医疗专利数据库

一种基于人工智能的心理健康管理方法及系统与

发布日期:2024-08-22 浏览次数:

本发明涉及心理健康管理,具体涉及一种基于人工智能的心理健康管理方法及系统。背景技术:1、传统的心理健康管理方法通常依赖于面对面的咨询和分析,但资源有限、成本较高,且评价结果过于依赖医生的专业水平,医生的水平层次不齐且工作强度较大,会导致评价结果与待评价人员的实际情况存在一定的偏差。2、人工智能技术的快速发展为心理健康管理领域带来了新的机遇,通过利用计算机视觉、自然语言处理、机器学习和数据分析等技术,可以辅助医生对心理健康问题进行判断,并提供个性化的干预和支持、监测待评价人员的状态变化以及改善心理健康服务的可及性和效率。因此通过采集心理健康数据,分析个体化心理特征,了解待评价人员的心理状态,并据此提供相应的建议、技巧和资源。该方法首先采集待评价人员不同类型的心理指标数据,然后对采集到的所有类型的心理指标数据进行降维处理,进而基于降维后的数据对待评价人员的心理健康状况进行打分,以辅助医生对待评价人员的心理健康状况进行评价,但是在采用t-sne降维算法对心理指标数据进行降维处理时,困惑度参数直接关系到数据的降维效果,若困惑度参数设置的不合适,则会导致待评价人员的心理评价得分的准确度较低,因此如何自适应地确定心理指标数据降维时的困惑度参数,以提高心理评价得分的准确度是个急需解决的问题。技术实现思路1、为了解决现有方法无法自适应地确定心理指标数据降维时的困惑度参数,进而导致心理评价得分的准确度较低的问题,本发明的目的在于提供一种基于人工智能的心理健康管理方法及系统,所采用的技术方案具体如下:2、第一方面,本发明提供了一种基于人工智能的心理健康管理方法,该方法包括以下步骤:3、获取待评价人员在预设时间段内不同类型的心理指标数据;4、根据每种类型的心理指标数据的幅值的波动情况,得到每种类型的心理指标数据的变化程度;基于每种类型的心理指标数据的幅值确定每种类型的心理指标数据对应的参考数据;根据每两种类型的心理指标数据的变化程度的差异、每两种类型的心理指标数据与对应的参考数据的幅值的差异,得到每两种类型的心理指标数据之间的相关性;5、根据所有所述相关性确定困惑度参数;基于所述困惑度参数对所有心理指标数据进行降维处理获得降维后的数据;6、基于降维后的数据与标准数据之间的差异情况,获得待评价人员的心理评价得分。7、第二方面,本发明提供了一种基于人工智能的心理健康管理系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现上述所述的一种基于人工智能的心理健康管理方法。8、优选的,所述根据每种类型的心理指标数据的幅值的波动情况,得到每种类型的心理指标数据的变化程度,包括:9、对于第a种类型的心理指标数据:10、将预设时间段内所有第a种类型的心理指标数据的平均幅值记为第a种类型的心理指标数据的第一均值;将第a种类型的心理指标数据的第一均值与所有类型的心理指标数据的第一均值的和值之间的比值,作为第a种类型的心理指标数据的幅值占比;11、计算预设时间段内所有第a种类型的心理指标数据的方差;12、根据所述幅值占比和所述所有第a种类型的心理指标数据的方差,得到第a种类型的心理指标数据的变化程度。13、优选的,根据所述幅值占比和所述所有第a种类型的心理指标数据的方差,得到第a种类型的心理指标数据的变化程度,包括:14、将所述幅值占比和所述所有第a种类型的心理指标数据的方差的乘积,确定为第a种类型的心理指标数据的变化程度。15、优选的,所述基于每种类型的心理指标数据的幅值确定每种类型的心理指标数据对应的参考数据,包括:16、对于第a种类型的心理指标数据:17、将第a种类型的心理指标数据的最大值与最小值之和记为参考数值;将参考数值与预设时间段内所有第a种类型的心理指标数据的平均幅值之间的差值,作为第a种类型的心理指标数据对应的参考数据。18、优选的,所述根据每两种类型的心理指标数据的变化程度的差异、每两种类型的心理指标数据与对应的参考数据的幅值的差异,得到每两种类型的心理指标数据之间的相关性,包括:19、对于第a种类型的心理指标数据和第b种类型的心理指标数据:20、将预设时间段内每个第a种类型的心理指标数据与对应的参考数据的幅值的差异,记为每个第a种类型的心理指标数据的特征值;将预设时间段内每个第b种类型的心理指标数据与对应的参考数据的幅值的差异,记为每个第b种类型的心理指标数据的特征值;21、根据所有第a种类型的心理指标数据的特征值与所有第b种类型的心理指标数据的特征值之间的差异、第a种类型的心理指标数据与第b种类型的心理指标数据的变化程度的差异,计算第a种类型的心理指标数据与第b种类型的心理指标数据之间的相关性。22、优选的,采用如下公式计算第a种类型的心理指标数据与第b种类型的心理指标数据之间的相关性:23、24、其中,q(a,b)表示第a种类型的心理指标数据与第b种类型的心理指标数据之间的相关性,pa表示第a种类型的心理指标数据的变化程度,pb表示第b种类型的心理指标数据的变化程度,gai表示预设时间段内第a种类型的心理指标数据中第i个数据的幅值,gbj表示预设时间段内第b种类型的心理指标数据中第j个数据的幅值,fa表示第a种类型的心理指标数据对应的参考数据,fb表示第b种类型的心理指标数据对应的参考数据,na表示预设时间段内第a种类型的心理指标数据的数量,nb表示预设时间段内第b种类型的心理指标数据的数量,exp()表示以自然常数为底的指数函数,λ1为预设第一调整参数,λ1大于0。25、优选的,所述根据所有所述相关性确定困惑度参数,包括:26、分别将所有所述相关性的最大值和最小值记为最大相关性和最小相关性;计算所述最大相关性与所述最小相关性的比值;27、计算所有所述相关性的方差;28、将所述比值与所有所述相关性的方差的乘积,确定为困惑度参数。29、优选的,所述基于降维后的数据与标准数据之间的差异情况,获得待评价人员的心理评价得分,包括:30、分别计算降维后每类数据的平均值;将降维后每类数据的平均值与对应的标准数据之间的差异,记为降维后每类数据对应的差异指标;31、将所有所述差异指标的均值的负相关归一化结果作为待评价人员的心理评价得分。32、优选的,所述基于所述困惑度参数对所有心理指标数据进行降维处理获得降维后的数据,包括:33、基于所述困惑度参数采用t-sne算法对所有心理指标数据进行降维处理获得降维后的数据。34、本发明至少具有如下有益效果:35、本发明首先采集待评价人员在预设时间段内不同类型的心理指标数据,由于心理指标数据的类型较多,不同类型的心理指标数据对待评价人员的心理健康状况的反映程度不同,为了结合不同类型的心理指标数据对待评价人员的心理状况进行综合评价,需要对采集到的不同类型的心理指标数据进行降维处理,在采用传统的数据降维算法对心理指标数据进行降维时,困惑度参数直接关系到数据的降维效果,因此本发明获得了每种类型的心理指标数据的变化程度,用于反映预设时间段内待评价人员的每种类型的心理指标数据的波动情况,进一步地基于每两种类型的心理指标数据的变化程度的差异、每两种类型的心理指标数据与对应的参考数据的幅值的差异,得到每两种类型的心理指标数据之间的相关性,相关性越大,说明对应的两种类型的心理指标数据的相似程度越高;本发明根据心理指标数据之间的相关性确定合适的困惑度参数,能够避免陷入局部最优值,达到更好的数据降维的目的,因此本发明基于获取的困惑度参数对所有心理指标数据进行降维处理,进而获得待评价人员的心理评价得分,提高了待评价人员的心理评价得分的可信度和准确度,辅助医生对待评价人员的心理健康状况进行评价。