[發(fā)明專利]一種社會壓力檢測方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011102394.3
• 申請日: 2020-10-15
• 公開（公告）號: CN112155577B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設(shè)計(jì)）人: 常春起;付瑞琦;陳淑萍;范夢迪
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/021
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 武志峰

1.一種社會壓力檢測方法，其特征在于，包括：

獲取被試者在預(yù)設(shè)的社會壓力模擬環(huán)境下的多模態(tài)生理信號，并對所述多模態(tài)生理信號進(jìn)行標(biāo)定處理，然后將標(biāo)定的多模態(tài)生理信號作為樣本數(shù)據(jù)保存至預(yù)設(shè)的多模態(tài)生理信號壓力數(shù)據(jù)庫；

將深度神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)進(jìn)行融合，構(gòu)建社會壓力檢測模型；

將隨機(jī)的高斯噪聲輸入至所述社會壓力檢測模型中的生成器，并由所述生成器得到生成數(shù)據(jù)，然后將所述生成數(shù)據(jù)加入至所述多模態(tài)生理信號壓力數(shù)據(jù)庫中，并將所述生成數(shù)據(jù)標(biāo)定為y＝K+1類；

根據(jù)y＝K+1類生成數(shù)據(jù)將所述社會壓力檢測模型中的分類器的輸出維度增加至K+1，以及將所述社會壓力檢測模型中的判別器的目標(biāo)設(shè)置為K+1類；

利用所述多模態(tài)生理信號壓力數(shù)據(jù)庫中的樣本數(shù)據(jù)和生成數(shù)據(jù)對所述社會壓力檢測模型進(jìn)行訓(xùn)練學(xué)習(xí)，直至所述判別器的輸出概率達(dá)到預(yù)設(shè)閾值；

通過訓(xùn)練后的社會壓力檢測模型對指定的多模態(tài)生理信號進(jìn)行檢測，得到對應(yīng)的壓力概率值。

2.根據(jù)權(quán)利要求1所述的社會壓力檢測方法，其特征在于，所述獲取被試者在預(yù)設(shè)的社會壓力模擬環(huán)境下的多模態(tài)生理信號，并對所述多模態(tài)生理信號進(jìn)行標(biāo)定處理，然后將標(biāo)定的多模態(tài)生理信號作為樣本數(shù)據(jù)保存至預(yù)設(shè)的多模態(tài)生理信號壓力數(shù)據(jù)庫，包括：

獲取被試者在預(yù)設(shè)的社會壓力模擬環(huán)境下的多模態(tài)生理信號及其對應(yīng)的唾液樣本，然后對所述唾液樣本進(jìn)行檢測得到對應(yīng)的唾液皮質(zhì)醇，從而得到被試者的皮質(zhì)醇變化節(jié)律，再根據(jù)所述皮質(zhì)醇變化節(jié)律對所述多模態(tài)生理信號進(jìn)行標(biāo)定，并將標(biāo)定后的多模態(tài)生理信號作為樣本數(shù)據(jù)保存至多模態(tài)生理信號壓力數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求1所述的社會壓力檢測方法，其特征在于，所述將深度神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)進(jìn)行融合，構(gòu)建社會壓力檢測模型，包括：

將所述生成對抗網(wǎng)絡(luò)的生成器和判別器分別利用所述深度神經(jīng)網(wǎng)絡(luò)中的深度卷積網(wǎng)絡(luò)結(jié)構(gòu)代替，得到生成器網(wǎng)絡(luò)結(jié)構(gòu)和判別器網(wǎng)絡(luò)結(jié)構(gòu)；

其中，所述生成器網(wǎng)絡(luò)結(jié)構(gòu)包含五層卷積結(jié)構(gòu)，五層卷積結(jié)構(gòu)中的卷積核的個數(shù)分別為200、100、50、25、1；

所述判別器網(wǎng)絡(luò)結(jié)構(gòu)包括4個模塊和一個softmax層，其中，4個模塊包括：第一模塊、第二模塊、第三模塊和第四模塊；第一模塊包含第一卷積層、第二卷積層和第一池化層，第二模塊包含第三卷積層和第二池化層，第三模塊包含第四卷積層和第三池化層，第四模塊包含第五卷積層和第四池化層。

4.根據(jù)權(quán)利要求1所述的社會壓力檢測方法，其特征在于，所述根據(jù)y＝K+1類生成數(shù)據(jù)將所述社會壓力檢測模型中的分類器的輸出維度增加至K+1，以及將所述社會壓力檢測模型中的判別器的目標(biāo)設(shè)置為K+1類，包括：

當(dāng)所述生成數(shù)據(jù)和標(biāo)定的樣本數(shù)據(jù)的數(shù)量相同時，將所述分類器的損失函數(shù)設(shè)置為：

式中，L_supervised為有監(jiān)督的損失函數(shù)，L_unsupervised為無監(jiān)督的損失函數(shù)，(x，y)為樣本數(shù)據(jù)的數(shù)據(jù)分布，G為生成器，p_model(y|x)為模型預(yù)測分布，E為概率分布。

5.一種社會壓力檢測裝置，其特征在于，包括：

獲取單元，用于獲取被試者在預(yù)設(shè)的社會壓力模擬環(huán)境下的多模態(tài)生理信號，并對所述多模態(tài)生理信號進(jìn)行標(biāo)定處理，然后將標(biāo)定的多模態(tài)生理信號作為樣本數(shù)據(jù)保存至預(yù)設(shè)的多模態(tài)生理信號壓力數(shù)據(jù)庫；

融合單元，用于將深度神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)進(jìn)行融合，構(gòu)建社會壓力檢測模型；

標(biāo)定單元，用于將隨機(jī)的高斯噪聲輸入至所述社會壓力檢測模型中的生成器，并由所述生成器得到生成數(shù)據(jù)，然后將所述生成數(shù)據(jù)加入至所述多模態(tài)生理信號壓力數(shù)據(jù)庫中，并將所述生成數(shù)據(jù)標(biāo)定為y＝K+1類；

第一設(shè)置單元，用于根據(jù)y＝K+1類生成數(shù)據(jù)將所述社會壓力檢測模型中的分類器的輸出維度增加至K+1，以及將所述社會壓力檢測模型中的判別器的目標(biāo)設(shè)置為K+1類；

訓(xùn)練單元，用于利用所述多模態(tài)生理信號壓力數(shù)據(jù)庫中的樣本數(shù)據(jù)和生成數(shù)據(jù)對所述社會壓力檢測模型進(jìn)行訓(xùn)練學(xué)習(xí)，直至所述判別器的輸出概率達(dá)到預(yù)設(shè)閾值；

檢測單元，用于通過訓(xùn)練后的社會壓力檢測模型對指定的多模態(tài)生理信號進(jìn)行檢測，得到對應(yīng)的壓力概率值。