基于大数据的心理障碍检测系统以及方法

本发明涉及心理障碍检测，具体为基于大数据的心理障碍检测系统以及方法。

背景技术：

1、心理障碍检测是通过一系列科学、系统的方法，如心理评估、问卷调查、访谈交流、行为观察等，对个体心理功能状态进行综合性评估的过程。其目的在于识别并诊断个体是否存在心理障碍，如焦虑症、抑郁症、强迫症等，以及评估这些障碍的严重程度和影响因素，为后续的干预治疗提供科学依据。这一过程有助于促进个体的心理健康，及时采取有效措施缓解心理困扰，提升生活质量。

2、在申请公布号为cn112450932a的中国发明专利中，公开了心理障碍检测系统以及方法，心理障碍检测系统包括可穿戴式数据获取设备以及与可穿戴式数据获取设备通信的数据处理设备；数据处理设备，用于根据目标对象的面部表情、对话信息以及肢体语言，结合预设的心理障碍检测模型，确定目标对象的心理障碍信息；根据目标对象的心理障碍信息，生成与心理障碍信息对应的心理障碍疏导方案；将心理障碍信息以及心理障碍疏导方案发送至可穿戴式数据获取设备。本发明对检测人员自身心理诊断技能要求低，使得检测人员在看到对话场景区域的同时，实时快速识别出目标对象的心理障碍信息以及对应的心理障碍疏导方案，使得目标对象得以及时获得有效检测及治疗，适用性广。

3、结合以上申请及现有技术中的内容：

4、在需要对学生进行心理健康评估和心理障碍检测时，通常都是由学校的心理医生针对部分症状较为明显，状态明显较差的少部分学生进行一对一诊疗，但是考虑到学生数量较多，而且大部分学生的也不会有明显的症状，因此通过心理医生对学生进行心理障碍检测时效率非常低，难以增加学生覆盖面。

5、为了提高心理障碍检测效率，现有的心理障碍检测通常都会应用大数据分析及数据识别技术，在完成数据采集后，通过对采集到的数据进行分析和识别，获取到相应的数据结果，从而可以快速地完成对大量学生完成心理障碍的检测和识别，但现有的基于大数据的心理障碍检测方法中，在获取学生相关数据后，在大面积检测时容易和心理医生给出的诊断数据容易产生偏差，输出检测结果的准确性不足。

6、为此，本发明提供了基于大数据的心理障碍检测系统以及方法。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了基于大数据的心理障碍检测系统以及方法，通过由训练后的心理障碍识别模型识别学生当前心理障碍数据，将获取到的识别结果与诊断数据做比对，由识别比对数据生成协调度，若协调度未超过协调阈值，从模型反馈数据内提取优化特征后，由模型优化知识图谱给出相应的模型优化方案，对心理障碍识别模型进行优化，由优化后的心理障碍识别模型进行识别并将识别结果输出。输出与医生诊断数据相接近检测结果，相对于由医生检测，检测过程的效率更高，可以快速实现全面排查，从而解决了背景技术中提出的技术问题。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、基于大数据的心理障碍检测方法，包括，

6、监测和采集学生心理健康状态数据，获取心理健康数据后构建心理状态监测数据集合，由心理状态监测数据集合生成健康系数，若健康系数低于预设的健康阈值，向外部发出数据采集指令；

7、选择数据源后采集学生相关数据，将采集到数据汇总生成心理健康数据集合，对心理健康数据集合内的数据做预处理，在获取到数据质量满足预期的预处理后数据后，汇总生成原始样本数据集合；

8、训练获取心理障碍识别模型后再进行测试，由测试数据生成性能系数，若性能系数不高于性能阈值，重新训练模型，获取训练后的心理障碍识别模型并输出，并在原始样本数据集合中提取输入特征；

9、由训练后的心理障碍识别模型识别学生当前心理障碍数据，将获取到的识别结果与诊断数据做比对，由识别比对数据生成协调度，若协调度未超过协调阈值，向外部发出模型优化指令；

10、从模型反馈数据内提取优化特征后，由模型优化知识图谱给出相应的模型优化方案，对心理障碍识别模型进行优化，并在获取学生相关数据后，由优化后的心理障碍识别模型进行识别并将识别结果输出。

11、进一步的，在监测周期内对学生心理健康状态进行监测，将监测数据汇总生成心理状态监测数据集合；由心理状态监测数据集合生成健康系数，其中，对心理健康评分及生活质量评分做线性归一化处理，将相应的数据值映射至区间内，依照如下方式：

12、；

13、权重系数：，且；为第 i个学生的心理健康评分，为心理健康评分的合格标准值；为第 i个学生的生活质量评分，为生活质量评分的合格标准值。

14、进一步的，接收到数据采集指令后，选择数据源后采集学生相关数据，至少包括：学生社交媒体数据及心理监测数据、行为数据、文本数据、图像数据及环境数据；将采集到数据汇总生成学生的心理健康数据集合；对心理健康数据集合内不同来源和格式的数据做预处理，对预处理后数据进行质量分析并获取到相应的数据质量指标，将获取到的数据质量指标汇总后生成数据质量指标集合。

15、进一步的，由数据质量指标集合内的数据质量指标生成数据的质量系数，对缺失值比例及重复值比例做线性归一化处理，将对应数据值映射至区间内，依照如下公式：

16、；

17、权重系数，，；若质量系数不超过预期，则重新进行优化。

18、进一步的，从原始样本数据集合中进行特征提取，并将获取的关键词及情绪特征汇总，生成心理特征集合；将采集获取的样本数据分割为训练集和测试集，由训练集对初始模型进行训练和测试，获取训练后的心理障碍识别模型；

19、由测试集对心理障碍识别模型测试，获取相应的测试数据，将获取的测试汇总后生成模型测试数据集合。

20、进一步的，由模型测试数据集合内的测试数据生成性能系数，对推理时间及准确率做线性归一化处理，将对应数据值映射至区间内，依照如下公式：

21、；

22、其中，为权重系数，为第 i次测试时的推理时间，为推理时间的可接受值，为第 i次测试时的准确率，为准确率的可接受值。

23、进一步的，由心理特征集合内的关键词及情绪特征作为输入，由训练后的心理障碍识别模型识别学生当前存在的心理障碍，将识别信息汇总生成识别信息集合，采集学生心理诊断数据后生成诊断信息集合；对识别信息集合及诊断信息集合内的数据做相似性分析，获取两者间的相似度数据，将相似度数据汇总后生成识别比对数据集合。

24、进一步的，无量纲条件下，由识别比对数据集合内的相似度数据生成协调度，依照如下方式：

25、；

26、其中， n为学生的个数，是第 i个学生的识别数据和诊断数据间的相似度，为相似度平均值；权重系数：，，且。

27、进一步的，接收到模型优化指令后，采集心理障碍识别模型在识别时的反馈数据，对反馈数据进行特征提取，获取到相应的优化特征；

28、以心理障碍识别模型优化作为目标词，预先构建模型优化知识图谱；依据优化特征与模型优化方案间的对应性，由模型优化知识图谱为心理障碍识别模型给出相应的模型优化方案。

29、进一步的，在采集学生相关数据后，以优化后的心理障碍识别模型对学生心理障碍进行识别，由识别数据生成各个子周期内的协调度；将优化前后的子周期依据时间轴排序并一一对应，由协调度的变化生成调节度，方式如下：

30、；

31、其中，为第 i个子周期的调节度中间值，为其均值，为其合格标准值；

32、，为子周期的个数，及分别为优化前后第 i个子周期的协调度，及为相应的均值。

33、进一步的，若调节度低于调节阈值，向外部发出二次优化指令；若调节度不低于调节阈值，向外部发出心理障识别指令；接收到心理障碍识别指令后，对获取到的学生相关数据进行特征提取，并以相应关键词及情绪特征作为输入，由优化后的心理障碍识别模型将识别结果输出。

34、基于大数据的心理障碍检测系统，包括，

35、监测单元，监测和采集学生心理健康状态数据，获取心理健康数据后构建心理状态监测数据集合，由心理状态监测数据集合生成健康系数，若健康系数低于预设的健康阈值，向外部发出数据采集指令；

36、数据处理单元，选择数据源后采集学生相关数据，将采集到数据汇总生成心理健康数据集合，对心理健康数据集合内的数据做预处理，在获取到数据质量满足预期的预处理后数据后，汇总生成原始样本数据集合；

37、特征提取单元，训练获取心理障碍识别模型后再进行测试，由测试数据生成性能系数，若性能系数不高于性能阈值，重新训练模型，获取训练后的心理障碍识别模型并输出，并在原始样本数据集合中提取输入特征；

38、数据比对单元，由训练后的心理障碍识别模型识别学生当前心理障碍数据，将获取到的识别结果与诊断数据做比对，由识别比对数据生成协调度，若协调度未超过协调阈值，向外部发出模型优化指令；

39、模型优化单元，从模型反馈数据内提取优化特征后，由模型优化知识图谱给出相应的模型优化方案，对心理障碍识别模型进行优化，并在获取学生相关数据后，由优化后的心理障碍识别模型进行识别并将识别结果输出。

40、（三）有益效果

41、本发明提供了基于大数据的心理障碍检测系统以及方法，具备以下有益效果：

42、1、依据健康系数对学生当前的总体心理状态进行评价，若是健康状态总体较差时，可以及时地进行处理，对学生的心理健康状态形成保障。

43、2、在完成对采集数据进行初步分析后，由相应的数据质量的指标数据生成质量系数，以其对预处理后的数据质量进行评价，在采集数据的数据质量较差时，可以重新选择针对性优化方案，再次对其进行优化或者重新进行优化，对各项数据的质量形成保障，在对学生的心理障碍进行识别后，确保识别结果的可靠性。

44、3、依据获取的性能系数对心理障碍识别模型的性能进行判断，在心理障碍识别模型暂时不能满足使用需求时，重新进行训练或针对性优化，实现心理障碍识别模型性能提升和调整，在对学生心理障碍进行识别时，给出的识别效果更好。

45、4、将识别数据和预先准备的诊断数据进行比对，判断两者间的一致性，依据一致性分析结果能够实现对训练后的心理障碍识别模型的可靠性进行评估。

46、5、由若干个相似度数据生成协调度，在心理障碍识别模型初步使用时，以协调度对训练后心理障碍识别模型的可靠性进行综合评价，在实际效果还是难以达到预期效果时，实现进一步的优化。

47、6、对采集到的反馈数据进行特征提取，再由模型优化知识图谱给出相应的模型优化方案，依据给出的模型优化方案，实现对心理障碍识别模型的针对性优化，提高心理障碍识别模块进行检测时的精度。

48、7、依据各子周期内协调度的变化生成调节度，进一步实现对心理障碍识别学生心理障碍时的效果进行评估，在用于对学生心理障碍进行识别时，确保识别结果和实际的诊断效果更为接近，在需要对大量学生进行心理诊断时，可以通过训练和优化后的心理障碍识别模型先筛选出可能存在心理障碍学生，筛选出潜在风险的学生，起到辅助作用。

49、8、以相应关键词及情绪特征作为输入，由心理障碍识别模型将识别结果输出，完成基于大数据的心理障碍的检测的过程，输出与医生诊断数据相接近检测结果，相对于由医生检测，检测过程的效率更高，可以快速实现全面排查。