CN116206759B - 一种基于图像分析的心理健康评估装置、设备及存储介质 - Google Patents
一种基于图像分析的心理健康评估装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116206759B CN116206759B CN202310067887.5A CN202310067887A CN116206759B CN 116206759 B CN116206759 B CN 116206759B CN 202310067887 A CN202310067887 A CN 202310067887A CN 116206759 B CN116206759 B CN 116206759B
- Authority
- CN
- China
- Prior art keywords
- skin
- niacin
- image
- mental health
- nicotinic acid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004630 mental health Effects 0.000 title claims abstract description 95
- 238000010191 image analysis Methods 0.000 title claims abstract description 21
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 claims abstract description 251
- 235000001968 nicotinic acid Nutrition 0.000 claims abstract description 222
- 239000011664 nicotinic acid Substances 0.000 claims abstract description 222
- 229960003512 nicotinic acid Drugs 0.000 claims abstract description 222
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 55
- 238000003709 image segmentation Methods 0.000 claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 46
- 238000003062 neural network model Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 206010040914 Skin reaction Diseases 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 18
- 238000009792 diffusion process Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims 6
- 230000009323 psychological health Effects 0.000 claims 4
- 230000035479 physiological effects, processes and functions Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 101100295091 Arabidopsis thaliana NUDT14 gene Proteins 0.000 description 8
- 206010016825 Flushing Diseases 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000035483 skin reaction Effects 0.000 description 6
- 231100000430 skin reaction Toxicity 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011010 flushing procedure Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000006609 metabolic stress Effects 0.000 description 2
- YNBADRVTZLEFNH-UHFFFAOYSA-N methyl nicotinate Chemical compound COC(=O)C1=CC=CN=C1 YNBADRVTZLEFNH-UHFFFAOYSA-N 0.000 description 2
- 239000002858 neurotransmitter agent Substances 0.000 description 2
- 230000037311 normal skin Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000011506 response to oxidative stress Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003935 attention Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229960001238 methylnicotinate Drugs 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010984 neurological examination Methods 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Social Psychology (AREA)
- Heart & Thoracic Surgery (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Surgery (AREA)
- Hospice & Palliative Care (AREA)
- Veterinary Medicine (AREA)
- Educational Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Psychology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于图像分析的心理健康评估装置、设备及存储介质，该装置包括：视频获取模块，用于获取视频文件；所述视频文件中包含有评估对象的烟酸皮试反应影像；图像分割模块，用于利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；分析评估模块，用于根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征，以及根据所述至少一种皮肤烟酸反应特征确定所述评估对象的心理健康评估结果。本发明能够充分、有效地利用烟酸皮试在生理与心理之间起到的桥梁作用，提高了利用烟酸皮试进行心理健康评估的准确性以及效率。
Description
技术领域
本发明属于心理健康评估领域，具体涉及一种基于图像分析的心理健康评估装置、设备及存储介质。
背景技术
传统心理健康评估主要包括观察法、会谈法、调查法、心理测试法等。其中，学术上一般会通过对上述多种方式结合使用从而得到一个较为综合的评估结果；临床上主要使用的是汉密尔顿抑郁量表、自评抑郁量表和抑郁状态问卷等对评估对象的心理健康进行评估。
具体而言，传统心理健康评估首先会对评估对象展开问询，包括问询现病史，如现在症状出现的时间、有无原因引发、有无伴随症状、症状的演变以及治疗情况等；还会问询评估对象的过去史，如过去有无重大疾病、家族史，家族中有无明显的有遗传倾向的疾病以及其他重大疾病等；以及问询评估对象的个人史，如个人的性格特点、人生经历、兴趣爱好、文化程度以及人际关系等。
在完成问询之后，可以对评估对象进行一般体格检查、神经系统检查等以排除器质性病变所导致的抑郁。然后通过观察和评价患者在意识水平、感知觉活动、思维活动、情感活动、记忆力、注意力、智力、定向力、意志和行为、自知力等方面的表现，结合问询结果以及上述的几种心理测试量表对评估对象进行心理评估。
此外，还可以根据实际情况引入血常规、心电图、颅脑CT等辅助检查手段，从而以问询结果和心理测试结果为基础，综合考虑检查结果的对评估对象的心理健康状况进行综合评估。
由此可见，传统心理健康评估方法的整个评估过程需要专业医师的指导，对问卷内容的客观性与覆盖范围有较高要求，且需要评估对象能够充分地掌握自身的情况且无故意伪装或隐瞒。以上种种因素导致评估结果在很大程度上受到参与评估过程的各类人员的主观因素影响，其准确率和可靠性难以得到保证。
此外，由于传统心理健康评估方法很大程度上依赖于医师的个人经验，而专业医师的数量目前还不足以使心理健康评估得到广泛的开展，评估效率也比较低。
针对传统心理健康评估方法所存在的问题，公开号为CN111557672A的专利申请文件中公开了一种烟酸皮肤反应图像分析方法和设备。该方法在评估对象的前臂皮肤上贴上烟酸甲酯贴片，通过拍摄以及分析前臂皮肤的烟酸反应区域图像，从而根据分析数据来预测评估对象是否患有精神类疾病。其中，在分析该烟酸反应区域图像时，该方法使用皮肤潮红程度的阈值首先识别烟酸反应区域图像中的潮红皮肤，进而根据识别结果计算潮红皮肤的面积和平均潮红程度值作为分析数据。
然而，上述烟酸皮肤反应图像分析方法容易受到光照以及肤色差异等因素的影响，对潮红皮肤像素的识别精度不高，可能导致预测结果不准确，从而造成误判。
发明内容
为了解决现有技术中所存在的上述问题，本发明提供了一种心理健康评估装置、设备及计算机存储介质。
本发明要解决的技术问题通过以下技术方案实现：
第一方面，本发明提供了一种基于图像分析的心理健康评估装置，包括：
视频获取模块，用于获取视频文件；所述视频文件中包含有评估对象的烟酸皮试反应影像；
图像分割模块，用于利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
分析评估模块，用于根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征，以及根据所述至少一种皮肤烟酸反应特征确定所述评估对象的心理健康评估结果；
其中，所述图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；所述样本图像为包含有烟酸皮试反应影像的图像；所述标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
可选地，所述至少一种皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征。
可选地，所述至少一种皮肤烟酸反应特征，还包括：与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征。
可选地，所述与烟酸反应皮肤的面积相关的特征，包括：
所述分割图像中的每块烟酸反应皮肤的面积，和/或，所述分割图像中的各块烟酸反应皮肤的面积总和。
可选地，所述与烟酸反应皮肤的扩散速度相关的特征，包括：
所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长。
可选地，所述与烟酸反应皮肤的颜色相关的特征，包括：G特征；
所述G特征，用于表征所述分割图像中的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异。
可选地，所述心理健康评估装置还包括：
图像预处理模块，用于对待送入图像分割神经网络模型的视频帧进行直方图均衡化；
所述样本图像同为经过所述直方图均衡化的图像。
可选地，所述分析评估模块，包括：分析子模块、向量编码子模块以及评估子模块；
所述分析子模块，用于根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征；
所述向量编码子模块，用于将所述至少一种皮肤烟酸反应特征编码为特征向量；
所述评估子模块，用于利用预先训练完成的、用于心理健康评估的分类器对所述特征向量进行分类，并将得到的分类结果作为所述心理健康评估结果。
第二方面，本发明提供了一种基于图像分析的心理健康评估设备，包括处理器和存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现一种基于图像分析的心理健康评估方法；
所述心理健康评估方法包括：
获取视频文件；所述视频文件中包含有评估对象的烟酸皮试反应影像；
利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征，以及根据所述至少一种皮肤烟酸反应特征确定所述评估对象的心理健康评估结果；
其中，所述图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；所述样本图像为包含有烟酸皮试反应影像的图像；所述标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
可选地，所述至少一种皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征。
可选地，所述至少一种皮肤烟酸反应特征，还包括：与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征。
可选地，所述与烟酸反应皮肤的面积相关的特征，包括：
所述分割图像中的每块烟酸反应皮肤的面积，和/或，所述分割图像中的各块烟酸反应皮肤的面积总和。
可选地，所述与烟酸反应皮肤的扩散速度相关的特征，包括：
所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长。
可选地，所述与烟酸反应皮肤的颜色相关的特征，包括：G特征；
所述G特征，用于表征所述分割图像中的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异。
可选地，所述心理健康评估方法还包括：
对待送入图像分割神经网络模型的视频帧进行直方图均衡化；所述样本图像同为经过所述直方图均衡化的图像。
可选地，所述根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征，以及根据所述至少一种皮肤烟酸反应特征确定所述评估对象的心理健康评估结果，包括：
根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的至少一种皮肤烟酸反应特征；
将所述至少一种皮肤烟酸反应特征编码为特征向量；
利用预先训练完成的、用于心理健康评估的分类器对所述特征向量进行分类，并将得到的分类结果作为所述心理健康评估结果。
第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的任一种心理健康评估方法。
第四方面，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述的任一种基于图像分析的心理健康评估方法。
本发明提供的心理健康评估装置中，视频获取模块获取了包含有评估对象的皮肤烟酸反应影像的视频文件；图像分割模块利用预先训练完成的图像分割神经网络模型对这组视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；其中，该图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；样本图像也是包含有烟酸皮试反应影像的图像，其标注信息包括各个像素是否对应烟酸反应皮肤的信息。这样，通过该图像分割模块可以精确地从视频帧中识别出烟酸反应皮肤，比现有技术仅根据皮肤潮红程度的阈值来识别潮红皮肤的方案的识别精度更高。在此基础上，分析评估模块通过对上述的一组分割图像进行皮肤烟酸反应特征分析，得到至少一种皮肤烟酸反应特征也更加精确；进而利用得到的皮肤烟酸反应特征所确定的心理健康评估结果，也更加精确，不容易出现误判。
并且，由于视频获取模块所获取的是视频文件，相应的分析评估模块在进行皮肤烟酸反应特征分析时，一方面其可用的数据量更大，可以避免单张图像拍摄效果不佳所导致的评估失败。另一方面分析评估模块还可以利用该视频文件的各个视频帧所包含图像信息的关联性，从更多种维度来提取不止一种皮肤烟酸反应特征，从而进一步提高心理健康评估结果的准确性。
本发明提供的基于图像分析的心理健康评估装置，基于评估对象的皮肤对烟酸反应的现象进行心理健康评估，其实质是评估对象因心理状态所导致的神经递质代谢、氧化应激反应现象，因此本发明的心理健康评估结果不受医师个人经验的影响、也不受有故意伪装或隐瞒目的的评估对象的干扰，具有极强的客观性以及较高的准确性和可靠性。并且，本发明无需专业医师的参与，也无需对评估对象进行问询以及任何检查，能够自动化运行，从而能够被广泛应用，进而提高心理健康评估的效率。
综上，本发明解决了现有技术开展心理健康评估时所存在的评估效率低下，主观性强，误诊率高，操作流程复杂，时效性短以及人工成本高的诸多技术缺陷与技术问题。
以下将结合附图及对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于图像分析的心理健康评估装置的结构及功能示意图；
图2是利用本发明实施例的心理健康评估装置进行心理健康评估的流程图；
图3中分别示出了Resnet50网络以及ResNext网络的瓶颈层；
图4中示出了Resnet50网络的整体结构；
图5中示出了针对瓶颈层引入通道注意力机制的示意图；
图6中示出了本发明实施例中使用的解码器的结构示意图；
图7是本发明实施例中对样本图像进行预处理的流程图；
图8是本发明实施提供的一种基于图像分析的心理健康评估设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
心理问题可以由复杂的先天遗传因素以及后天环境因素引起。已有研究表面，有心理问题的人往往有烟酸皮肤反应钝化的生物现象。因此，通过在人的毛细血管比较稠密的位置涂抹烟酸试剂进行烟酸皮试，可以搭建起心理与生理之间的桥梁，为心理健康评估的开展提供重要的客观依据。然而在实际操作中往往还是需要凭借专业医师的个人经验来对烟酸皮试的皮肤反应进行甄别，从而给出最终的评估结论；这与传统心理健康评估方式相比来说，仅仅是通过烟酸皮试向医生多提供了一项参考指标而已，并没有很好的利用到烟酸皮试的桥梁作用。
现有技术中，已经有利用图像处理与分析的手段来代替医师对烟酸皮肤反应进行甄别、从而实现心理健康评估的方案。但是，现有方案通过简单的阈值判定的方式识别潮红的烟酸反应皮肤，因此当有光照和/或肤色差异等干扰因素的影响时，其很容易产生误判。
因此，为了能够充分、有效地利用烟酸皮试的桥梁作用，提高利用烟酸皮试进行心理健康评估的准确性以及效率，本发明实施例提供了一种基于图像分析的心理健康评估装置。
参见图1所示，本发明实施例提供的基于图像分析的心理健康评估装置，包括：
视频获取模块，用于获取视频文件；该视频文件中包含有评估对象的烟酸皮试反应影像。
在实际应用中，该视频获取模块可以是一个用于导入视频文件的接口模块，或者该视频获取模块也可以是一个能够直接进行拍摄的摄像头，这都是可以的。在拍摄视频文件之前，可以先用红外相机采集受试者的多处皮肤浅层图像，获得其皮下血管分布图，从而选择毛细血管较为丰富的点进行烟酸皮试，由此来获得拍摄质量更高的视频文件。例如，可以开发一种硬件视频采集设备来保证每次拍摄图片时，光照条件的一致性以及选好的皮肤受试点尽量不发生大的位移，从而确保所拍摄视频数据的可靠性。硬件视频采集设备可同时集成高分辨率的摄像头和红外摄像头，从而方便地进行皮试位置的选取以及视频文件的拍摄。
图像分割模块，用于利用预先训练完成的图像分割神经网络模型对视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像。
其中，该图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；样本图像为包含有烟酸皮试反应影像的图像；样本图像的标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
在实际应用中，可以对心理健康人群以及存在心理问题的人群进行样本图像的采集，从而获取大量的样本图像，并标注出这些样本图像中的烟酸反应皮肤，从而利用这些样本图像及其标注信息来对图像分割神经网络模型进行训练，得到训练完成的图像分割神经网络模型。
利用训练完成的图像分割神经网络模型对每张视频帧进行分割后，视频帧中的烟酸反应皮肤影像与正常皮肤图像影像被分割开来，即得到分割图像。
上述的图像分割神经网络模型可以通过对现有图像分割神经网络模型(例如SegNet、DeepLab或U-Net等)进行训练得到。或者，也可以通过对现有图像分割神经网络模型进行场景适应性的修改得到，这都是可以的。为了使说明书的结构层次清晰，后续对图像分割神经网络模型的具体网络结构进行举例说明。
分析评估模块，用于根据上述的一组分割图像进行皮肤烟酸反应特征分析，得到评估对象的至少一种皮肤烟酸反应特征，以及根据该至少一种皮肤烟酸反应特征确定评估对象的心理健康评估结果。
可以理解的是，由于本发明实施例中使用的一组分割图像来自于同一视频文件，一方面其可用的数据量更大，可以避免单张图像拍摄效果不佳所导致的评估失败。另一方面还可以利用该组分割图像所包含图像信息之间的关联性，从而从更多种维度来提取不止一种皮肤烟酸反应特征。
示例性的，在一种实现方式中，根据述的一组分割图像进行皮肤烟酸反应特征分析，所得到的皮肤烟酸反应特征，可以包括：与烟酸反应皮肤的面积相关的特征，简称面积特征。
可以理解的是，由于分割图像中烟酸反应皮肤影像与正常皮肤图像影像已经被分割开来，因此通过统计分割图像中对应烟酸反应皮肤的像素点数量，便可以得到分割图像中的烟酸反应皮肤的精确面积。
此外，由于烟酸皮试点可能不止一处，每块烟酸反应皮肤均是一处烟酸皮试点，因此，这里说的与烟酸反应皮肤的面积相关的特征，可以包括每张分割图像中的每块烟酸反应皮肤的面积，和/或，每张分割图像中的各块烟酸反应皮肤的面积总和。
在上述与烟酸反应皮肤的面积相关的特征的基础上，根据上述的一组分割图像进行皮肤烟酸反应特征分析，所得到的皮肤烟酸反应特征，还可以包括：与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征；其中，与烟酸反应皮肤的扩散速度相关的特征可简称为速度特征，与烟酸反应皮肤的颜色相关的特征可简称为颜色特征。
其中，与烟酸反应皮肤的扩散速度相关的特征可以存在多种，例如可以包括：评估对象的烟酸反应皮肤的面积扩散至最大面积所需要的时长，或者，评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长。
在实际应用中，不同评估对象对烟酸皮试的反应时间虽然有长有短，但通过进行数据统计，则适用整体人群的烟酸反应时长仍是可以预先确定的。因此，只需将拍摄视频文件的时长设置为略大于上述烟酸反应时长，即可拍摄到评估对象的烟酸反应全过程，从而能够从上述的一组分割图像中提取到烟酸反应皮肤的面积扩散至最大面积或最大面积的一半所需要的时长。
根据前期生理学研究发现，存在心理问题的人与健康人的皮肤烟酸反应在颜色上有着明显差异，特别是这两类人的皮肤烟酸反应在RGB颜色空间的G通道上有着显著的数值差异；这里说的G通道，即指的是RGB颜色空间的G通道，G通道的数值即是G分量。因此，本发明实施例中与烟酸反应皮肤的颜色相关的特征主要指的是与烟酸反应皮肤的G分量相关的特征。
在一种优选实现方式中，与烟酸反应皮肤的G分量相关的特征，可以包括：G特征；该G特征用于表征分割图像中的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异。
该实现方式中，通过计算评估对象的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异，一方面能够保留评估对象的烟酸反应皮肤本身的特征属性，另一方面还可以消除皮肤差别造成的影响。具体来说，由于不同人的肤色存在差别，因此图像分割模块所分割出的烟酸反应皮肤中其实是包含有评估对象本身的肤色信息在内的。这样，对于不同肤色的人来说，所生成的G特征便不能对应统一的生成标准，从而对评估精确性产生一定的影响。因此，通过计算评估对象的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异，可以消除该不利影响，从而使提取的G特征能够更加准确地表征评估对象的烟酸反应皮肤本身的特征属性。
在一种实现方式中，上述G特征的生成方式可以包括：
针对每张分割图图像，计算其中对应烟酸反应皮肤的像素的G分量均值mean1，并计算其中对应非烟酸反应皮肤的像素的G分量均值mean2；求取mean1-mean2作为从该张分割图像中提取的G特征。由此，从各张分割图像中提取的G特征即是一种可用于进行心理健康评估的G特征。
在另一种实现方式中，上述G特征的生成方式可以包括：
(1)针对每张分割图图像，确定其中烟酸反应皮肤和非烟酸反应皮肤的边界；
(2)以上述边界为起点，向外扩张一定的像素宽度，形成具有一定像素宽度的分界区域；该像素宽度可以预先设定，例如可以设定为烟酸皮试点的半径宽度，当然并不局限于此。
(3)计算分割图像中对应烟酸反应皮肤的像素的G分量均值mean1，并计算上述分界区域中像素的G分量均值mean3，求取mean1-mean3作为从该张分割图像中提取的G特征。
同理，利用该实现方式从各张分割图像中提取的G特征也是一种可用于进行心理健康评估的G特征。
对比上述两种生成G特征的方式可以理解的是，后一种实现方式中排除了烟酸反应皮肤以外的大部分背景区域，由此可排除背景区域中所可能存在的光斑、噪声或者其他干扰目标的影响，从而更进一步地提高了所取G特征的准确性。
分析评估模块得到评估对象的至少一种皮肤烟酸反应特征后，便可以根据该至少一种皮肤烟酸反应特征确定评估对象的心理健康评估结果。
具体而言，该分析评估模块，可以具体包括：分析子模块、向量编码子模块以及评估子模块。
其中，分析子模块，用于根据上述的一组分割图像进行皮肤烟酸反应特征分析，得到评估对象的至少一种皮肤烟酸反应特征，其分析方式已经在上文中进行过详细的描述，此处不再赘述。
向量编码子模块，用于将分析子模块所得到的至少一种皮肤烟酸反应特征编码为特征向量。
举例而言，假设对评估对象进行了4种不同烟酸浓度下的烟酸皮试监测点，假设拍摄的视频文件有20个视频帧，则分析子模块所得到的皮肤烟酸反应特征可以包括：20×4个面积值，20个总面积值、4个时长以及80个G特征。定义一个长度不小于80+20+4+80＝184的一维向量，其中前80比特存放80个面积值，后80位存放80个G特征，位于中间的比特位中有20位存放20个总面积值，另有4位存放4个时长。
评估子模块，用于利用预先训练完成的、用于心理健康评估的分类器对特征向量进行分类，并将得到的分类结果作为心理健康评估结果。
分类器是一种基于机器学习的数学模型，它可以对收集到的所有变量进行特征提取和组合,计算分类概率从而根据概率值实现分类。
这里，分类器可选的类型存在多种，现有技术中的决策树、朴素贝叶斯以及神经网络等分类器均可以应用在本发明实施例中。
其中，利用神经网络实现的分类器具有超强的学习能力，且网络结构简单，利用一个全连接层即可实现准确、有效地分类。在实际应用中，可以预先对大量的人群进行烟酸皮试，并按照上文所示的皮肤烟酸反应特征的分析过程得到皮肤烟酸反应特征并进行相应的编码，以及为编码得到特征向量标注其对应的真实分类。然后，利用这些特征向量即可来训练分类器。
可以理解的是，最终的心理健康评估结果的呈现形式与为特征向量标注真实分类的方式一致。例如，假设将来自于健康人的特征向量对应的分类标注为心理健康人群，而将来自于存在心理问题的人的特征向量对应的分类标注为非心理健康人群，则最终的心理健康评估结果即是评估对象是否为心理健康人群。再例如，假设将来自于健康人的特征向量对应的分类标注为0级；将来自于有轻微心理问题的人的特征向量对应的分类为1级，以及将来自于有严重心理问题的人的特征向量对应的分类为2级，则最终的心理健康评估结果即是评估对象的心理健康等级；其中0级代表心理健康，1级代表有轻微心理问题，2级代表有严重心理问题。
在另一种实现方式中，在预先已经获得了大量标注有真实分类的特征向量的基础上，也可以无需借助分类器来进行分类。例如也可以直接计算来自于评估对象的特征向量与预先获得的所有已分类特征向量的相似度，从而将相似度最高的已分类特征向量对应的真实分类作为该评估对象的心理健康评估结果。
在一个具体示例中，利用本发明实施例提供的心理健康评估装置进行心理健康评估的流程可参见图2所示。其中，分析子模块一共从分割图像中分析得到了面积特征、速度特征以及G特征三种不同维度的特征；这样向量编码子模块将这些特征编码为特征向量后，该特征向量中包含了评估对象的烟酸反应皮肤的三种不同维度信息，评估子模块基于该特征向量能够得到更为准确的心理健康评估结果。
本发明实施例提供的心理健康评估装置中，视频获取模块获取了包含有评估对象的皮肤烟酸反应影像的视频文件；图像分割模块利用预先训练完成的图像分割神经网络模型对这组视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；其中，该图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；样本图像也是包含有烟酸皮试反应影像的图像，其标注信息包括各个像素是否对应烟酸反应皮肤的信息。这样，通过该图像分割模块可以精确地从视频帧中识别出烟酸反应皮肤，比现有技术仅根据皮肤潮红程度的阈值来识别潮红皮肤的方案的识别精度更高。在此基础上，分析评估模块通过对上述的一组分割图像进行皮肤烟酸反应特征分析，得到至少一种皮肤烟酸反应特征也更加精确；进而利用得到的皮肤烟酸反应特征所确定的心理健康评估结果也更加精确，不容易出现误判。
并且，由于视频获取模块所获取的是视频文件，相应的分析评估模块在进行皮肤烟酸反应特征分析时，一方面其可用的数据量更大，可以避免单张图像拍摄效果不佳所导致的评估失败。另一方面分析评估模块还可以利用该视频文件的各个视频帧所包含图像信息的关联性，从更多种维度来提取不止一种皮肤烟酸反应特征，从而进一步提高心理健康评估结果的准确性。
本发明实施例提供的心理健康评估装置，基于评估对象的皮肤对烟酸反应的现象进行心理健康评估，其实质是评估对象因心理状态所导致的神经递质代谢、氧化应激反应现象，因此本发明实施例的心理健康评估结果不受医师个人经验的影响、也不受有故意伪装或隐瞒目的的评估对象的干扰，具有极强的客观性以及较高的准确性和可靠性。
并且，本发明实施例无需专业医师的参与，也无需对评估对象进行问询以及任何检查，能够自动化运行，极大地降低了人工成本，可用于批量化检测，提高了心理健康评估的效率。
可选地，在一种实现方式中，本发明实施例提供的心理健康评估装置还可以包括一个图像预处理模块；该图像预处理模块，用于对待送入图像分割神经网络模型的视频帧进行直方图均衡化；相应的，在预先训练该图像分割神经网络模型时所使用的样本图像同为经过直方图均衡化的图像。
这里，通过对视频帧进行直方图均衡化，可以增强图像中的烟酸反应皮肤与非烟酸反应皮肤的对比度。具体而言，由于不同人的肤色不同，且烟酸反应皮肤的颜色偏向红色调，因此通过直方图均衡化处理，可以提高烟酸反应皮肤与非烟酸反应皮肤的对比度。
在实际应用中，图像预处理模块所可以承担的工作还可以包括更多，例如调整视频帧的分辨率大小使其与图像分割神经网络模的输入匹配，以及对视频帧进行标准化处理等。
其中，标准化处理主要是在训练图像分割神经网络模型时，为了加快模型收敛速度而对各个样本图像进行的标准化操作。因此在使用训练完成的图像分割神经网络模型时，相应的对输入图像即视频帧进行相同的标准化处理，以消除模型在训练和使用两个阶段的性能差异。因此，对视频帧进行标准化处理时，是以各样本图像组成的训练数据集的标准差和均值为标准的。
下面，对图像分割神经网络模型进行举例说明。
示例性的，在一种实现方式中，该图像分割神经网络模型可以包括：编码器、ASPP结构以及解码器。这里，ASPP指的是使用空洞卷积的空间金字塔池化。
其中，编码器用于对输入的视频帧分别提取深层特征和浅层特征。ASPP结构用于对该深层特征进行多感受野特征提取和通道拼接，得到ASPP输出特征。解码器则用于对浅层特征和ASPP输出特征进行融合，并基于融合特征进行解码，得到与视频帧同等大小的分割图像。
关于上述编码器，可以通过将Resnet50网络中的瓶颈层(bottleneck)替换为ResNext网络中的bottleneck，然后再在此时得到网络中引入通道注意力机制，得到适用于烟酸反应皮肤分割场景的编码器。
图3中分别示出了Resnet50网络以及ResNext网络的bottleneck；其中，结构(a)是Resnet50网络的bottleneck，结构(b)是ResNext网络的bottleneck，对比可见，ResNext网络的bottleneck采用了一种平行堆叠相同拓扑的结构。
图4中示出了Resnet50网络的整体结构，其中stage1～stage4中均包含有bottleneck，通道注意力机制主要针对这些bottleneck来使用。
具体的，图5中左侧的结构(a)是未引入通道注意力机制时基于bottleneck形成的一种残差结构，右侧结构(b)是针对结构(a)引入了通道注意力机制后的结构；从该结构(b)中可以看到，bottleneck输出的W(宽)×H(高)×C(通道)的特征图首先通过一个全局池化层(Global pooling)获得一个1×1×C的一维向量，再依次通过一个全连接层(FC)、ReLU激活层、另一个全连接层(FC)后通过Sigmoid函数层；将Sigmoid函数层输出的特征与bottleneck输出的特征进行广播点对点相乘，图5中用scale表示这一操作，即将Sigmoid函数层输出的特征中的每一个值作为bottleneck输出的特征的通道权值赋予到bottleneck输出的特征中。然后，将此时得到的特征与进入bottleneck的特征X进行相加，形成残差结构，该残差结构的输出结果即可继续送入bottleneck的输出原本要进入的网络结构中。
可以理解的是，通过在编码器中引入该注意力机制，可以使网络能够重点关注与烟酸反应皮肤分割任务相关的有用信息，忽略无关信息。
此外，为了更进一步地提高图像分割神经网络模型分割烟酸反应皮肤的能力，可以将原Resnet50网络中位于中后期的stage中的卷积转换为空洞卷积，例如将第3、4级stage中的卷积转换为空洞卷积；这样可以在增加感受野的同时，尽可能地保留与分割烟酸反应皮肤有关的图像细节信息。这里，使用空洞卷积的操作在一定程度上可以代替下采样操作，弥补了特征图缩小再放大的过程中所造成的精度上的损失。
关于ASPP结构，其将编码器生成的特征图分别进行4次卷积：一次1×1的普通卷积、三次3×3的空洞卷积；然后对这四次卷积得到的结果在通道维度C进行拼接(concat)操作，concat结果再通过一个1×1的普通卷积后得到ASPP输出特征。
关于上述解码器，参见图6所示，ASPP输出特征经过上采样进入到解码器的特征融合模块中，与编码器输出的浅层特征进行融合，从而获得既包含细粒度图像信息又包含高层次语义信息的图像特征；融合得到图像特征继续通过上采样结构恢复到原始尺寸，然后传入分割头(segmentation head)进行最终的分割预测。
构建好图像分割神经网络模型的网络结构后，便可以对其展开训练。其中，训练过程中可以计算DiceLoss来计算模型损失，DiceLoss的基本思想是将需要优化的目标指标直接作为损失函数，它计算模型分割出来的前景和标注信息中的前景的交并比。本发明实施例中采用DiceLoss作为模型损失的原因，主要是因为本发明实施例中进行图像分割的真实目标正是最大化分割的烟酸反应皮肤与对应标注信息中的烟酸反应皮肤的交并比。
在进行训练时，可以参见图7所示的流程对所有样本图像进行统一的预处理，其中在对样本图像进行调整大小时，处理后的目标大小可以取所有样本图像的平均大小。
另外，如在图7中所示的，为了增强最终训练好的图像分割神经网络模型的鲁棒性，可以通过对拍摄获得的样本图像进行随机的图像增广处理，从而获得更多的训练样本。这里，针对任一张样本图像来说，对其可采用的图像增广处理方式可以包括下述处理方式中的一种或多种：
(1)水平翻转；
(2)平移、旋转或缩放，以及平移、旋转或缩放后的像素填充操作；
(3)随机裁剪，以及裁剪后的像素填充操作；
(4)高斯噪声；
(5)4点透视变换；
(6)随机亮度对比度增强；
(7)图像锐化、模糊、动态模糊；
(8)随机改变HSV的值。
另外，在训练过程中，可以采用如下的两个指标来评估模型的性能：
(1)IOU，即交并比,计算分割出来的烟酸反应皮肤和标注信息中的烟酸反应皮肤的交并比来评估模型的准确度；
(2)标准差:在训练和验证过程中,计算一个Epoch(周期)的IOU标准差来评估模型的稳定性。
以上是对图像分割神经网络模型的举例说明。
可以理解的是，上述举例的图像分割神经网络模型仅仅作为一种示例，并不构成对本发明实施例的限定。任何能够实现图像分割的神经网络模型，均可以适用或经改造后适用到本发明实施例的烟酸反应皮肤分割场景中。
本发明实施例提供的基于图像分析的心理健康评估装置可以应用于电子设备中。在实际应用中，这里说的电子设备可以是计算机、医疗终端设备或服务器等，在此不作限定，任何可以实现本发明的电子设备，均属于本发明实施例的保护范围。
本发明实施例提供的心理健康评估装置的应用场景十分广泛，包括但不限于医学心理疾病诊断以及综合性健康体检等。
综上，本发明实施例利用存在心理问题的人对烟酸皮肤反应钝化的生物学机制，结合人了多种工智能技术，如利用计算机视觉实现烟酸反应皮肤分割，利用机器学习算法(分类器)归纳皮肤烟酸反应特征，发明了一个客观性强、操作流程简单、检出力度大、准确率高、安全性强的心理健康评估装置；该装置充分利用了烟酸皮试真实数据，具备完整的数学理论体系，极大地提高了判别算法的准确率和可靠性；解决了现有技术开展心理健康评估时所存在的评估效率低下，主观性强，误诊率高，操作流程复杂，时效性短以及人工成本高的诸多技术缺陷与技术问题。
基于相同的发明构思，本发明实施例还提供了一种基于图像分析的心理健康评估设备，如图8所示，包括：处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的计算机程序时，实现一种基于图像分析的心理健康评估方法；
该心理健康评估方法，包括：
获取一组视频文件；视频文件中包含有评估对象的皮肤烟酸反应影像；
利用预先训练完成的图像分割神经网络模型对视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
根据一组分割图像进行皮肤烟酸反应特征分析，得到评估对象的至少一种皮肤烟酸反应特征，以及根据至少一种皮肤烟酸反应特征确定评估对象的心理健康评估结果；
其中，图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；样本图像为包含有烟酸皮试反应影像的图像；标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
可选地，上述的至少一种皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征。
可选地，上述的至少一种皮肤烟酸反应特征，还包括：与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征。
可选地，与烟酸反应皮肤的面积相关的特征，包括：
所述分割图像中的每块烟酸反应皮肤的面积，和/或，所述分割图像中的各块烟酸反应皮肤的面积总和。
可选地，与烟酸反应皮肤的扩散速度相关的特征，包括：
所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长。
可选地，与烟酸反应皮肤的颜色相关的特征，包括：G特征；
所述G特征，用于表征所述分割图像中的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异。
可选地，上述心理健康评估方法还包括：
对待送入图像分割神经网络模型的视频帧进行直方图均衡化；
所述样本图像同为经过所述直方图均衡化的图像。
可选地，根据所述至少一种皮肤烟酸反应特征确定所述评估对象的心理健康评估结果，包括：
将所述至少一种皮肤烟酸反应特征编码为特征向量；
利用预先训练完成的、用于心理健康评估的分类器对所述特征向量进行分类，并将得到的分类结果作为所述心理健康评估结果。
该心理健康评估设备中，存储器可以包括随机存取存储器(Random AccessMemory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供了一种计算机可读存储介质。在该计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一种基于图像分析的心理健康评估方法所述的方法步骤。
可选地，该计算机可读存储介质可以为非易失性存储器(Non-Volatile Memory，NVM)，例如为至少一个磁盘存储器。
可选的，所述计算机可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
在本发明的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一种基于图像分析的心理健康评估方法所述的方法步骤。
需要说明的是，对于/设备/存储介质/计算机程序产品实施例而言，由于其基本相似于装置实施例，所以描述的比较简单，相关之处参见装置实施例的部分说明即可。
需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图以及公开内容，可理解并实现所述公开实施例的其他变化。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (7)
1.一种基于图像分析的心理健康评估装置，其特征在于，包括：
视频获取模块，用于获取视频文件；所述视频文件中包含有评估对象的烟酸皮试反应影像；
图像分割模块，用于利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
分析评估模块，用于根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的皮肤烟酸反应特征，以及根据所述皮肤烟酸反应特征确定所述评估对象的心理健康评估结果；
其中，所述图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；所述样本图像为包含有烟酸皮试反应影像的图像；所述标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息；
所述皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征、与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征；
所述与烟酸反应皮肤的扩散速度相关的特征，包括：
所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长。
2.根据权利要求1所述的心理健康评估装置，其特征在于，所述与烟酸反应皮肤的面积相关的特征，包括：
所述分割图像中的每块烟酸反应皮肤的面积，和/或，所述分割图像中的各块烟酸反应皮肤的面积总和。
3.根据权利要求1所述的心理健康评估装置，其特征在于，所述与烟酸反应皮肤的颜色相关的特征，包括：G特征；
所述G特征，用于表征所述分割图像中的烟酸反应皮肤与非烟酸反应皮肤之间在G通道上的差异。
4.根据权利要求1所述的心理健康评估装置，其特征在于，还包括：
图像预处理模块，用于对待送入图像分割神经网络模型的视频帧进行直方图均衡化；
所述样本图像同为经过所述直方图均衡化的图像。
5.根据权利要求1所述的心理健康评估装置，其特征在于，所述分析评估模块，包括：分析子模块、向量编码子模块以及评估子模块；
所述分析子模块，用于根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的皮肤烟酸反应特征；
所述向量编码子模块，用于将所述皮肤烟酸反应特征编码为特征向量；
所述评估子模块，用于利用预先训练完成的、用于心理健康评估的分类器对所述特征向量进行分类，并将得到的分类结果作为所述心理健康评估结果。
6.一种基于图像分析的心理健康评估设备，其特征在于，包括：处理器和存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现一种基于图像分析的心理健康评估方法；
所述心理健康评估方法，包括：
获取一组视频文件；所述视频文件中包含有评估对象的皮肤烟酸反应影像；
利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的皮肤烟酸反应特征，以及根据所述皮肤烟酸反应特征确定所述评估对象的心理健康评估结果；
其中，所述皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征、与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征；所述与烟酸反应皮肤的扩散速度相关的特征，包括：所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长；所述图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；所述样本图像为包含有烟酸皮试反应影像的图像；所述标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
7.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现一种基于图像分析的心理健康评估方法；
所述心理健康评估方法，包括：
获取一组视频文件；所述视频文件中包含有评估对象的皮肤烟酸反应影像；
利用预先训练完成的图像分割神经网络模型对所述视频文件的视频帧分别进行烟酸反应皮肤分割，得到一组分割图像；
根据所述一组分割图像进行皮肤烟酸反应特征分析，得到所述评估对象的皮肤烟酸反应特征，以及根据所述皮肤烟酸反应特征确定所述评估对象的心理健康评估结果；
其中，所述皮肤烟酸反应特征，包括：与烟酸反应皮肤的面积相关的特征、与烟酸反应皮肤的扩散速度相关的特征，以及与烟酸反应皮肤的颜色相关的特征；所述与烟酸反应皮肤的扩散速度相关的特征，包括：所述评估对象的烟酸反应皮肤的面积扩散至最大面积的一半所需要的时长；所述图像分割神经网络模型是基于多个样本图像以及样本图像的标注信息进行训练得到的；所述样本图像为包含有烟酸皮试反应影像的图像；所述标注信息包括：样本图像中的各个像素是否对应烟酸反应皮肤的信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310067887.5A CN116206759B (zh) | 2023-01-17 | 2023-01-17 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310067887.5A CN116206759B (zh) | 2023-01-17 | 2023-01-17 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116206759A CN116206759A (zh) | 2023-06-02 |
| CN116206759B true CN116206759B (zh) | 2023-11-28 |
Family
ID=86516633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310067887.5A Active CN116206759B (zh) | 2023-01-17 | 2023-01-17 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116206759B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018023756A (ja) * | 2016-08-09 | 2018-02-15 | 花王株式会社 | 肌状態の評価方法 |
| CN111557672A (zh) * | 2020-05-15 | 2020-08-21 | 上海市精神卫生中心（上海市心理咨询培训中心） | 一种烟酸皮肤反应图像分析方法和设备 |
| CN113749642A (zh) * | 2021-07-07 | 2021-12-07 | 上海耐欣科技有限公司 | 量化皮肤潮红反应程度的方法、系统、介质及终端 |
| CN114120090A (zh) * | 2021-11-25 | 2022-03-01 | 众安在线财产保险股份有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN114334151A (zh) * | 2021-12-30 | 2022-04-12 | 北京鹰之眼智能健康科技有限公司 | 基于头部图像对人体健康状态进行评估的方法和装置 |
| CN217429994U (zh) * | 2021-08-30 | 2022-09-16 | 李甫 | 烟酸皮肤反应图像的处理系统 |
| CN116269378A (zh) * | 2023-01-09 | 2023-06-23 | 西安电子科技大学 | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 |
-
2023
- 2023-01-17 CN CN202310067887.5A patent/CN116206759B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018023756A (ja) * | 2016-08-09 | 2018-02-15 | 花王株式会社 | 肌状態の評価方法 |
| CN111557672A (zh) * | 2020-05-15 | 2020-08-21 | 上海市精神卫生中心（上海市心理咨询培训中心） | 一种烟酸皮肤反应图像分析方法和设备 |
| CN113749642A (zh) * | 2021-07-07 | 2021-12-07 | 上海耐欣科技有限公司 | 量化皮肤潮红反应程度的方法、系统、介质及终端 |
| CN217429994U (zh) * | 2021-08-30 | 2022-09-16 | 李甫 | 烟酸皮肤反应图像的处理系统 |
| CN114120090A (zh) * | 2021-11-25 | 2022-03-01 | 众安在线财产保险股份有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN114334151A (zh) * | 2021-12-30 | 2022-04-12 | 北京鹰之眼智能健康科技有限公司 | 基于头部图像对人体健康状态进行评估的方法和装置 |
| CN116269378A (zh) * | 2023-01-09 | 2023-06-23 | 西安电子科技大学 | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 烟酸皮肤潮红反应作为精神分裂症生物内表型的研究进展;甘冉飘;吴桂森;陈海莹;徐丽华;张天宏;王继军;;中国神经精神疾病杂志(07);65-68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116206759A (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Niu et al. | Rhythmnet: End-to-end heart rate estimation from face via spatial-temporal representation | |
| CN111814768A (zh) | 基于ai复合模型的图像识别方法、装置、介质和设备 | |
| CN113012163A (zh) | 一种基于多尺度注意力网络的视网膜血管分割方法、设备及存储介质 | |
| CN116269378B (zh) | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 | |
| Li et al. | Automatic classification of ASD children using appearance-based features from videos | |
| CN118557145B (zh) | 一种基于多模态信息融合的癫痫信号自动识别系统及方法 | |
| CN113662664A (zh) | 一种基于仪器追踪的外科手术质量客观自动化评估方法 | |
| CN116993699A (zh) | 一种眼动辅助训练下的医学图像分割方法及系统 | |
| CN116958679A (zh) | 一种基于弱监督的目标检测方法及相关设备 | |
| Vamsi et al. | Early Detection of Hemorrhagic Stroke Using a Lightweight Deep Learning Neural Network Model. | |
| CN116630237A (zh) | 图像质量检测方法及相关装置、电子设备和存储介质 | |
| Pal et al. | Advanced convolutional neural network model to identify melanoma skin cancer | |
| CN113506274B (zh) | 基于视觉显著性差异图的用于人体认知状况的检测系统 | |
| CN116206759B (zh) | 一种基于图像分析的心理健康评估装置、设备及存储介质 | |
| CN117976217A (zh) | 一种疼痛评估方法、装置及终端 | |
| Xu et al. | ADReFV: Face video dataset based on human‐computer interaction for Alzheimer's disease recognition | |
| Liang et al. | A spatiotemporal network using a local spatial difference stack block for facial micro-expression recognition | |
| CN117036330A (zh) | 基于视觉识别的心理状态检测方法、系统、介质及设备 | |
| Bargshady et al. | Estimating depression severity from long-sequence face videos via an ensemble global diverse convolutional model | |
| Oh et al. | Noise-robust deep learning model for emotion classification using facial expressions | |
| CN119312145B (zh) | 一种用于脑电图信号分析的多概念鉴别网络的训练方法 | |
| CN116385760B (zh) | 一种皮肤烟酸反应分类设备 | |
| Cacciatori et al. | On Developing Facial Stress Analysis and Expression Recognition Platform | |
| Mankar et al. | Development of Tongue Image-Based Diagnostic System Using Deep Convolutional Fused Features and Machine Learning | |
| Mankar et al. | Tongue Image Diagnosis System using Machine Learning with Hand-Crafted Features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240123 Address after: Room 302C90, 3rd Floor, Building A, Huajing Business Plaza, No. 20 Fenghui South Road, High tech Zone, Xi'an City, Shaanxi Province, 710075 Patentee after: Wilman Health Technology (Shaanxi) Co.,Ltd. Country or region after: China Address before: 710071 No. 2 Taibai South Road, Shaanxi, Xi'an Patentee before: XIDIAN University Country or region before: China |
|
| TR01 | Transfer of patent right |