[发明专利]一种抑郁预测模型的生成方法和预测系统

权利要求书

1.一种抑郁预测模型的生成方法，包括：

步骤1：采集至少一名用户的心率波段时序数据和抑郁测量数值；

步骤2：基于所述心率波段时序数据提取用户的时序特征数据，构建训练数据和测试数据；

步骤3：基于所述用户的时序特征数据和用户的抑郁测量数值，生成抑郁预测模型；

步骤4：生成最优抑郁预测模型；

在所述步骤2中，包括以下步骤：

S21：获取用户的心率波段时序数据的数量的最小值min和最大值max；

S22：设置采样时间窗l，对每一个用户的心率波段时序数据，对截取的长度为l的心率波段时序数据提取时序特征数据，构建时间窗l下的用户训练数据和用户测试数据；

在所述步骤4中，包括：

S41：l的取值遍历[min,max]，重复步骤S2-S3，生成max-min+1个抑郁预测模型；

S42：计算将时间窗l下的用户测试数据的时序特征数据输入所述时间窗l下的预测模型后得到的预测结果与用户测试数据中用户抑郁测量数值之间的误差；

S43：计算时间窗l下的抑郁预测模型的平均误差，将所述平均误差作为所述时间窗l下的抑郁预测模型的性能评估指标；

S44：在max-min+1个预测模型中，平均误差最小的抑郁预测模型作为最优抑郁预测模型，所述最优抑郁预测模型对应的采样时间窗为最优采样时间窗。

2.根据权利要求1所述的生成方法，其特征在于，对截取的最后长度为l的心率波段时序数据提取时序特征数据；时序特征数据是从按时间顺序记录的一段心率波段时序数据上计算得到的统计特征，包括：最大值、最小值、均值、标准差、动态范围、峰度、偏度、斜率、截距、均方误差。

3.根据权利要求1所述的生成方法，其特征在于，在所述步骤3中，包括以下步骤：

S31：使用时间窗l下的用户训练数据的时序特征数据作为输入，用户训练数据中用户抑郁测量数值作为输出，训练得到时间窗l下的抑郁预测模型。

4.一种抑郁预测系统，其特征在于，所述系统包括：数据采集模块、特征提取模块、训练样本构建模块、神经网络训练模块、最优预测模型获取模块和预测分析模块，其中，

所述数据采集模块，用于接收被试的心率波段时序数据；

所述特征提取模块，用于根据采样时间窗l，在时间窗l下生成心率波段时序数据的时序特征数据；将用户的时序特征数据传送给所述训练样本构建模块，将被试的时序特征数据传送给最优抑郁预测模型；

所述训练样本构建模块，用于根据所述特征提取模块传送来的时序特征数据，构建时间窗l下的训练数据和测试数据；并将所述训练数据传送给所述神经网络训练模块，将所述测试数据传送给所述最优预测模型获取模块；采样时间窗l的取值为[min,max]，能够获得max-min+1组训练数据和测试数据；

所述神经网络训练模块，用于通过所述时间窗l下的训练数据训练得到时间窗l下的抑郁预测模型；

最优预测模型获取模块，用于获取最优抑郁预测模型，所述最优抑郁预测模型输出被试的抑郁状态评分；和

预测分析模块，用于接收被试的心率波段时序数据，将所述被试的心率波段时序数据传送给所述特征提取模块，将返回的结果传送给所述最优抑郁预测模型，并根据返回的被试的抑郁状态评分判断被试的抑郁状态；

在所述最优预测模型获取模块中，使用如下步骤生成最优预测模型：

(1)计算将时间窗l下的用户测试数据的时序特征数据输入所述时间窗l下的预测模型后得到的预测结果与用户测试数据中用户抑郁测量数值之间的误差；

(2)计算时间窗l下抑郁预测模型的平均误差，将所述平均误差作为所述时间窗l下抑郁预测模型的性能评估指标；

(3)在max-min+1个抑郁预测模型中，平均误差最小的抑郁预测模型作为最优抑郁预测模型，所述最优抑郁预测模型对应的采样时间窗为最优采样时间窗。