[發明專利]一種基于互聯網與云計算的學生心理壓力評估方法及系統

有效

• 申請號: 201910702972.8
• 申請日: 2019-07-31
• 公開（公告）號: CN110477932B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 周艷
• 申請（專利權）人: 商丘師范學院
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/369;A61B5/318
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 李秋紅

1.一種基于互聯網與云計算的學生心理壓力評估方法，其特征在于，包括：

步驟1：構建心理壓力數據庫，并上傳至云平臺；

所述步驟1包括：

步驟1.1：基于心電儀器及腦電儀器采集訓練群中被試的心電信號及腦電信號，所述心電儀器及腦電儀器與互聯網相連，所述訓練群包括多個在校大學生；

步驟1.2：對所述心電信號進行心率變異性特征提取；

步驟1.3：采用小波熵與近似熵相結合的壓力腦電情感特征提取方法對所述腦電信號進行特征提取；

步驟1.4：對訓練群中被試進行不同類型心理測試題在線測試，所述類型包括：學習、生活、就業及情感，統計各被試各類型測試成績R₁、R₂、R₃及R₄，分別作為各被試的特征；

步驟1.5：對步驟1.2至步驟1.4中提取的特征進行歸一化處理，將步驟1.2、步驟1.3中提取的特征與步驟1.4中提取的特征分別進行結合，得到各被試的心理壓力特征數據，每個被試對應有4個心理壓力特征數據；

步驟1.6：基于各被試的心理壓力特征數據對各被試進行分類，共劃分為五類：學習壓力、生活壓力、就業壓力、情感壓力及正常，得到心理壓力數據庫；

步驟1.7：將所述心理壓力數據庫上傳至云平臺；

步驟2：在云平臺上基于所述數據庫進行心理壓力模型集構建；

所述步驟2包括：

基于所述心理壓力數據庫訓練LSTM神經網絡，得到心理壓力模型集，所述心理壓力模型集包括：學習壓力模型、生活壓力模型、就業壓力模型、情感壓力模型及無壓模型；在云平臺上分別通過心理壓力數據庫中學習壓力、生活壓力、就業壓力、情感壓力及正常心理壓力特征數據訓練得出；

步驟3：在云平臺上根據所述心理壓力模型集進行被測心理壓力評估；

所述步驟3包括：

步驟3.1：基于心電儀器及腦電儀器采集被試j的心電信號及腦電信號；

步驟3.2：對所述心電信號進行心率變異性特征提取；

步驟3.3：采用小波熵與近似熵相結合的壓力腦電情感特征提取方法對所述腦電信號進行特征提取；

步驟3.4：對訓練群中被試進行不同類型心理測試題在線測試，所述類型包括：學習、生活、就業及情感，統計被試j各類型測試成績R_j1、R_j2、R_j3及R_j4，分別作為被試j的特征；

步驟3.5：對步驟3.2至步驟3.4中提取的特征進行歸一化處理，將步驟3.2、步驟3.3中提取的特征與步驟3.4中提取的特征分別進行結合，得到被試j的心理壓力特征數據；

步驟3.6：將被試j的心理壓力特征數據輸入所述心理壓力模型集，在云平臺上并行進行匹配，得出所述心理壓力模型集中各模型的匹配度；

步驟3.7：設置匹配度閾值，將各模型的匹配度與所述匹配度閾值進行比較，若大于該閾值，則匹配成功，認為被試j擁有該模型對應的心理壓力；

步驟3.8：根據所比較結果評估被試j的心理壓力等級：

若被試j與無壓模型匹配成功，則被試j為心理壓力0級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任一模型匹配成功，則被試j為心理壓力1級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任意兩個模型匹配成功，則被試j為心理壓力2級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任意三個及以上模型匹配成功，則被試j為心理壓力3級。

2.一種基于互聯網與云計算的學生心理壓力評估系統，其特征在于，包括：

心理壓力數據庫構建模塊，用于構建心理壓力數據庫，并上傳至云平臺；

心理壓力模型集構建模塊，用于在云平臺上基于所述數據庫進行心理壓力模型集構建；

心理壓力評估模塊，用于在云平臺上根據所述心理壓力模型集進行被測心理壓力評估；

所述心理壓力數據庫構建模塊包括：

第一信號采集子模塊，用于基于心電儀器及腦電儀器采集訓練群中被試的心電信號及腦電信號，所述訓練群包括多個在校大學生；

第一特征提取子模塊，用于對所述心電信號進行心率變異性特征提取；

第二特征提取子模塊，用于采用小波熵與近似熵相結合的壓力腦電情感特征提取方法對所述腦電信號進行特征提取；

第三特征提取子模塊，用于對訓練群中被試進行不同類型心理測試題在線測試，所述類型包括：學習、生活、就業及情感，統計各被試各類型測試成績R₁、R₂、R₃及R₄，分別作為各被試的特征；

第一歸一化子模塊，用于對第一特征提取子模塊、第二特征提取子模塊及第三特征提取子模塊中提取的特征進行歸一化處理，將第一特征提取子模塊、第二特征提取子模塊中提取的特征與第三特征提取子模塊中提取的特征分別進行結合，得到各被試的心理壓力特征數據，每個被試對應有4個心理壓力特征數據；

分類子模塊，用于基于各被試的心理壓力特征數據對各被試進行分類，共劃分為五類：學習壓力、生活壓力、就業壓力、情感壓力及正常，得到心理壓力數據庫；

數據上傳模塊，用于將所述心理壓力數據庫上傳至云平臺；

所述心理壓力模型集構建模塊具體用于：

基于所述心理壓力數據庫訓練LSTM神經網絡，得到心理壓力模型集，所述心理壓力模型集包括：學習壓力模型、生活壓力模型、就業壓力模型、情感壓力模型及無壓模型；在云平臺上分別通過心理壓力數據庫中學習壓力、生活壓力、就業壓力、情感壓力及正常心理壓力特征數據訓練得出；

所述心理壓力評估模塊包括：

第二信號采集子模塊，用于基于心電儀器及腦電儀器采集被試j的心電信號及腦電信號；

第四特征提取子模塊，用于對所述心電信號進行心率變異性特征提取；

第五特征提取子模塊，用于采用小波熵與近似熵相結合的壓力腦電情感特征提取方法對所述腦電信號進行特征提取；

第六特征提取子模塊，用于對訓練群中被試進行不同類型心理測試題在線測試，所述類型包括：學習、生活、就業及情感，統計被試j各類型測試成績R_j1、R_j2、R_j3及R_j4，分別作為被試j的特征；

第二歸一化子模塊，用于對第四特征提取子模塊、第五特征提取子模塊及第六特征提取子模塊中提取的特征進行歸一化處理，將第四特征提取子模塊、第五特征提取子模塊中提取的特征與第六特征提取子模塊中提取的特征分別進行結合，得到被試j的心理壓力特征數據；

匹配子模塊，用于將被試j的心理壓力特征數據輸入所述心理壓力模型集，在云平臺上并行進行匹配，得出所述心理壓力模型集中各模型的匹配度；

第二比較子模塊，用于設置匹配度閾值，將各模型的匹配度與所述匹配度閾值進行比較，若大于該閾值，則匹配成功，認為被試j擁有該模型對應的心理壓力；

評估子模塊，用于根據所比較結果評估被試j的心理壓力等級：

若被試j與無壓模型匹配成功，則被試j為心理壓力0級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任一模型匹配成功，則被試j為心理壓力1級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任意兩個模型匹配成功，則被試j為心理壓力2級；

若被試j與學習壓力模型、生活壓力模型、就業壓力模型或情感壓力模型中任意三個及以上模型匹配成功，則被試j為心理壓力3級。