一种基于PHQ-9量表评测和面部表情识别的早期抑郁诊断系统

本发明属于医疗信息技术和计算机视觉的交叉领域，尤其一种涉及基于phq-9量表评测和面部表情识别的早期抑郁诊断系统。

背景技术：

1、随着社会的发展和工作压力的增加，抑郁症作为一种常见的心理疾病，已经成为全球范围内日益严重的公共健康问题。抑郁症的及时诊断和治疗对患者的生活质量及其长期健康至关重要。然而，早期抑郁症的诊断常常由于症状的隐匿性而被忽视或延误。

2、传统的抑郁症评测通常通过量表进行。phq-9量表是一种简便、标准化的抑郁症评测工具，广泛应用于临床和研究中。它通过九个问题评估患者在过去两周内的情绪、睡眠、食欲、注意力等方面的变化，能够有效识别出抑郁症状的严重程度。然而，phq-9量表的评测依赖患者主观回答，可能受到患者症状认知和自我理解的差异、情绪状态、文化背景等因素的影响，从而导致评测结果出现偏差。

3、面部表情识别作为计算机视觉和人工智能领域的重要研究方向，近年来取得了长足进步。人类的面部表情能够传达丰富的情绪信息，能够成为早期识别抑郁症的重要线索之一。但该手段在早期抑郁症识别的临床上使用较少。因此，考虑到上述问题，设计一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统是很有意义的。

技术实现思路

1、为解决上述问题，本发明提出了一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，能够结合传统phq-9量表评测与表情识别情绪分数，提高抑郁症早期诊断准确性，并辅助医生全面评估患者情绪状态，为指定合理的干预措施客观提供依据。

2、为了达到上述目的，本发明提供如下技术方案：

3、一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，包括：数据采集与处理模块，表情识别模块，综合诊断模块；

4、数据采集与处理模块用于获取被试者phq-9量表评测结果、采集被试者测试过程中面部表情视频，并对视频进行处理，以进行表情识别操作与情绪得分计算；

5、表情识别模块用于对采集所得视频进行识别与分析，识别每帧被试者面孔表情，计算被试者的情绪分数；

6、综合诊断模块用于计算被试者的情绪得分，集成量表分数与情绪分数，输出最终诊断结果。

7、进一步地，利用phq-9量表评测结果与面部表情识别结果相结合，实现实时、多模态的早期抑郁状态诊断。

8、进一步的，数据采集与处理模块中，使用视频流方法对系统摄像头采集到的数据进行处理，将视频分解为单独的帧，并对每一帧图片使用ssd(single shot multiboxdetector)方法进行人脸检测。

9、进一步的，表情识别模块中，使用残差掩膜网络对检测到的面孔进行表情识别，最后对视频信息中逐帧截取的每张图片输出7种情绪(惊讶、喜悦、悲伤、厌恶、愤怒、恐惧、中性)分类。残差掩膜网络结构由输入预处理层、四个残差掩膜块、输出层组成；其中，输入预处理层包括3×3卷积层、批归一化层、relu激活函数层、最大池化层；残差掩膜块包括残差层和掩膜块，掩膜块采用u-net结构，能够增强模型对面部关键特征的关注，抑制不重要的特征，提升表情识别准确性。

10、进一步的，综合诊断模块中，计算被试者的情绪得分，集成量表分数与情绪分数，输出诊断结果。具体由加权和方法计算情绪得分，并结合被试者的量表测评分数，给出是否为早期抑郁的诊断结果。

11、所述数据采集与处理模块，用于采集量表测试结果与视频信息，并进行人脸检测；

12、所述表情识别模块，获取来自数据采集与处理模块的视频图像，通过残差掩膜网络进行表情识别；

13、所述综合诊断模块，利用加权和方法计算表情识别模块的结果，得出情绪分数，并结合量表评测得分给出早期抑郁诊断结果。

14、与现有技术相比，本发明具有如下优点和有益效果：

15、本发明通过检测被试者测评时所采集的视频信息，经过ssd人脸检测后输入残差掩膜网络进行表情识别，随后依据表情识别结果，由加权和方法计算被试者情绪分数，最后结合其量表测评结果进行早期抑郁诊断。本发明能够基于多模态信息实现抑郁诊断，具有较好客观性与鲁棒性，为医生提供诊断参照与诊断依据。

技术特征：

1.一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于，包括：数据采集与处理模块，表情识别模块，综合诊断模块；

2.根据权利要求1所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于，利用phq-9量表评测结果与面部表情识别结果相结合，实现实时、多模态的早期抑郁状态诊断。

3.根据权利要求1所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：数据采集与处理模块中，使用视频流方法对系统摄像头采集到的数据进行处理，将视频分解为单独的帧，对每一帧图片进行人脸检测。

4.根据权利要求3所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：采用ssd网络进行人脸检测；在该网络中，输入层接受一个300×300×3的rgb图像，进入批归一化层，随后进入五组卷积模块，分别为：第一组基础卷积模块，包括核为7×7的卷积层、最大池化层；第一组残差卷积模块，包括2个核大小为3×3的卷积层；第二组基础卷积模块，包括2个核大小为3×3的卷积层；第三组基础卷积模块，包括2个核大小为3×3的卷积层；第四组基础卷积模块，包括2个核大小为3×3的卷积层；接着依次经过4层特征提取模块，每个模块包括1个核大小为1×1的卷积层和1个核大小为3×3的卷积层；然后经过两组分别由6个核大小为3×3的卷积层构成的边界框位置与类别预测模块，最后经过priorbox层生成默认边界框后进入softmax层，输出最终为背景或是人脸的类别预测结果。

5.根据权利要求1所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：表情识别模块中，使用残差掩膜网络结构；由输入预处理层、四个残差掩膜块、输出层组成；其中，输入预处理层包括3×3卷积层、批归一化层、relu激活函数层、最大池化层；残差掩膜块包括残差层和掩膜块，掩膜块采用u-net结构，能够增强模型对面部关键特征的关注，抑制不重要的特征，提升表情识别准确性。

6.根据权利要求5所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：图像进入残差掩膜网络后，首先经过3×3滤波器卷积，然后依次经过批归一化层、relu激活函数层、最大池化层；紧接着进入四个残差掩膜块；残差掩膜块使用resnet34结构，包括四个阶段：第一个阶包含3个残差块，每个块包括2个核大小为3×3的卷积层组成；第二阶段包含4个残差块，每个块由2个核大小为3×3的卷积层组成；第三阶段包含6个残差块，每个块由2个核大小3×3的卷积层组成；第四阶段包含3个残差块，每个块由2个核大小为3×3的卷积层组成；掩膜块则接在每个残差层之后，采用u-net结构；所述残差掩膜块的具体公式如下：

7.根据权利要求1所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：综合诊断模块中，计算被试者的情绪得分，集成量表分数与情绪分数，输出诊断结果。

8.根据权利要求7所述的一种基于phq-9量表评测和面部表情识别的早期抑郁诊断系统，其特征在于：结合phq-9量表测评得分给出早期抑郁诊断结果；phq-9量表根据总分，将抑郁程度分类为无、轻度、中度、中重度和重度；其中，情绪分数的计算部分，首先计算每种表情出现次数；对于视频数据中的每帧图像，记录经过表情识别模块后输出的情绪分类，每种情绪出现一次就对该表情出现次数加1，如此累加至视频结束，每种表情出现次数用surprise、happy、sad、disgust、angry、fear、neutral分别表示；情绪分数的加权和计算公式为：

技术总结本发明公开了一种基于PHQ‑9量表评测和面部表情识别的早期抑郁诊断系统，包括数据采集与处理模块，表情识别模块，综合诊断模块。数据采集与处理模块包括获取被试者PHQ‑9量表评测结果、采集被试者测试过程中面部表情视频。表情识别模块通过对采集所得视频进行分析，识别每帧被试者面孔表情。综合诊断模块用于计算被试者的情绪得分，并集成量表分数与情绪分数，输出诊断结果。本发明能够基于PHQ‑9量表评测与表情识别对早期抑郁状态进行实时判断，具有较好的鲁棒性，能够为医生提供更为精确的诊断依据。技术研发人员：刘澄玉,胡馨怡,邓鑫嘉乐,王成轶,陈宸,姚晴,赵璐璐,李建清受保护的技术使用者：东南大学技术研发日：技术公布日：2024/11/18