述步骤获得目标用户的个体行为数据、环境交互数据以及身体指数数据等抑郁情绪相关数据之后，本步骤用于将上述各抑郁情绪相关数据与预设的抑郁识别指标进行
比较，该抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，指标类别包括个体行为指标（行为规律指标、日常心境指标、睡眠指标）、环境交互指标（社交程度指标以及活动范围指标）以及身体指标（活动水平指标、生理指标），即，指标类别与上述抑郁情绪相关数据的类别相一致，指标分值可作为各指标类别对抑郁情绪障碍的影响阈值。
[0038]
需要说明的是，针对任意两种不同类型的精神障碍（例如抑郁情绪障碍与焦虑障碍），其对应的指标类别可以相同或部分相同（部分相同是指某些精神障碍在有些指标类别上较为突出，与指标类别之间的关联程度较高，而另一精神障碍则与该指标类别无关联），在指标类别相同或部分相同的情况下，至少存在一种或多种相同指标类别对应不同的指标分值，即，同一种指标类别与不同类型的精神障碍之间的关联程度有所区分，例如，对于与抑郁情绪障碍相关的指标类别为行为规律指标、日常心境指标、睡眠指标、活动水平指标、生理指标、社交程度指标以及活动范围指标，与焦虑障碍相关的指标类别同样为上述各指标，然而，抑郁情绪障碍与上述多种指标类型的关联关系明显高于焦虑障碍与上述多种指标类型的关联关系，因此，针对相同指标类别，在识别抑郁情绪障碍时所使用的指标分值高于识别焦虑障碍时使用的指标分值。再例如，本步骤将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，具体是指将上述抑郁情绪相关数据与指标分值进行比较，即，将所有抑郁情绪相关数据中的各抑郁情绪相关数据分别与其所对应指标类别的指标分值进行比较，当抑郁情绪相关数据与上述指标分值相同、或者抑郁情绪相关数据与指标分值之间的差值小于预定阈值，则确定目标用户的精神障碍类型为抑郁情绪障碍。
[0039]
在本实施例中，上述生理指标数据还包括心率变异性（heart rate variability，hrv）数据中的高频能量功率谱密度值，分析hrv可以使用的参数通常被分为时域参数（例如sdnn、rmssd、nn50、sdann等）和频域参数（例如lf、hf、lf/hf等），其中，hf即为高频能量功率谱密度值。对于不同类型的精神障碍以及正常用户，其高频能量功率谱密度值随时间（一般为活动前、活动中、活动后的预设时间点）的变化曲线的形状不同，例如，焦虑障碍与抑郁情绪障碍对应的上述曲线的形状不同，因此，基于该特性，在另一实施方式中，上述将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，还可以是指：获得目标用户在多个预设时间点分别对应的高频能量功率谱密度值，多个预设时间点包括目标用户在执行活动任务（例如压力测试任务）中、执行活动任务之前以及执行活动任务之后对应的各时间点；基于多个预设时间点分别对应的高频能量功率谱密度值，获得高频能量功率谱密度值随各预设时间点的目标变化曲线；将目标变化曲线的形状与预设的抑郁识别参考曲线的形状进行比较，抑郁识别参考曲线表征抑郁情绪障碍患者所对应的高频能量功率谱密度值随各预设时间点的变化曲线；当目标变化曲线的形状与抑郁识别参考曲线的形状之间的相似度达到预定相似度阈值时，则确定抑郁情绪相关数据满足抑郁情绪识别指标。
[0040]
本技术实施例提供的识别抑郁情绪障碍的方法，在获得目标用户的抑郁情绪相关数据之后，将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据，指标类别包括个体行为指标、环境交互指标以及身体指标；当抑郁情绪相关数据满足抑郁情绪
识别指标时，确定目标用户的精神障碍类型为抑郁情绪障碍。该方法通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的抑郁情绪相关数据均作为识别抑郁情绪障碍时的考虑因子，使得抑郁情绪障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与抑郁情绪相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得抑郁情绪障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升抑郁情绪障碍识别结果的准确性。
[0041]
上述第一实施例提供了一种识别抑郁情绪障碍的方法，与之相对应的，本技术另一实施例还提供了一种识别抑郁情绪障碍的装置，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
[0042]
请参考图2理解该实施例，图2为本实施例提供的识别抑郁情绪障碍的装置的单元框图，如图2所示，本实施例提供的装置包括：抑郁情绪相关数据获得单元201，用于获得目标用户的抑郁情绪相关数据，抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；抑郁识别指标比较单元202，用于将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，指标类别包括个体行为指标、环境交互指标以及身体指标；抑郁情绪确定单元203，用于响应于抑郁情绪相关数据满足抑郁情绪识别指标，确定目标用户的精神障碍类型为抑郁情绪障碍。
[0043]
在一些实施方式中，所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：将所述抑郁情绪相关数据与所述指标分值进行比较；所述响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍，包括：响应于所述抑郁情绪相关数据与所述指标分值相同、或者所述抑郁情绪相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
[0044]
在一些实施方式中，所述个体行为数据包括如下中的至少一种：行为规律数据；日常心境数据；睡眠指标数据；所述身体指数数据包括如下中的至少一种：活动水平数据；生理指标数据；所述环境交互数据包括如下中的至少一种：社交程度数据；活动范围数据。
[0045]
在一些实施方式中，所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
[0046]
在一些实施方式中，所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值；所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值，所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点；基于所述多个预设时间点分别对应的高频能量功率谱密度值，获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线；将所述目标变化曲线的形状与预设的抑郁识别参考曲线的形状进行比较，所述抑郁识别参考曲线表征抑郁情绪障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线；所述抑郁情绪相关数据满足所述抑郁情绪识别指标，包括：所述目标变化曲线的形状与所述抑郁识别参考曲线的形状之间的相似度达到预定相似度阈值。
[0047]
在一些实施方式中，所述生理指标数据包括皮肤电定向反应数据。
[0048]
在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言情绪指数。
[0049]
在一些实施方式中，所述获得目标用户的抑郁情绪相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；基于所述多模态原始数据进行数据提取，获得所述抑郁情绪相关数据。
[0050]
本技术实施例提供的识别抑郁情绪障碍的装置，通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的抑郁情绪相关数据均作为识别抑郁情绪障碍时的考虑因子，使得抑郁情绪障碍的识别过程不仅考虑了身体或生理情况这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与抑郁情绪相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得抑郁情绪障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升抑郁情绪障碍识别结果的准确性。
[0051]
在上述的实施例中，提供了一种识别抑郁情绪障碍的方法以及一种识别抑郁情绪障碍的装置，此外，本技术另一实施例还提供一种可穿戴设备，该可穿戴设备可以为可穿戴手环、头盔等，该可穿戴设备上安装有如脉搏波传感器、皮肤电传感器、加速度传感器、角速度传感器、gps传感器、血氧传感器、血压传感器、语音传感器等用于采集多模态原始数据的传感器及其它监测模块。由于可穿戴设备实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对可穿戴设备实施例的描述仅仅是示意性的。该可穿戴设备实施例如下：请参考图3理解本实施例，图3为本实施例提供的可穿戴设备的示意图。
[0052]
如图3所示，本实施例提供的可穿戴设备除了各种采集多模态原始数据的传感器及其它监测模块外，还包括：处理器301和存储器302；
该存储器302用于存储数据处理的计算机指令，该计算机指令在被处理器301读取执行时，执行如下操作：获得目标用户的抑郁情绪相关数据，所述抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，所述抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，所述指标类别包括个体行为指标、环境交互指标以及身体指标；响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
[0053]
在一些实施方式中，所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：将所述抑郁情绪相关数据与所述指标分值进行比较；所述响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍，包括：响应于所述抑郁情绪相关数据与所述指标分值相同、或者所述抑郁情绪相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为抑郁情绪障碍。
[0054]
在一些实施方式中，所述个体行为数据包括如下中的至少一种：行为规律数据；日常心境数据；睡眠指标数据；所述身体指数数据包括如下中的至少一种：活动水平数据；生理指标数据；所述环境交互数据包括如下中的至少一种：社交程度数据；活动范围数据。
[0055]
在一些实施方式中，所述行为规律数据包括行为稳定性数据和/或行为波动性数据。
[0056]
在一些实施方式中，所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值；所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值，所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点；基于所述多个预设时间点分别对应的高频能量功率谱密度值，获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线；将所述目标变化曲线的形状与预设的抑郁识别参考曲线的形状进行比较，所述抑郁识别参考曲线表征抑郁情绪障碍患者所对应的高频能量功率谱密度值随所述各预设时间点的变化曲线；
所述抑郁情绪相关数据满足所述抑郁情绪识别指标，包括：所述目标变化曲线的形状与所述抑郁识别参考曲线的形状之间的相似度达到预定相似度阈值。
[0057]
在一些实施方式中，所述生理指标数据包括皮肤电定向反应数据。
[0058]
在一些实施方式中，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言情绪指数。
[0059]
在一些实施方式中，所述获得目标用户的抑郁情绪相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；基于所述多模态原始数据进行数据提取，获得所述抑郁情绪相关数据。
[0060]
本实施例提供的可穿戴设备，通过将个体行为数据、环境交互数据以及身体指数数据等不同形态或维度的抑郁情绪相关数据均作为识别抑郁情绪障碍时的考虑因子，使得抑郁情绪障碍的识别过程不仅考虑了身体或生理因素这一单一因子或同种类别因子的影响，而且考虑了不同维度和不同形态的与抑郁情绪相关的多类型因子的影响，充分利用各类型因子与不同精神障碍之间的不同关联程度，使得抑郁情绪障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升抑郁情绪障碍识别结果的准确性。
[0061]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0062]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (ram) 和/或非易失性内存等形式，如只读存储器 (rom) 或闪存(flash ram)。内存是计算机可读介质的示例。
[0063]
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、 其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
[0064]
2、本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
[0065]
本技术虽然以较佳实施例公开如上，但其并不是用来限定本技术，任何本领域技术人员在不脱离本技术的精神和范围内，都可以做出可能的变动和修改，因此本技术的保护范围应当以本技术权利要求所界定的范围为准。

技术特征：
1.一种识别抑郁情绪障碍的方法，其特征在于，所述方法包括：获得目标用户的抑郁情绪相关数据，所述抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，所述抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，所述指标类别包括个体行为指标、环境交互指标以及身体指标；响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍。2.根据权利要求1所述的方法，其特征在于，所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：将所述抑郁情绪相关数据与所述指标分值进行比较；所述响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍，包括：响应于所述抑郁情绪相关数据与所述指标分值相同、或者所述抑郁情绪相关数据与所述指标分值之间的差值小于预定阈值，确定所述目标用户的精神障碍类型为抑郁情绪障碍。3.根据权利要求1所述的方法，其特征在于，所述个体行为数据包括如下中的至少一种：行为规律数据；日常心境数据；睡眠指标数据；所述身体指数数据包括如下中的至少一种：活动水平数据；生理指标数据；所述环境交互数据包括如下中的至少一种：社交程度数据；活动范围数据。4.根据权利要求3所述的方法，其特征在于，所述行为规律数据包括行为稳定性数据和/或行为波动性数据。5.根据权利要求3所述的方法，其特征在于，所述生理指标数据包括心率变异性数据中的高频能量功率谱密度值；所述将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，包括：获得所述目标用户在多个预设时间点分别对应的高频能量功率谱密度值，所述多个预设时间点包括所述目标用户在执行活动任务中、执行活动任务之前以及执行活动任务之后对应的各时间点；基于所述多个预设时间点分别对应的高频能量功率谱密度值，获得所述高频能量功率谱密度值随所述各预设时间点的目标变化曲线；将所述目标变化曲线的形状与预设的抑郁识别参考曲线的形状进行比较，所述抑郁识别参考曲线表征抑郁情绪障碍患者所对应的高频能量功率谱密度值随所述各预设时间点
的变化曲线；所述抑郁情绪相关数据满足所述抑郁情绪识别指标，包括：所述目标变化曲线的形状与所述抑郁识别参考曲线的形状之间的相似度达到预定相似度阈值。6.根据权利要求3所述的方法，其特征在于，所述生理指标数据包括皮肤电定向反应数据。7.根据权利要求3所述的方法，其特征在于，所述日常心境数据包括如下中的至少一种：语音文本情绪指数；正负性词频比例；肢体语言情绪指数。8.根据权利要求1所述的方法，其特征在于，所述获得目标用户的抑郁情绪相关数据，包括：基于所述目标用户佩戴的可穿戴设备、采集获得多模态原始数据；基于所述多模态原始数据进行数据提取，获得所述抑郁情绪相关数据。9.一种识别抑郁相关精神障碍的装置，其特征在于，所述装置包括：抑郁情绪相关数据获得单元，用于获得目标用户的抑郁情绪相关数据，所述抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；抑郁识别指标比较单元，用于将各所述抑郁情绪相关数据与预设的抑郁识别指标进行比较，所述抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，所述指标类别包括个体行为指标、环境交互指标以及身体指标；抑郁情绪确定单元，用于响应于所述抑郁情绪相关数据满足所述抑郁情绪识别指标，确定所述目标用户的精神障碍类型为抑郁情绪障碍。10.一种可穿戴设备，其特征在于，所述可穿戴设备可执行如权利要求1-8中任一项所述的方法。

技术总结
本申请公开了识别抑郁情绪障碍的方法、装置及可穿戴设备，该方法包括：在获得目标用户的抑郁情绪相关数据之后，将各抑郁情绪相关数据与预设的抑郁识别指标进行比较，抑郁识别指标包括与抑郁情绪障碍相关的指标类别以及用于表征各指标类别与抑郁情绪障碍之间的关联程度的指标分值，抑郁情绪相关数据包括个体行为数据、环境交互数据以及身体指数数据；当抑郁情绪相关数据满足抑郁情绪识别指标时，确定目标用户的精神障碍类型为抑郁情绪障碍。该方法充分利用各类型因子与不同精神障碍之间的不同关联程度，使得抑郁情绪障碍的识别结果能够明确区分于其它类型的精神障碍，有效提升抑郁情绪障碍识别结果的准确性。郁情绪障碍识别结果的准确性。郁情绪障碍识别结果的准确性。


技术研发人员：刘旭 欧博
受保护的技术使用者：北京中科心研科技有限公司
技术研发日：2023.07.21
技术公布日：2023/8/24