一种基于人工智能的青少年自伤行为的预警系统

本发明涉及人工智能，更具体地说，本发明涉及一种基于人工智能的青少年自伤行为的预警系统。

背景技术：

1、青少年自伤行为是一个日益严重的社会问题，其不仅影响青少年的身心健康，还可能引发更严重的后果，如自杀等，目前对于青少年自伤行为的预警和干预，主要依赖于家长、教师以及心理咨询师的观察和判断，然而这种方式存在明显的局限性，如主观性强、难以量化、反应速度慢等，难以做到及时、准确地预警和干预。

2、现有的青少年自伤行为预警系统运行流程是一个综合性的过程，首先系统广泛收集青少年的多源数据，包括心理健康评估、日常行为记录、社交互动等，并进行数据预处理，确保数据的准确性和一致性，接着系统提取与自伤行为相关的特征，并利用这些特征构建和训练预测模型，模型会定期或实时地评估青少年的自伤风险，并在风险超过预设阈值时触发预警机制，向相关人员发送预警信息。

3、但是其在实际使用时，仍旧存在一些缺点，如传统的预警系统可能在预警准确性上有所欠缺，无法综合评估青少年的语言内容和生理脑波数据，导致无法精准地识别出自伤风险较高的青少年，其次，传统的预警系统缺乏实时性和动态性，只能对青少年的某一时刻或某一阶段的行为进行评估，而无法根据青少年的行为变化实时调整预警策略，此外，传统的预警系统在数据分析和处理上存在局限性，无法充分利用人工智能和大数据技术，对青少年的行为数据进行深度挖掘和分析。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种基于人工智能的青少年自伤行为的预警系统，通过以下方案，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于人工智能的青少年自伤行为的预警系统，包括：

3、集中行为测试划分模块：用于将目标测试者对预设自伤词语的集中行为测试按照测试次数划分的方式划分为各集中行为测试，并依次标记为1、2……n；

4、语言内容数据采集模块：用于采集各测试次数的语言特征数据、交流行为数据以及风险性陈述数据，并传输到语言内容数据分析模块；

5、语言内容数据分析模块：包括语言特征数据分析单元、交流行为数据分析单元以及风险性陈述数据分析单元，并将分析后的数据传输到风险评估模块；

6、生理脑波数据采集模块：用于采集各各测试次数的脑电波类型数据、脑电波活动数据以及脑电波与行为关联数据，并将采集到的数据传输到生理脑波数据分析模块；

7、生理脑波数据分析模块：包括脑电波类型数据分析单元、脑电波活动数据分析单元以及脑电波与行为关联数据分析单元，并将分析后的数据传输到风险评估模块

8、风险评估模块：由于建立综合风险评估模型，将语言内容分析模块和生理脑波数据分析模块导入综合风险评估模型中，计算出目标测试者的综合风险指数，并传输到预警模块；

9、预警模块：用于根据综合风险指数预设值对目标测试者的综合风险指数进行判断，并根据判断结果发出预警信号。

10、优选的，所述语言内容数据采集模块通过大数据和机器学习技术建立聊天机器人，并将前期研究的青少年自杀自伤的相关危险因素生成语言数据库置入聊天机器人，再将聊天机器人与明确有自杀自伤行为的青少年进行一对一访谈式聊天，并通过自然语言处理技术对聊天内容进行数据采集。

11、优选的，所述语言特征数据包括积极词汇数量、消极词汇数量、自伤相关词汇数量、含有从句或修饰语的句子比例、话题转移次数，以及话题转移平均时间间隔，分别标记为lp、la、lf、le、ls，以及lt，交流行为数据包括平均回应时间、主动发起话题占比、情绪表达强度评分，以及自我描述的积极程度，分别标记为ct、cp、cs，以及cm，风险性陈述数据包括自杀意念表达次数、求助意念表达次数、自伤行为描述详细程度，以及风险行为计划次数，分别标记为rs、rh、rd，以及rp。

12、优选的，所述情绪表达强度评分、自我描述的积极程度以及自伤行为描述详细程度通过自然语言处理技术进行评估，评估范围为0-10。

13、优选的，所述语言特征数据分析单元用于建立语言特征数据分析模型，将语言内容数据采集模块传输的语言特征数据导入语言特征数据分析模型中，计算出各集中行为测试的语言特征值，具体数学模型为：sli表示第i次集中行为测试的语言特征值，lpi表示第i次集中行为测试的积极词汇数量，lai表示第i次集中行为测试的消极词汇数量，lfi表示第i次集中行为测试的自伤相关词汇数量，lei表示第i次集中行为测试的含有从句或修饰语的句子比例，lsi表示第i次集中行为测试的话题转移次数，lti表示第i次集中行为测试的话题转移平均时间间隔，ltmin表示集中行为测试的最小话题转移平均时间间隔。

14、优选的，所述交流行为数据分析单元用于建立交流行为数据分析模型，将语言内容数据采集模块传输的交流行为数据导入交流行为数据分析模型中，计算出各集中行为测试的交流行为特征值，具体数学模型为：sci表示第i次集中行为测试的交流行为特征值，cti表示第i次集中行为测试的平均回应时间，cpi表示第i次集中行为测试的主动发起话题占比，csi表示第i次集中行为测试的情绪表达强度评分，cmi表示第i次集中行为测试的自我描述的积极程度。

15、优选的，所述风险性陈述数据分析单元用于建立风险性陈述数据分析模型，将语言内容数据采集模块传输的风险性陈述数据导入风险性陈述数据分析模型中，计算出各集中行为测试的风险性陈述特征值，具体数学模型为：sri表示第i次集中行为测试的风险性陈述特征值，rsi表示第i次集中行为测试的自杀意念表达次数，rhi表示第i次集中行为测试的求助意念表达次数，rdi表示第i次集中行为测试的自伤行为描述详细程度，rpi表示第i次集中行为测试的风险行为计划次数，rdmax表示集中行为测试的自伤行为描述详细程度最大值。

16、优选的，所述脑电波类型数据包括α波平均频率、α波平均幅度、β波活动时间占比、β波峰值频率、θ波出现次数，以及θ波平均持续时间，分别标记为αf、αr、βt、βf、θf，以及θt，脑电波活动数据包括波幅最大值、波幅最小值、左右脑区对应波段相似度，以及脑电活动标准差，分别标记为vb、vs、vl，以及vd，脑电波与行为关联数据包括积极词汇出现时α波活动的增强比例、回应时间延长时β波活动的变化率、提及自杀意念时θ波活动的增加次数，以及心率加快时δ波活动的减少比例，分别标记为eα、eβ、eθ，以及eδ。

17、优选的，所述脑电波类型数据分析单元由于建立脑电波类型数据分析模型，将生理脑波数据采集模块传输的脑电波类型数据导入脑电波类型数据分析模型，计算出各集中行为测试的脑电波特征值，具体数学模型为：bki表示第i次集中行为测试的脑电波特征值，αfi表示第i次集中行为测试的α波平均频率，αri表示第i次集中行为测试的α波平均幅度，βti表示第i次集中行为测试的β波活动时间占比，βfi表示第i次集中行为测试的β波峰值频率，θfi表示第i次集中行为测试的θ波出现次数，θti表示第i次集中行为测试的θ波平均持续时间，θfmax表示集中行为测试的θ波最大出现次数。

18、优选的，所述脑电波活动数据分析单元由于建立脑电波活动数据分析模型，将生理脑波数据采集模块传输的脑电波活动数据导入脑电波活动数据分析模型，计算出各集中行为测试的脑电波活动特征值，具体数学模型为：bvi表示第i次集中行为测试的脑电波活动特征值，vbi表示第i次集中行为测试的波幅最大值，vsi表示第i次集中行为测试的波幅最小值，vli表示第i次集中行为测试的左右脑区对应波段相似度，vdi表示第i次集中行为测试的脑电活动标准差。

19、优选的，所述脑电波与行为关联数据分析单元由于建立脑电波与行为关联数据分析模型，将生理脑波数据采集模块传输的脑电波与行为关联数据导入脑电波与行为关联数据分析模型，计算出各集中行为测试的神经行为响应率，具体数学模型为：bei表示第i次集中行为测试的神经行为响应率，eαi表示第i次集中行为测试的积极词汇出现时α波活动的增强比例，eβi表示第i次集中行为测试的回应时间延长时β波活动的变化率，eθi表示第i次集中行为测试的提及自杀意念时θ波活动的增加次数，eδi表示第i次集中行为测试的心率加快时δ波活动的减少比例，eαmin表示集中行为测试的积极词汇出现时α波活动的最大增强比例。

20、优选的，所述综合风险评估模型具体表示为：η表示目标测试者的综合风险指数，sli表示第i次集中行为测试的语言特征值，sci表示第i次集中行为测试的交流行为特征值，sri表示第i次集中行为测试的风险性陈述特征值，bki表示第i次集中行为测试的脑电波特征值，bvi表示第i次集中行为测试的脑电波活动特征值，bei表示第i次集中行为测试的神经行为响应率，λ表示综合风险指数的其他影响因子。

21、优选的，所述综合风险指数预设值表示为ηdef，当ηdef>η时，说明目标测试者的自伤风险低，则保持对目标测试者的集中行为测试，当ηdef<η时，说明目标测试者的自伤风险高，则发出预警信号并将目标测试者的集中行为测试数据传输到医疗人员终端。

22、本发明的技术效果和优点：

23、本发明通过综合运用人工智能技术和大数据分析，实现了对青少年自伤行为的及时预警和干预，相较于传统的预防和干预手段，本发明的预警系统具有更高的准确性和效率，能够有效降低青少年自伤行为的发生率和风险，本发明通过集中行为测试划分模块、语言内容数据采集模块、语言内容数据分析模块等多个模块的协同作用，实现了对青少年自伤行为的全面监测和分析，本发明能够准确捕捉青少年的语言特征、交流行为以及风险性陈述等关键信息，并通过智能分析算法对这些信息进行有效处理，从而精准识别出潜在的自伤风险，本发明还采用了自然语言处理、机器学习等先进技术，实现了对青少年自伤行为预警系统的智能化和自动化，能够自动进行数据采集、分析、预警等操作，大大减轻了人工干预的负担，提高了工作效率，本发明的预警系统还具有广泛的应用前景和社会价值，本发明不仅可以应用于学校、家庭等青少年聚集的场所，还可以与心理健康机构、医疗机构等实现数据共享和联动，共同构建青少年自伤行为的防控体系，通过本发明的应用，可以有效预防和减少青少年自伤行为的发生，保护青少年的身心健康，促进社会的和谐稳定。