一种可穿戴心理健康自适应干预方法和装置与流程

1.本发明涉及大健康领域，具体涉及一种可穿戴心理健康自适应干预方法和装置。


背景技术：

2.人的心理状态是很难被实际触摸到的，对于怎么去研究心理健康的评估方法，不同的研究员有不同的观点，而不管哪一种观点，最终一直关注的方向都是希望采用科学的方法来进行研究。目前对心理健康的评估主要有主观评测法和客观评测法两类。
3.主观评测法目前常用的是问卷调查，它要求评测人员不仅需要扎实的相关专业知识，同时还要有较好的观察和沟通能力，通常因为测试者的个人偏好或者人生经验导致结果出现偏差。
4.客观评定法是借用一定仪器的技术手段，对人体的生理、心理以及其他参数进行监测评定的方法，这些监测的参数是客观真实的，不会因测试者的个人偏好或者人生经验而有所差异。但是客观评定法存在生理信号与心理健康状态之间的特异性关系不明确的问题。
5.干预方法主要根据心理医生的经验判断，缺乏更加科学的评估依据。
6.基于此提出一种可穿戴心理健康自适应干预方法和装置。


技术实现要素：

7.本发明的目的是提供一种可穿戴心理健康自适应干预方法和装置，通过能够穿戴的生理信号采集设备监测人体脉搏波信号和心电图信号，然后通过分析脉搏波信号和心电图信号的不同变化，评估心理健康状态，获得心理健康状态后，对心电图信号和脉搏波信号进行频谱分析，通过频谱的分布形态自适应不同频率的音乐进行心理干预，更加具有科学依据。
8.为了实现上述目的，本发明提供如下技术方案：一种可穿戴心理健康自适应干预装置，包括能够穿戴的生理信号采集设备，生理信号采集设备包括心电采集模块、脉搏采集模块、处理器模块和无线传输模块，所述心电采集模块、脉搏采集模块均通过无线传输模块连接在处理器模块输入端。
9.优选的，所述心电采集模块用于被测试的心电信号采集，所述脉搏波采集模块用于被测试者的脉搏波信号采集；
10.所述无线传输模块用于传输心电采集模块采集的心电数据和脉搏波采集模块采集的脉搏波数据；
11.所述处理器模块用于接收被测试者的心电数据和脉搏波数据及分析。
12.本发明还提供一种可穿戴心理健康自适应干预装置的方法，包括心理健康评估方法和自适应干预方法；
13.心理健康评估方法具体步骤如下：
14.步骤一：处理器模块接收心电采集模块、脉搏采集模块采集的心电数据和脉搏波
数据；
15.步骤二：对心电数据和脉搏波数据进行初步分析，获得初步分析结果；
16.步骤三：对初步分析结果进行融合分析，得到融合数据；
17.步骤四：对融合数据进行时域分析和频域分析，得到心率变异性的时域和频域参数；
18.步骤五：结合个人信息、时域和频域参数进行综合分析；
19.步骤六：获得心理健康评估报告。
20.优选的，步骤二中对心电数据和脉搏波数据进行初步分析的方法为：
21.第一步：采用小波对心电数据和脉搏波数据进行滤波，去除噪声和基线漂移；
22.第二步：采用差分法识别心电图r波和脉搏波波峰的位置；
23.第三步：根据心电图r波的位置计算出相邻两个r波的时间间隔，所有相邻两个r波的时间间隔组成一组时间序列；
24.装置的心电采样频率为m hz，心电数据中有n个r波，r波的位置为{r1，r2，.....，rn}，第i个r波时间间隔为tri，计算公式如下：
[0025][0026]
时间间隔序列tr＝{tr1，tr2，....，tr
n-1
}；
[0027]
第四步：根据脉搏波每个主波波峰的特征位置计算相邻两个主波波峰的时间间隔，所有相邻两个主波波峰的时间间隔组成一组时间序列；
[0028]
装置的脉搏波采样频率为j hz，脉搏波数据中有n个波峰，波峰的位置为{p1，p2，.....，pn}，第i个波峰时间间隔为tpi，计算公式如下：
[0029][0030]
时间间隔序列tp＝{tp1，tp2，....，tp
n-1
}。
[0031]
优选的，步骤三中对初步分析结果进行融合分析的方法为：
[0032]
第一步：去除心电时间间隔序列和脉搏波时间间隔序列中大于t
max
和小于t
min
的数据；
[0033]
第二步：计算心电时间间隔序列和脉搏波时间间隔序列的均值，公式如下：
[0034]
t
mean
＝(σtri+σtpi)
÷
(n+m)；
[0035]
其中，tri表示心电图第i个r波时间间隔，n表示心电图r波时间间隔的个数，tpi表示脉搏波第i个波峰时间间隔，m表示脉搏波波峰时间间隔的个数；
[0036]
第三步：分别取心电时间间隔序列和脉搏波时间间隔序列的第一个数据同均值相比，与均值接近的数据放到新的时间序列中，剩余数据用同样的方式进行比较，与均值接近的数据放入新的时间序列。
[0037]
优选的，步骤四中对融合数据进行时域分析和频域分析的方法为：
[0038]
第一步：对时间间隔序列进行心率变异性时域分析，得到时域参数:sdnn，mrssd，sdsd，nn50；
[0039]
其中：
[0040]
sdnn：时间序列的标准差；
[0041]
mrssd：相邻时间间隔之差的平方根；
[0042]
sdsd：相邻时间间隔之差的标准差；
[0043]
nn50：相邻时间间隔之差大于50毫秒的个数；
[0044]
第二步：对时间序列进行傅里叶变换，得到心率变异性频域参数：vlf，lf，hf，tp，lf/hf；
[0045]
其中：
[0046]
vlf：超低频功率，频率范围(0.003-0.04)；
[0047]
lf：低频功率，频率范围(0.04-0.15)；
[0048]
hf：低频功率，频率范围(0.15-0.4)；
[0049]
tp：总功率，vlf，hf、lf之和；
[0050]
lf/hf：低频功率与高频功率的比值。
[0051]
优选的，步骤五中综合分析的方法为：
[0052]
第一步：根据不同年龄段选择不同的分析参数；
[0053]
第二步：对分析参数、时域参数和频域参数进行分析，得到综合数据。
[0054]
优选的，自适应干预方法具体步骤如下：
[0055]
c、对融合后的时间序列进行快速傅里叶变换，获得能量分布序列，对分布在0-0.5hz区域的能量进行分析，获得能量的主要分布区域h：
[0056]
第一步：对时间序列进行快速傅里叶变换，获得横坐标为频率，纵坐标为功率谱密度的频谱图；
[0057]
第二步：把频率0-0.5hz的平均分成10等份，计算每等份的功率密度之和；
[0058]
第三步：分析出功率谱密度最大等份对应的频率值；
[0059]
d、根据健康状态和频率值，选取对应频率的干预音乐：
[0060]
第一步：把音乐按照健康状态和频率进行分类；
[0061]
第二步：根据健康状态和频率值，自动匹配对应的音乐。
[0062]
在上述技术方案中，本发明提供的技术效果和优点：
[0063]
本发明通过能够穿戴的生理信号采集设备监测人体脉搏波信号和心电图信号，然后通过分析脉搏波信号和心电图信号的不同变化，评估心理健康状态，获得心理健康状态后，对心电图信号和脉搏波信号进行频谱分析，通过频谱的分布形态自适应不同频率的音乐进行心理干预，更加具有科学依据。
附图说明
[0064]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0065]
图1为本发明的实施例一中生理信号采集设备的模块图；
[0066]
图2为本发明的实施例二中心理健康自适应干预方法流程图；
[0067]
图3为本发明的实施例二中精神压力分析图；
[0068]
图4为本发明的实施例二中心率变异性功率谱密度图。
具体实施方式
[0069]
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
[0070]
实施例一：本发明提供一种可穿戴心理健康自适应干预装置，包括能够穿戴的生理信号采集设备，如图1所示，生理信号采集设备包括心电采集模块、脉搏采集模块、处理器模块和无线传输模块，所述心电采集模块、脉搏采集模块均通过无线传输模块连接在处理器模块输入端。
[0071]
穿戴生理信号采集设备采集人体的心电数据和脉搏波数据，对生理信号进行分析获得心理健康状态和频谱分布，通过心理健康状态和频谱分布自适应心理健康的干预方法。
[0072]
所述心电采集模块用于被测试的心电信号采集，所述脉搏波采集模块用于被测试者的脉搏波信号采集，所述无线传输模块用于传输心电采集模块采集的心电数据和脉搏波采集模块采集的脉搏波数据，所述处理器模块用于接收被测试者的心电数据和脉搏波数据及分析。
[0073]
实施例二：如图2所示，本发明还提供一种可穿戴心理健康自适应干预装置的方法，包括心理健康评估方法和自适应干预方法；
[0074]
心理健康评估方法具体步骤如下：
[0075]
步骤一：接收心电采集模块、脉搏采集模块采集的心电数据和脉搏波数据；
[0076]
步骤二：对心电数据和脉搏波数据进行初步分析，获得初步分析结果：
[0077]
第一步：采用小波对心电数据和脉搏波数据进行滤波，去除噪声和基线漂移；
[0078]
在信号变化及传输过程中，由于噪声及干扰的叠加，使信号的辨认产生困难,要复原携带的有用信号,必须去除信号中叠加的噪声和干扰成分。小波分析方法是一种窗口大小即窗口面积固定、但窗口的形状可变、时间窗和频率窗都可改变的时频局部化分析方法即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适于探测正常信号中突变信号的成分。它可以用长的时间间隔来获得更加精细的低频率的信号信息，用短的时间间隔来获得高频率的信号信息。在实际的工程应用中,所分析的信号可能包含许多尖峰或突变部分，并且噪声也不是平稳的白噪声。对这种信号的降噪处理,用传统的傅立叶变换分析，显得无能为力，因为它不能给出信号在某个时间点上的变化情况。小波分析作为一种全新的信号处理方法，它将信号中各种不同的频率成分分解到互不重叠的频带上，为信号滤波、信噪分离和特征提取提供了有效途径。
[0079]
第二步：采用差分法识别心电图r波和脉搏波波峰的位置；
[0080]
第三步：根据心电图r波的位置计算出相邻两个r波的时间间隔，所有相邻两个r波的时间间隔组成一组时间序列；
[0081]
装置的心电采样频率为m hz，心电数据中有n个r波，r波的位置为{r1，r2，.....，rn}，第i个r波时间间隔为tri，计算公式如下：
[0082][0083]
时间间隔序列tr＝{tr1，tr2，....，tr
n-1
}；
[0084]
第四步：根据脉搏波每个主波波峰的特征位置计算相邻两个主波波峰的时间间隔，所有相邻两个主波波峰的时间间隔组成一组时间序列；
[0085]
装置的脉搏波采样频率为j hz，脉搏波数据中有n个波峰，波峰的位置为{p1，p2，.....，pn}，第i个波峰时间间隔为tpi，计算公式如下：
[0086][0087]
时间间隔序列tp＝{tp1，tp2，....，tp
n-1
}。
[0088]
步骤三：对初步分析结果进行融合分析，得到融合数据：
[0089]
第一步：去除心电时间间隔序列和脉搏波时间间隔序列中大于t
max
和小于t
min
的数据；
[0090]
第二步：计算心电时间间隔序列和脉搏波时间间隔序列的均值，公式如下：
[0091]
t
mean
＝(∑tri+∑tpi)
÷
(n+m)；
[0092]
其中，tri表示心电图第i个r波时间间隔，n表示心电图r波时间间隔的个数，tpi表示脉搏波第i个波峰时间间隔，m表示脉搏波波峰时间间隔的个数；
[0093]
第三步：分别取心电时间间隔序列和脉搏波时间间隔序列的第一个数据同均值相比，与均值接近的数据放到新的时间序列中，剩余数据用同样的方式进行比较，与均值接近的数据放入新的时间序列。，(然后分别取第2个到最后一个进行比较)。
[0094]
步骤四：对融合数据进行时域分析和频域分析，得到时域和频域参数：
[0095]
第一步：对时间间隔序列进行心率变异性时域分析，得到时域参数:sdnn，mrssd，sdsd，nn50；
[0096]
其中：
[0097]
sdnn：时间序列的标准差；
[0098]
mrssd：相邻时间间隔之差的平方根；
[0099]
sdsd：相邻时间间隔之差的标准差；
[0100]
nn50：相邻时间间隔之差大于50毫秒的个数；
[0101]
第二步：对时间序列进行傅里叶变换，得到心率变异性频域参数：vlf，lf，hf，tp，lf/hf。
[0102]
其中：
[0103]
vlf：超低频功率，频率范围(0.003-0.04)；
[0104]
lf：低频功率，频率范围(0.04-0.15)；
[0105]
hf：低频功率，频率范围(0.15-0.4)；
[0106]
tp：总功率，vlf，hf、lf之和；
[0107]
lf/hf：低频功率与高频功率的比值。
[0108]
步骤五：结合个人信息、时域和频域参数进行综合分析：
[0109]
第一步：根据不同年龄段选择不同的分析参数；
[0110]
第二步：对分析参数、时域参数和频域参数进行分析，得到综合数据；比如情绪指数、精神压力、疲劳指数、神经兴奋性等。
[0111]
用精神压力的分析举例：lf/hf的范围是[a,b]，mrssd的范围[c,d]，hf的范围是[e,f]，不同年龄段的人群，各参数的范围不一样，其中a、b、c、d、e、f是常数。lf/hf、mrssd、
hf的值在范围内用1表示，不在范围内用0表示，如图3所示。
[0112]
如果：
[0113]
编号是111，qs＝m
×
lf/hf+n
×
mrssd+w
×
hf；
[0114]
编号是110，qs＝m
×
lf/hf+n
×
mrssd；
[0115]
编号是10，qs＝m
×
lf/hf；
[0116]
编号是0，qs＝0；
[0117]
其中，qs表示精神压力，m、n、w是常数，其他参数的分析方法和精神压力分析方法一样；
[0118]
综合分析结果为：
[0119]
精神压力、疲劳指数、抗压能力、情绪状态、自主神经活性分别用h1、h2、h3、h4、h5表示，健康值的计算：
[0120]
jk＝a
×
h1+b
×
h2+c
×
h3+d
×
h4+e
×
h5；
[0121]
其中：a、b、c、d、e为常数。
[0122]
步骤六：获得心理健康评估报告。
[0123]
自适应干预方法具体步骤如下：
[0124]
a、对融合后的时间序列进行快速傅里叶变换，获得能量分布序列，对分布在0-0.5hz区域的能量进行分析，获得能量的主要分布区域h：
[0125]
第一步：对时间序列进行快速傅里叶变换，获得横坐标为频率，纵坐标为功率谱密度的频谱图，如图4所示；
[0126]
第二步：把频率0-0.5hz的平均分成10等份，计算每等份的功率密度之和，如计算图4第i等份的功率谱谱密度之和，公式如下：
[0127]
其中：m表示第i等份功率谱密度的起点，n表示第i等份功率谱密度的结束点，wj表示第j个功率谱密度；
[0128]
第三步：分析出功率谱密度最大等份对应的频率值；
[0129]
b、根据健康状态和频率值，选取对应频率的干预音乐：
[0130]
第一步：把音乐按照健康状态和频率进行分类(这里的分类是人为分类，把分类好的音乐录入系统)；
[0131]
第二步：根据健康状态和频率值，自动匹配对应的音乐。
[0132]
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。