[发明专利]一种基于知识图谱的抑郁症智能诊断装置及系统

权利要求书

1.一种基于知识图谱的抑郁症智能诊断装置，其特征在于：包括：

数据采集模块，用于采集用户的人体数据；人体数据包括视频数据、音频数据、脑电数据和心率数据；

实体属性值获取模块，用于采用训练好的学习模型从人体数据中获取实体和对应的实体属性值；

以及知识图谱模块，用于连接实体和实体属性值构成知识图谱，得到抑郁症诊断结果；

所述实体属性值获取模块中，学习模型包括表情识别模型、动作识别模型、着装形态识别模型、语速语调计算模型、文本分析模型、情绪识别模型和压力分类模型；

从视频数据中获取图片序列和图片；采用表情识别模型从图片序列中获取的实体为表情；采用动作识别模型从图片序列中获取的实体包括动作和反应；采用着装形态识别模型从图片中获取的实体为着装形态；

采用语速语调计算模型从音频数据中获取的实体包括语速和语调；采用文本分析模型从音频数据中获取的实体包括语义信息；采用情绪识别模型从脑电数据中获取的实体为情绪信息；采用压力分类模型从心率数据中获取的实体为压力信息；

所述实体与实体属性值对应如下：

着装形态--邋遢、奇装异服、正常；

语速--快、慢、正常；

语调--高、低、正常；

反应--过快、过慢、正常；

表情--愤怒、厌恶、恐惧、开心、悲伤、惊奇、中性、流泪；

动作--坐立不安、肢体语言丰富、小动作多、正常；

压力信息--中立、压力、愉悦；

情绪信息--情绪分类等级；

所述实体属性值获取模块中，通过自然语言处理技术从医疗资料中获取实体和对应的实体属性值进行训练学习模型；所述知识图谱模块中，通过自然语言处理技术从医疗资料中获取实体和对应的实体属性值，之后通过实体之间关系构建知识图谱；

所述知识图谱模块采用知识图谱实现构建，抽取各实体之间的关联关系，对构建的知识图谱进行知识推理，得到更深层次的实体关系，进而得到拓展后的知识图谱；然后将构建的知识图谱存储在Neo4j图数据库中。

2.根据权利要求1所述的基于知识图谱的抑郁症智能诊断装置，其特征在于：所述表情识别模型、动作识别模型、着装形态识别模型、语速语调计算模型和文本分析模型分别采用卷积神经网络模型或循环神经网络模型；

所述情绪识别模型和压力分类模型采用机器学习模型。

3.根据权利要求1所述的基于知识图谱的抑郁症智能诊断装置，其特征在于：所述知识图谱模块还通过闭环式系统，实现迭代和完善。