技术核心

“传感数据采集+多模态融合AI模型+表情分析”等心理状态智能评估关键技术,将规范、专业等心理精神疾病问诊过程融入人工智能系统,同时通过智能表情算法识别、手绘图语义识别算法、语音识别算法实现对测试者的做题过程的全面跟踪与分析,多方位评估,多维度评分,实现心理问诊等“数字化、智能化”。

表情分析

通过机器视觉、生物统计、机器学习等技术,根据面部实时或视频文件识别的情感数据。多模态精神状态评估根据特有的情绪建模以及精神网络分析,检测测试者在每一刻活在说话片段中的害怕、排斥、压力、分心、犹豫、兴奋、紧张、期待等潜在的情绪数据,这是目前心理领域的一项新技术,它打破了传统心理测试量表的隐匿性、被动式填报、流程繁杂等诸多局限。

脑电波分析

脑波分析是“透过EEG‘脑波测量仪’特殊的脑波电脑软体,所呈现在荧幕的五种波形图,以及脑波评量师的专业数据判断,分析,咨询,结合心灵的引导,同时给予适合的共振音乐加以改善,进而达到身心灵全方位的机能整合。

多模态模型

融合深度学习与宽度学习网络的优点,建立基于宽度学习的高效多模态数据特征关联模型; 基于图卷积宽度学习方法,建立一种新型便捷快速响应的脑电特征学习模型,实现准确的精神状态评估; 引入专家经验优化模型,获得专业医生一致性评价。

宽度学习模型
宽度学习系统(BLS)是作为一种「深度学习网络的替代方法」被提出的,它基于将映射特征作为RVFLNN(随机向量函数链接神经网络,random vector functional link neural network)输入的思想而设计。
脑电+情感+音乐关联模型

建立脑电-情感-音乐关联模型,8000+例,脑波情感音乐库。 建立闭环精神调控与干预范式,评估精神调控音乐效果; 将便携式脑电采集系统与基于音乐的精神调控系统结合,建立基于脑波音乐的便携式精神调控系统。