基于瞳孔波计算情绪指标的方法、装置及系统

1.本公开涉及计算机技术领域，尤其涉及一种基于瞳孔波计算情绪指标的方法、装置及系统。


背景技术：

2.随着经济社会的发展，人们对于学习、工作和生活的质量与效率的要求也随之提高，使人们对于学习、工作和生活的环境越来越不适应，导致情绪指标异常，长期的情绪指标异常如果得不到舒缓，就会产生心理异常，进而发展成焦虑情绪和抑郁情绪。来自互联网
‑
中新网2020年12月29日的报道：病患从重症监护病房出来后，约40%的人会出现焦虑症状，约30%的人会出现抑郁症状。情绪异常通常会表现出情感障碍：压力的主要情绪表现是感到心理紧张、心慌、烦躁不安、情绪不稳定等；焦虑的主要情绪表现为恐惧、害怕、心烦意乱、提心吊胆等，抑郁的主要情绪表现是情绪低落、苦恼忧伤、快感缺失、兴趣减低等。情绪指标异常如果不能及时准确地检查和评估其严重程度，及时地进行心理干预有几率发展成焦虑症或抑郁症的。
3.身体健康检查是保证疾病早发现早治疗的必要手段，但是，目前的身体健康检查主要通过生理设备对血糖、心电、血脂等生理健康检查为主，缺少针对于情绪指标的检查和评估设备。目前，情绪指标的评估方法主要是使用自评量表，例如，pstr自评量表用于评估压力状态、phq
‑
9自评量表用于评估抑郁状态、gat
‑
7自评量表用于评估焦虑状态等。使用这些量表必须有一定的文化知识和理解力，自评量表中含有多个条目，每个条目包括3个以上的选择项目，这种情绪指标测评方法的主观性较强，例如，gat
‑
7自评量表中的第7项（要求根据过去两周的发生情况选择）：“7感觉好像有什么可怕的事情会发生”0.完全不会1.有几天2.一半以上的日子3.几乎每天同时，gat
‑
7自评焦虑量表、phq
‑
9自评抑郁量表等自评量表由于缺乏与心境直接相关的情感指标，其评估与判别不是直接与情感体验相关，评估准确性较差。


技术实现要素：

4.本公开实施例提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，能够提高情绪指标计算的准确性。
5.为此，本公开实施例提供了如下技术方案：第一方面，本公开实施例提供了一种基于瞳孔波计算情绪指标的方法，包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个所述情绪时的瞳孔波作为情绪瞳孔波；根据所述平静瞳孔波和所述情绪瞳孔波计算所述情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。
6.可选地，根据所述平静瞳孔波和所述情绪瞳孔波计算所述情绪指标的指数值包括：根据所述平静瞳孔波分别计算每个所述情绪瞳孔波对应的带宽瞳孔波；分别计算每个所述情绪瞳孔波对应的差分瞳孔波；将所述平静瞳孔波、所述情绪瞳孔波、所述带宽瞳孔波和所述差分瞳孔波输入预训练的深度卷积神经网络，得到所述情绪指标的指数值。
7.可选地，所述带宽瞳孔波的计算公式如下：所述带宽瞳孔波的计算公式如下：其中，为平静瞳孔波在第t秒的数值，m为平静瞳孔波的采集时间(秒)，为平静瞳孔波的平均值，为第i个情绪对应的情绪瞳孔波在第t秒的取值，为第i个情绪对应的带宽瞳孔波在第t秒的取值。
8.可选地，所述差分瞳孔波的计算公式如下：其中，为第i个情绪对应的情绪瞳孔波在第t秒的取值，为第i个情绪对应的情绪瞳孔波在第t+1秒的取值，为第i个情绪对应的差分瞳孔波在第t秒的取值。
9.可选地，所述预训练的深度卷积神经网络包括：瞳孔波通道，用于接收所述平静瞳孔波和所述情绪瞳孔波，并通过卷积神经网络提取特征；带宽瞳孔波通道，用于接收所述带宽瞳孔波，并通过卷积神经网络提取特征；差分瞳孔波通道，用于接收所述差分瞳孔波，并通过卷积神经网络提取特征；全连接层，用于接收第一通道、第二通道和第三通道提取的特征，并输出所述情绪指标的指数值。
10.可选地，采集瞳孔波包括：获取被测试者瞳孔直径或瞳孔面积随时间的变化曲线得到初始瞳孔波；将所述初始瞳孔波中瞳孔图像≤50像素的点删除，得到包括缺失值的初始瞳孔波；采用相邻均值差值法对缺失值进行补充，得到瞳孔波。
11.可选地，相邻均值差值法的计算公式如下：其中，为瞳孔波在第t秒的数值。
12.可选地，所述情绪指标为以下一种或几种：第一异常指标、第二异常指标和第三异
常指标；所述第一异常指标对应的多个情绪包括快乐和悲伤；所述第二异常指标对应的多个情绪包括快乐和威胁；所述第三异常指标对应的多个情绪包括快乐和紧张。
13.第二方面，本公开实施例提供了一种基于瞳孔波计算情绪指标的装置，包括：第一采集模块，用于采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；第一获取模块，用于获取情绪指标对应的多个情绪；第二采集模块，用于分别采集被测试者处于每个所述情绪状态时的瞳孔波作为情绪瞳孔波；数据处理模块，用于根据所述平静瞳孔波和所述情绪瞳孔波计算所述情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。
14.第三方面，本公开实施例提供了一种基于瞳孔波计算情绪指标的系统，包括：二维视频或虚拟现实场景生成装置，用于生成平静二维视频或平静虚拟现实场景、快乐二维视频或快乐虚拟现实场景、悲伤二维视频或悲伤虚拟现实场景、威胁二维视频或威胁虚拟现实场景、紧张二维视频或紧张虚拟现实场景；显示装置，所述显示装置与所述二维视频或虚拟现实场景情绪视频生成装置相连，用于将所述平静二维视频或平静虚拟现实场景、所述快乐二维视频或快乐虚拟现实场景、所述悲伤二维视频或悲伤虚拟现实场景、所述威胁二维视频或威胁虚拟现实场景和所述紧张二维视频或紧张虚拟现实场景分别提供给被测试者观看；瞳孔波生成装置，所述瞳孔波生成装置与所述显示装置相连，用于分别生成所述被测试者在观看所述平静二维视频或平静虚拟现实场景、所述快乐二维视频或快乐虚拟现实场景、所述悲伤二维视频或悲伤虚拟现实场景、所述威胁二维视频或威胁虚拟现实场景和所述紧张二维视频或紧张虚拟现实场景时的瞳孔波；情感带宽瞳孔波生成装置，所述情感带宽瞳孔波生成装置与所述瞳孔波生成装置相连，所述情感带宽瞳孔波生成装置包括快乐情感带宽瞳孔波生成装置、悲伤情感带宽瞳孔波生成装置、威胁情感带宽瞳孔波生成装置和紧张情感带宽瞳孔波生成装置，所述快乐情感带宽瞳孔波生成装置用于将被测试者在观看快乐二维视频或快乐虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，所述悲伤情感带宽瞳孔波生成装置用于将被测试者在观看悲伤二维视频或悲伤虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，所述威胁情感带宽瞳孔波生成装置用于将被测试者在观看威胁二维视频或威胁虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，所述紧张情感带宽瞳孔波生成装置用于将被测试者在观看紧张二维视频或紧张虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波；差分瞳孔波生成装置，所述差分瞳孔波生成装置与所述瞳孔波生成装置相连，所述差分瞳孔波生成装置包括快乐差分瞳孔波生成装置、悲伤差分瞳孔波生成装置、威胁差分瞳孔波生成装置和紧张差分瞳孔波生成装置，所述快乐差分瞳孔波生成装置用于将被测试者在观看快乐二维视频或快乐虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，所述悲伤差分瞳孔波生成装置用于将被测试者在观看悲伤二维视频或悲伤虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，所述威胁差分瞳孔波生成装置用于将被测试者在观看威胁二
维视频或威胁虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，所述紧张差分瞳孔波生成装置用于将被测试者在观看紧张二维视频或紧张虚拟现实场景时产生的瞳孔波转换为差分瞳孔波；情绪指标生成装置，所述情绪指标生成装置分别与瞳孔波生成装置、情感带宽瞳孔波生成装置和差分瞳孔波生成装置相连，用于根据所述瞳孔波、情感带宽瞳孔波和差分瞳孔波生成情绪指标的指数值。
15.本公开实施例中提供的一个或多个技术方案，具有如下优点：本公开实施例提供的基于瞳孔波计算情绪指标的方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算被测试者情绪指标的指数值能够降低主观因素的影响，进而得到更精准的计算结果。
附图说明
16.图1是根据本公开一实施方式的基于瞳孔波计算情绪指标的方法的流程图；图2是图1所示的基于瞳孔波计算情绪指标的方法中步骤s104的流程图；图3是根据本公开一实施方式的平静瞳孔波和情绪瞳孔波的采集方法的流程图；图4是根据本公开一实施方式的基于瞳孔波计算情绪指标的装置的结构框图；图5是根据本公开一实施方式的基于瞳孔波计算情绪指标的系统结构示意图；图6是根据本公开一实施方式的抑郁情绪评估装置结构示意图；图7是根据本公开一实施方式的焦虑情绪评估装置结构示意图；图8是根据本公开一实施方式的压力情绪评估装置结构示意图。
17.附图标记：11：第一采集模块；13：第二获取模块；14：第二采集模块；15：数据处理模块；21：虚拟现实场景情绪视频生成装置；22：显示装置；23：瞳孔波生成装置；24：情感带宽瞳孔波生成装置；25：差分瞳孔波生成装置；26：情绪指标生成装置；3：抑郁情绪评估装置；31：第1通道；32：第2通道；33：第3通道；34：第一全连接层；4：焦虑情绪评估装置；41：第4通道；42：第5通道；43：第6通道；44：第二全连接层；5：压力情绪评估装置；51：第7通道；52：第8通道；53：第9通道；54：第三全连接层。
具体实施方式
18.为使本公开的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本公开进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
19.本公开，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
20.在本公开的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
21.此外，下面所描述的本公开不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
22.图1是根据本公开一实施方式的基于瞳孔波计算情绪指标的流程图。如图1所示，本公开提供了一种基于瞳孔波计算情绪指标的方法，包括如下步骤：s101：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；s102：获取情绪指标对应的多个情绪状态；s103：分别采集被测试者处于每个情绪状态时的瞳孔波作为情绪瞳孔波；s104：根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。
23.本公开实施例提供的基于瞳孔波计算情绪指标的方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
24.图2是图1所示的基于瞳孔波计算情绪指标方法中步骤s104的流程图。如图2所示，根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值包括如下步骤：s1051：根据平静瞳孔波分别计算每个情绪瞳孔波对应的带宽瞳孔波。
25.s1052：分别计算每个情绪瞳孔波对应的差分瞳孔波；s1053：将平静瞳孔波、情绪瞳孔波、带宽瞳孔波和差分瞳孔波输入预训练的深度卷积神经网络，得到情绪指标的指数值。
26.可选以平静瞳孔波的平均值为基线，计算每个情绪瞳孔波对应的带宽瞳孔波。带宽瞳孔波的计算公式如下：宽瞳孔波的计算公式如下：其中，为平静瞳孔波在第t秒的数值，m为平静瞳孔波的秒数，为平静瞳孔波的平均值，为第i个情绪对应的情绪瞳孔波在第t秒的取值，为第i个情绪对应的带宽瞳孔波在第t秒的取值。在一些实施例中，为悲伤情绪对应的悲伤瞳孔波，为快乐情绪对应的快乐瞳孔波，为威胁情绪对应的威胁瞳孔波，为紧张情绪对应的紧张瞳孔波。
27.差分瞳孔波的计算公式如下：其中，为第i个情绪对应的情绪瞳孔波在第t秒的取值，为第i个情绪对应的情绪瞳孔波在第t+1秒的取值，为第i个情绪对应的差分瞳孔波在第t秒的取值。在一些实施例中，为悲伤情绪对应的悲伤差分瞳孔波，快乐情绪对应的快乐差分瞳孔波，为威胁情绪对应的威胁差分瞳孔波，为紧张情绪对应的紧张
差分瞳孔波。
28.预训练的深度卷积神经网络包括：瞳孔波通道，用于接收平静瞳孔波和情绪瞳孔波，并通过卷积神经网络提取特征；带宽瞳孔波通道，用于接收带宽瞳孔波，并通过卷积神经网络提取特征；差分瞳孔波通道，用于接收差分瞳孔波，并通过卷积神经网络提取特征；、全连接层，用于接收第一通道、第二通道和第三通道提取的特征，并输出情绪指标的指数值。
29.在采集瞳孔波的过程中，被测试者在闭眼或半闭眼时，瞳孔的面积为0或很小，不具备参考价值。在一些实施例中，采集瞳孔波包括：获取被测试者瞳孔直径或瞳孔面积随时间的变化曲线得到初始瞳孔波；将所述初始瞳孔波中瞳孔图像≤50 像素的点删除，得到包括缺失值的初始瞳孔波；采用相邻均值差值法对缺失值进行补充，得到瞳孔波。
30.相邻均值差值法的计算公式如下：其中，为瞳孔波在第t秒的数值。将缺失值前一秒的瞳孔波数值和后一秒的瞳孔波数值取平均值作为缺失值。
31.情绪指标包括第一异常指标、第二异常指标和第三异常指标。在一些实施例中，第一异常指标为抑郁指标，第二异常指标为焦虑指标，第三异常指标为压力指标。第一异常指标对应的多个情绪包括快乐和悲伤；第二异常指标对应的多个情绪包括快乐和威胁；第三异常指标对应的多个情绪包括快乐和紧张。该方法提供抑郁指标的客观计算方法，通过测定被测试者的不同情绪的瞳孔波，弥补了以往缺少基于情感计算情绪指标的不足。 图3是根据本公开一实施方式的瞳孔波的采集方法的流程图。如图3所示，瞳孔波的生成方法包括如下步骤：s301：分别生成平静、悲伤、快乐、威胁和紧张情绪对应的虚拟现实场景视频；s303：对虚拟现实场景视频进行剪辑。过短的视频不能起到影响被测试者情绪的作用，过长的视频会影响被测试者后续改变情绪，剪辑后的视频时长为1分钟30秒时能达到测试的目的。
32.s304：将剪辑后的虚拟现实场景视频按照设定顺序提供给被测试者观看。视频按照平静、悲伤、快乐、威胁和紧张的顺序对应播放，能够减少不同类视频相互影响。
33.s305：采集被测试者的瞳孔随时间的变化曲线。
34.本公开实施例提供的基于瞳孔波计算情绪指标的方法首次提出了瞳孔波的概念，克服了以往人们对于外界情绪体验的主观评分方法的模糊性和不确定性，使用瞳孔波物理指标客观地度量平静、快乐、悲伤、威胁和紧张情绪体验能力，从而提供基于情感的计算情绪指标的客观标准。通过测定被测试者的瞳孔波，弥补了以往缺少情感动态定量评价的不足，并且在临床应用中，医生可以将情绪指标的指数值与正常人的取值范围相比较，可以对被测试者的情绪指标的指数值是否异常进行评估和判别。
35.图4是根据本公开一实施方式的基于瞳孔波计算情绪指标的装置的结构框图。如图4所示，本公开实施例提供了一种基于瞳孔波计算情绪指标的装置，包括：第一采集模块11，用于采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；
第一获取模块13，用于获取情绪指标对应的多个情绪；第二采集模块14，用于分别采集被测试者处于每个情绪状态时的瞳孔波作为情绪瞳孔波；数据处理模块15，用于根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。
36.本公开实施例提供的基于瞳孔波计算情绪指标的装置首次提出了瞳孔波的概念，克服了以往人们对于外界情绪体验的主观评分方法的模糊性和不确定性，使用瞳孔波物理指标客观地度量平静、快乐、悲伤、威胁和紧张情绪体验能力，从而提供基于情感的计算情绪指标的方法。通过测定被测试者的瞳孔波，弥补了以往缺少情感动态定量评价的不足，并且在临床应用中，医生可选将被测试者的情绪指标的指数值与正常人情绪指标的取值范围相比较，进而对被测试者的情绪指标的指数值是否异常进行评估和判别。
37.图5是根据本公开一实施方式的基于瞳孔波计算情绪指标的系统结构示意图。如图5所示，本公开实施例提供了一种基于瞳孔波计算情绪指标的系统，包括：虚拟现实场景情绪视频生成装置21，用于生成平静虚拟现实场景、快乐虚拟现实场景、悲伤虚拟现实场景、威胁虚拟现实场景和紧张虚拟现实场景；显示装置22，显示装置22与虚拟现实场景情绪视频生成装置21相连，用于将平静虚拟现实场景、快乐虚拟现实场景、悲伤虚拟现实场景、威胁虚拟现实场景和紧张虚拟现实场景分别提供给被测试者观看；瞳孔波生成装置23，瞳孔波生成装置23与显示装置22相连，用于分别生成被测试者在观看平静虚拟现实场景、快乐虚拟现实场景、悲伤虚拟现实场景、威胁虚拟现实场景和紧张虚拟现实场景时的瞳孔波；情感带宽瞳孔波生成装置24，情感带宽瞳孔波生成装置24与瞳孔波生成装置23相连，情感带宽瞳孔波生成装置24包括快乐情感带宽瞳孔波生成装置24、悲伤情感带宽瞳孔波生成装置24、威胁情感带宽瞳孔波生成装置24和紧张情感带宽瞳孔波生成装置24，快乐情感带宽瞳孔波生成装置24用于将被测试者在观看快乐虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，悲伤情感带宽瞳孔波生成装置24用于将被测试者在观看悲伤虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，威胁情感带宽瞳孔波生成装置24用于将被测试者在观看威胁虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波，紧张情感带宽瞳孔波生成装置24用于将被测试者在观看紧张虚拟现实场景时产生的瞳孔波转换为情感带宽瞳孔波；差分瞳孔波生成装置25，差分瞳孔波生成装置25与瞳孔波生成装置23相连，差分瞳孔波生成装置25包括快乐差分瞳孔波生成装置25、悲伤差分瞳孔波生成装置25、威胁差分瞳孔波生成装置25和紧张差分瞳孔波生成装置25，快乐差分瞳孔波生成装置25用于将被测试者在观看快乐虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，悲伤差分瞳孔波生成装置25用于将被测试者在观看悲伤虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，威胁差分瞳孔波生成装置25用于将被测试者在观看威胁虚拟现实场景时产生的瞳孔波转换为差分瞳孔波，紧张差分瞳孔波生成装置25用于将被测试者在观看紧张虚拟现实场景时产生的瞳孔波转换为差分瞳孔波；情绪指标生成装置26，基于瞳孔波计算情绪指标的装置26分别与瞳孔波生成装置23、情感带宽瞳孔波生成装置24和差分瞳孔波生成装置25相连，用于根据瞳孔波、情感带宽
瞳孔波和差分瞳孔波生成情绪指标的指数值。
38.在临床应用中，医生可以将情绪指标的指数值与正常人的取值范围相比较，可以对被测试者的情绪指标的指数值是否异常进行评估和判别。
39.图6是根据本公开一实施方式的抑郁情绪评估装置3结构示意图。如图6所示，基于瞳孔波计算情绪指标的装置26包括抑郁情绪评估装置3；抑郁情绪评估装置3包括第1通道31，第1通道31与平静瞳孔波生成装置、快乐瞳孔波生成装置和悲伤瞳孔波生成装置相连，通过深度卷积神经网络实现抑郁状态特征提取；抑郁情绪评估装置3包括第2通道32，第2通道32与快乐情感带宽瞳孔波生成装置24和悲伤情感带宽瞳孔波生成装置24相连，通过深度卷积神经网络实现抑郁状态特征提取；抑郁情绪评估装置3还包括第3通道33，第3通道33与快乐差分瞳孔波生成装置25和悲伤差分瞳孔波生成装置25相连，通过深度卷积神经网络实现抑郁状态特征提取；抑郁情绪评估装置3还用于将第1、2和3通道提取的抑郁状态特征通过第一全连接层34生成第一异常指标数值。
40.图7是根据本公开一实施方式的焦虑情绪评估装置4结构示意图，如图7所示，基于瞳孔波计算情绪指标的装置26包括焦虑情绪评估装置4；焦虑情绪评估装置4包括第4通道41，第4通道41与平静瞳孔波生成装置、快乐瞳孔波生成装置和威胁瞳孔波生成装置相连，通过深度卷积神经网络实现焦虑状态特征提取；焦虑情绪评估装置4包括第5通道42，第5通道42与快乐情感带宽瞳孔波生成装置24和威胁情感带宽瞳孔波生成装置24相连，通过深度卷积神经网络实现焦虑状态特征提取；焦虑情绪评估装置4还包括第6通道43，第6通道43与快乐差分瞳孔波生成装置25和威胁差分瞳孔波生成装置25相连，通过深度卷积神经网络实现焦虑状态特征提取；焦虑情绪评估装置4还用于将第4、5和6通道提取的焦虑状态特征通过第二全连接层44生成第二异常指标数值。
41.图8是根据本公开一实施方式的压力情绪评估装置5结构示意图。如图8所示，基于瞳孔波计算情绪指标的装置26包括压力情绪评估装置5；压力情绪评估装置5包括第7通道51，第7通道51与平静瞳孔波生成装置、快乐瞳孔波生成装置和紧张瞳孔波生成装置相连，通过深度卷积神经网络实现压力状态特征提取；压力情绪评估装置5包括第8通道52，第8通道52与快乐情感带宽瞳孔波生成装置24和紧张情感带宽瞳孔波生成装置24相连，通过深度卷积神经网络实现压力状态特征提取；压力情绪评估装置5还包括第9通道53，第9通道53与快乐差分瞳孔波生成装置25和紧张差分瞳孔波生成装置25相连，通过深度卷积神经网络实现压力状态特征提取；压力情绪评估装置5还用于将第7、8和9通道提取的压力状态特征通过第三全连接层54生成第三异常指标数值。
42.本公开实施例提供的基于瞳孔波计算情绪指标的系统首次提出了瞳孔波的概念，克服了以往人们对于情绪指标的主观评分方法的模糊性和不确定性，使用瞳孔波物理指标客观地度量平静、快乐、悲伤、威胁和紧张情绪体验能力，从而基于情感的心理状态计算情
绪指标。通过测定被测试者的瞳孔波，弥补了以往缺少情感动态定量评价的不足，并且在临床应用中，医生可以将情绪指标的指数值与正常人的取值范围相比较，可以对被测试者的情绪指标的指数值是否异常进行评估和判别。
43.应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。