2.4心率变异性分析指标
心率变异性指逐次心跳周期差异性变化情况，它在某种程度上表征了自主神经调控状态，是自主神经调控状态的间接度量[7]。HRV能表征交感神经和副交感神经的活性和平衡性，自主神经活性降低或者平衡性被打破，机体的心理状态失衡，长期如此将导致焦虑症和抑郁症等心理疾病。心率变异性的主要时域指标如下：
Ⅰ MEAN：均值，反应了RR间期的平均水平，公式如下：
其中：RR表示两次心跳之间的时间差，N表示RR间期个数， 表示第i个RR间期。
Ⅱ SDNN：心跳之间的标准差，反应了心率变异性的总体变化，公式如下：
其中： 是N个RR间期的均值。
Ⅲ RMSSD：表示相邻两个间期差值的均方根，反应RR间期变化的快慢，公式如下
其中： 表示相邻两个间期的差值。
Ⅳ SDSD：全部相邻间期差的标准差，公式如下：
心率变异性频域分析是将随时间变化的RR间期通过傅里叶变化分解到不同的频率，并分析不同频率上的能量分布，其主要指标包括：超低频（VLF）、低频（LF）、高频（HF），总能量（TP）。
2.5人工神经网络
人工神经网络是由大量神经元相互连接的多层网络结构，其主要特点是每一层神经元只会影响下一层神经元，信息向前传递，误差反向传递。如果信息经过神经网络输出得不到期望结果，信息会转入反向传播，根据预测误差调整网络权值和阈值，使人工神经网络预测输出不断逼近期望结果［11］。本研究采用心率变异性时域指标MEAN、SDNN、RMSSD和SDSD以及频域指标VLF、LF、HF和TP等参数，通过BP神经网络分析比较，从而评估戒毒人员的心理健康状态。
3、实验结果
提取心理辅导开始前、心理辅导结束时和心理辅导结束8小时后的脉搏波数据，每阶段截取5分钟脉搏波数据进行心率变异性分析,各阶段的心率变异性数据，如图2-4。然后对心率变异性数据进行时域和频域分析得到计算结果，见表1-2。
图2 心理辅导开始前的心率变异性
图2 心理辅导结束时的心率变异性
图3 心理辅导结束后的心率变异性
观察30 组数据，随着心理辅导的进行，其心率变异性指标SDNN、MRSSD、LF、HF、TP的均值呈现明显上升趋势，当心理辅导结束后，其心率变异性这些指标又会逐渐回落到以前的水平。
以心率变异性指标、性别和年龄作为人工神经网络的输入参数。神经网络分为输入层、隐含层和输出层，其中输入层节点数10个，隐含层节点数14个，输出层节点数1个。设置学习速率0.5，迭代次数36次时人工神经网络的评价效果最好。
4、讨论
戒毒人员随着心理辅导的进行，心率变异性的时域指标SDNN、MRSSD和频域指标TP、LF、HF都呈现增加的趋势，表示自主神经的交感神经系统和迷走神经系统的活动性同时增加，心理辅导过程中戒毒人员的心理压力得到缓解，身心状态向好的方向发展。随着时间的推移，心率变异性的时域指标SDNN、MRSSD和频域指标TP、LF、HF都呈现下降的趋势，逐渐回到以前的状态，表示自主神经的交感神经和副交感神经活性降低，心理辅导对心理状态的作用随着时间的推移逐渐减小。从本研究可以发现，随着戒毒人员心理状态的变化，心率变异性的时域指标和频域指标也会随着变化，因此利用心率变异性指标作为戒毒人员的心理健康评价的基础指标是可行的。
当然本研究也存在一定的局限性。首先，本研究纳入的被试样本量较小（被试样本仅选择了大理州强制隔离戒毒所内30名心理情况有异的戒毒人员），可能由于样本小导致一些心理健康评价差异的存在；其次，被试的年龄跨度较大，可能会由于年龄上的差异引起指标数据的差异；最后，应更多比较在日常生活中各个时段的心率变异性指标。
智能化心理健康评价作为一种新型的心理健康评价的新工具，应该利用人工智能和大数据挖掘的特性对大量不同领域的人群进行评价。在戒毒人员这个群体也如此，本文的被试仅限于男性强制隔离戒毒人员中，对女性强制隔离戒毒人员的评估是缺失的。
心理测评量表筛查一直以来是戒毒所内排查分析戒毒人员心理状况的一个主要手段和依据，近年来，戒毒人群中吸食新型毒品的人数比率不断上升，导致戒毒人员精神异常严重、自伤自残、患有各类传染病的人数也随之增加，在开展心理矫治工作过程中发现戒毒人员复吸率增加，反复进入戒毒场所对戒毒环境熟悉，对心理筛查工作产生倦怠感，导致量表筛查结果缺乏客观性，传统和单一的心理筛查手段面对日益复杂的学员心理状况的分析已经逐渐显得乏力。因此为能更科学客观的对戒毒学员的心理状况进行监测，提升教育戒治效果，计划对心理矫治中心心理测评项目进行建设，此项目的研究就是大胆的向前迈了一大步。
5、系统建设意义
自主神经调控人体心肺代谢系统、消化系统、泌尿生殖系统，主宰人体健康运行。通过对自主神经调控系统参数的测量为研究和解密自主神经调控机制、为心理疾病和心理状态进行评估和调节，预防和治疗心理疾病提供核心技术和手段。本项目研究和建立“自主神经心理评估方法”，其研究内容包括:建立一个科学的、可行的自主神经评估系统模型。使用复杂系统“概率图模型”方法，提出心率变异性由压力感受器，交感神经副交感神经调控心率的数学模型，以及相应的求解方法。
建立一整套自主神经心理评估参数测量方法，包括:研发在起立试验验时实时测量姿态变化和心电信号采集、处理和分析的专用测量设备;研究和建立自主神经调控系统模型参数个性化方法;建立自主神经调控系统参数测量的规范流程;从而保证测量所得的自主神经调控系统参数的稳定性、可靠性。
6、长效目标
①建立适合自主神经心理评估的理论模型
自主神经心脏调控是一个非常复杂的系统过程， 虽然有很多解剖学、生理学、医学研究成果，也存在一些自主神经心脏调控模型，本研究需要的模型必须符合以下要求，令科学性:它必须有充分的解剂学、生理学、医学根据，其数字模拟结果必须符合实际测量;可计算:该模型必须具备完整的数学定义，具备个性化的学习方法:令易操作:在追求严谨和完备的同时，必须可测量、 可操作。 特别是，其个性化不需要过多的、繁复的测量。因此，研究和提出符合这要求的理论模型，需要深入组数的研究和论证，不厌其烦的实验和调整。
②测量和分析连续心电信号
测量心电信号并准确计算间期的电子设备和算法:对于每个被测者，确定其自主神经心脏调控理论模型的个性化参数，也是一个挑战:将自主神经心脏调控系统的所有参数，以及它们的变化，以图形的形式表示，突出其动态变化的过程和范围，并得到不同的年龄、性别、病情的不同的图形模式，具有一目了然的临床意义，可以反映自主神经的实时活动状态。
7、创新意义
①创新内容
首次提出基于自主神经调控模型的自主神经心理评估指标，即：压力感受器灵敏度、交感副交感神经活性和平衡性。相对于国际上目前使用的心率变异性指标，交感副交感神经活性可以以图形的形式表征更多的内容，自主神经调节过程中的响应速度、相应幅度等信息均可以量化。
提出一个有严密理论基础、有完整测量方法的自主神经心脏调控功能指标的测量、计算和估值方法。它以数学、信息科学和医学的跨学科研究突破，克服现有研究中的纯理论模型研究、或纯临床研究的问题，以医学临床转移为目标，研究出方便、可操作性强、稳定、可靠、有效的心理健康评估方法。
②理论意义
国际医学界大量临床研究证明，自主神经失调是心理疾病（抑郁症和焦虑症）的起因。通过自主神经的分析可以了解戒毒人员的自主神经调节能力，从而分析出戒毒人员的心理健康状况。
目前对心理健康的评估主要有主观评测法和客观评测法两类，主观评测法目前常用的是问卷调查，它要求评测人员不仅需要扎实的相关专业知识，同时还要有较好的观察和沟通能力。客观评定法是借用一定仪器的技术手段，对人体的生理、心理以及其他参数进行监测评定的方法，这些监测的参数是客观真实的，不会因测试者的个人偏好或者人生经验而有所差异。
本项目提出的自主神经心理评估方法和现有量表测量相比，一是我们的测量条件在人员日常活动中，其测量值更真实；二是我们计算出的参数具有非常明确的生理意义。我们通过多年的研究，采用心率变异性和自主神经调控方法评估心理状态已经应用于孕妇产后抑郁、青少年心理健康的评估等方面。
③实践意义
《中华人民共和国禁毒法》树立了以人为本的戒毒理念，立足于戒毒人员具有病人，违法者和受害者的三重属性,为开展戒毒人员心理矫治工作提供了依据,指明了方向。但是戒毒人员由于毒品造成生理、情绪、躯体、精神和人格上的变异扭曲，在心理上形成了一道无形的阴影和障碍，因此戒毒人员的心理疾病的评估和康复非常困难。本研究将根据戒毒人员的生理指标和自主神经的调节功能，评估戒毒人员的心理状态，并生成个性化的康复方案，为提高戒毒人员生理健康提供方案。
8、此系统目前研究成果
2020年完成青少年心理预警设备和预警系列指标的研发，开发国内首套青少年心理预警系统，已在多家学校使用。
2011年与江苏省人民医院励建安院士共同承担了2012江苏省科技支撑计划“基于物联网技术的“感知康复”应用研究”，在心脏康复的临床研究中，充分认识到从系统水平研究自主神经调控状态和调控能力的建模和测量，是双心病人（心脏病和心理疾病）预防和康复的关键。
而针对戒毒人员这个特殊群体，此次研究属于全国首家合作，力争在戒毒人员这个特殊群体中起到较好效果。
9、结束语
本研究通过可穿戴技术和人工神经网络技术构建了一套戒毒人员智能化心理健康评价的方法。此方法能帮助心理咨询师对戒毒人员一系列科学有效的放松训练和反复毒品感官刺激中获得客观、有效的数据，特别是在疫情常态化的形势下有助于戒毒人员稳定情绪、愉悦身心、改善睡眠以及对毒品渴求。强制隔离戒毒人员心理的健康能够让其自信勇敢回归社会，对于在社会上重新为自己定位也提供了良好的标准。复吸率的降低对于整个社会的稳定起到了决定性的作用。
近年来，随着人工智能和大数据挖掘的快速发展，此项研究采用心率变异性时域指标和频域指标作为神经网络的初始参数，实现了心理健康的评价，为人工智能技术在心理健康领域的应用带来了新的方向。
参考文献
[1] Dedovic K,D’Aguiar C,Pruessner JC.What stress does to your brain a review of neuroimaging studies[J].Can J Psychiatry, 2009, 54(1): 6-15.
[2] Jaeggi S M, Buschkuehl M, Jonides J, etal. Improving fluid intelligence with training on working memory[J]. Proc Natl Acad Sci USA, 2008, 105(19): 6829-6833.
[3] 李昕,张云鹏,李红红,等.针对个体差异的心理压力评估[J].中国生物医学工程学报,2014,33(1):45-50.
[4]吕瑞雪.围产期抑郁症量化诊断系统的研究[D].华南理工大学,2014.
[5]徐俊怡,李中权.基于游戏的心理测评[J].心理科学进展,2021,29(3),394-403.
[6]Latynov V, Shepeleva E. Applied aspects of the use of algorithms of digital psychometrics[J]. Psikhologicheskii Zhuranl, 2020, 41(4), 66-77.
[7]Ihmig F R,Gogeascoechea H A, Neurohr-Parakenings F, Schafer S K,Lass-Hennemann J, On-line anxiety level detection from biosignals[J]. Machine learningbased on a randomized controlled trial with spider-fearful individuals. PloS One 2020,15(6),2315-17.
[8] Callahan R J. The impact of Thought Field Therapy on heart rate variability[J]. J Clin Psychol, 2001, 57(10): 1153-70
[9]别怀玺,李晶.心率变异分析在精神疾病领域中的应用[J].医学综述,2010,16(16):2441-4
[10]Castaldo R,Montesinos L,melillo P,james C.Ultra-short HRV features as surrogates of short term HRV:A case study on mental stress detection in real life[J].BMC Medical informatics and decision making 19(1),12.
[11]尚 宇,张 甜.人工神经网络在 HＲV 分析中的应用研究[J].计算机技术与发展.2017,27(9),141-144.
公网安备 53011202000486号
