论文部分内容阅读
随着人们对于心理健康的日益重视，需要更加方便、客观、及时的心理健康状态评估技术来应对日益增长的心理健康问题带来的挑战。传统心理健康测量方法受社会赞许性及时效性影响，很难满足当前社会对心理健康服务的需求。近年来，随着智能设备（智能手机、智能手环和Kinect体感设备）的发展，人们可以实时、无侵扰、生态化地获取人体行为数据。个体行为可以反映一个人的情绪状态，本研究提出了利用智能设备采集用户行为数据实现用户抑郁情绪的实时预测。 本研究将智能设备用于抑郁情绪实时预测，智能手机和智能手环内置加速度传感器，可以实时的获取人体的X，Y和Z三轴加速度数据。Kinect体感设备内置深度摄像头，可以实时的获取人体25个关节点的三维坐标数据。本研究开展用户实验，首先利用PHQ-9量表获得用户的抑郁情绪作为标注（真实值）;利用智能设备采集用户的行为数据。然后对行为数据进行预处理后，提取时域、频域和时频特征，利用有监督机器学习回归方法建立抑郁情绪回归预测模型，最后通过交叉验证方法对模型的有效性进行评估。 结果表明，利用智能手机行为数据建立的抑郁情绪回归模型的预测值与真实值之间的相关系数为0.24;智能手环采集的行为数据建立的抑郁情绪回归模型的相关系数为0.32;利用Kinect采集的行为数据建立的抑郁情绪回归模型的相关系数为0.5以上，达到了中等相关，结果较好;为了消除男女性别的不同带来的差异和提高模型的准确性，我们根据性别分为男女两组，分别建立抑郁情绪预测模型，在男组上，相关系数达到0.45以上;女组的相关系数达到0.6以上。 研究结果表明，利用机器学习方法建立的抑郁情绪回归预测模型的相关系数达到了中等相关，表明行为数据对抑郁情绪有较好的预测能力，可用于预测用户的抑郁水平。