提供了利用抗精神病药的递送结合计算机化的行为疗法来治疗精神分裂症的电子设备和方法。

本发明公开了一种基于结构化神经网络的性格影响因子分析方法。所述方法根据性格量表测评数据可以建立一种结构化神经网络模型,通过该模型可以充分地分析性格与各影响因子之间的非线性关系；结构化神经网络模型建立前首先对用户原始数据进行筛选以及归一化处理,并形成样本点；然后基于样本点分析每一个题目所属的性格影响因子,通过数据本身的特点进行因子的提取；最后根据分析出的题目与性格影响因子之间的所属关系构建结构化神经网络的基本结构并基于样本点对该网络进行迭代优化,迭代结束后通过最终的网络模型可以得到性格与各影响因子之间的具体关系。本发明将结构化神经网络引入到性格影响因子分析研究内容中,不仅仅可以发挥神经网络针对于非线性关系的强拟合性,而且通过网络的结构自定义可以更进一步提高网络拟合的合理性。

本发明公开了一种慢病患者随访结果和心理调整情况的预测系统,涉及病患状况分析技术领域,目的是降低病患访问难度、保证分析准确性,包括患者基本信息采集模块、患者生活方式信息采集模块、网络通信模块、显示模块、云储存模块和数据处理服务端；数据处理服务端包括风险模型构建模块和随访结果/心理调整情况预测模块；患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端。

本发明属于临床治疗领域。具体地,本发明提供用于生成治疗进程的至少一部分以通过感官刺激例如图形和/或听觉刺激来控制对象的系统和方法。

本发明公开了一种用于精神健康测评的对话交互设计方法及系统,该方法包括以下步骤：S1、采用智能手机终端部分搜集用户的对话,并对用户的信息进行筛选,将筛选后用户的信息上传到云平台；S2、在云平台接收用户的信息数据,并根据用户的数据和构建的精神健康知识图谱对用户的精神健康状况进行判断；S3、在云计算平台对精神亚健康用户的精神健康状况处理,并将分析结果传输给精神亚健康用户。有益效果：设计了一个将条件随机场模型与规则抽取相结合的知识抽取模型,将抽取到的关键信息进行实体统一后与诊断标准数据一同入库,从而在图数据库中完成精神健康评估图谱的构建,并给出辅助诊断结果、可视化评估图谱。

本发明提出了一种基于血常规检验数据的抑郁症识别方法。通过对大量血常规检验数据样本的预处理,在传统有监督算法之前引入无监督的特征学习,增强输入信息的数据特征,通过对数据的提前理解和判断,从而标准化参数的初始量。基于诊断标签通过深度学习的半监督预测特性,构建仅使用血常规检验数据判定被检验者是否患有抑郁症的模型,解决现有的针对抑郁症的诊断方法疾病识别效率和准确率低,经验依赖较高的问题。

本发明涉及声光体验发布技术领域,在本发明的一个实施例中提出一种由软件定义并发布数字化体验的方法,包括：向分别关联于对应使用者的终端电子装置发送第一数据,其中,发送至每个终端电子装置的第一数据,指示要通过终端电子装置提供给对应使用者的数字化体验的至少一个特征；追踪由使用者执行的并且与使用所述终端电子装置提供的所述数字化体验相关联的反应；确定对使用者的所述数字化体验的调整,该调整包括根据各个使用者的追踪的反应而针对不同使用者的不同的调整；以及,根据所确定的调整,将第二数据发送到终端电子装置,所述第二数据用于根据为使用者确定的对应调整,指示所述终端电子装置向各自的使用者提供经过调整的所述数字化体验。

本发明涉及人工智能和互联网技术的康复技术领域,公开了一种基于人工智能的孤独症谱系障碍儿童康复护理系统,包括智能安全监控终端,用于对患者的康复训练进行安全监控；智能陪护终端,用于对患者的训练项目进行情感陪护和护理指导；智能康复训练终端,用于对患者进行康复训练和评估；云服务器,用于提供康复护理知识库,对不同患者的差异提供针对性的方案并对上述终端反馈的护理过程进行辅助决。该系统基于儿童孤独症谱系障碍康复专家的先验的康复护理知识,结合语音识别,智能对话,知识图谱人工智能技术,打造集康复训练引导,情感陪护为一体的患者儿童康复护理系统。

本发明公开了一种智慧智能AI智能心理健康检测与分析测评系统,该系统包括以下方法：S1、构建对特定人群心理健康进行检测的知识题库；S2、用户填写基本情况量表,系统根据基本情况量表的填写内容,自动生成用户画像数据；S3、从知识题库中查询出测试问题记录生成专用测试问题量表和通用测试问题量表；S4、系统获取量表的填写内容,并分别得到心理健康检测的第一结果和第二结果,并结合第一结果和第二结果,对用户的心理健康进行综合判定；S5、系统根据用户心理健康的综合判定结果,自动生成用户心理健康的检测报告,本发明提出的智能心理健康检测与分析测评系统具有检测过程方便、快捷、客观性好、准确性高的优点。

本发明公开了基于FMT特征智能识别风险人员心理画像系统包括以下步骤：S1：特征筛选,关键特征收集和风险特征筛选；S2：高风险人员心理画像勾画与评估；S3：编制量表、施测和收集数据；S4：数据分析,通过Binarylogistic回归确定画像模型；S5：依据模糊综合判断法,得出测试者的最终风险等级。该基于FMT特征智能识别风险人员心理画像系统,通过收集极端心理者、伤人者等已经有过风险行为的个体心理特征信息构建高风险人员心理画像。根据测试者与高风险人员心理画像的拟合情况,采用模糊综合判断法区分高风险人员和无风险人员,更全面具体地,且有针对性的找到真正的高风险人群。