坚毅品质评估方法、装置、计算机设备和存储介质

1.本技术涉及计算机和心理评估技术领域，特别是涉及一种坚毅品质评估方法、装置、计算机设备和存储介质。


背景技术：

2.坚毅品质指个体对长期目标的不懈努力和持久热情。它既包含了对长期目标坚持不懈的努力，又包含了始终如一的兴趣，具有持之以恒、专注投入、自我激励和自我调整等特征。坚毅品质可以预测挑战性领域中取得的成就。
3.坚毅品质高的个体在面向长远目标时坚持努力不放弃的特性，更容易克服学业困难，收获自信感和成就感，得到更多的正反馈和认可，满足其自主需要和胜任需要，提升个体内在动机和自我水平，更愿意积极主动地投入到学习活动中。然而，目前缺乏专门针对坚毅品质进行客观评估的方式。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够对个体的坚毅品质进行客观评估的坚毅品质评估方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种坚毅品质评估方法。所述方法包括：
6.获取被试者的多个目标脑区的初始血氧信号数据；
7.根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
8.根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
9.在其中一个实施例中，所述根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值，包括：
10.根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱；
11.根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值。
12.在其中一个实施例中，所述根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值，包括：
13.根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的初始血氧信号数据对应的各开方值的第一平均值；
14.将各所述目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
15.在其中一个实施例中，所述根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值，包括：
16.确定各所述目标脑区的低频波动振幅值的第二平均值；
17.确定各所述目标脑区的低频波动振幅值与所述第二平均值的比值，并将各所述目标脑区对应的所述比值作为对应的目标脑区的标准低频波动振幅值；
18.根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
19.在其中一个实施例中，所述根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值，包括：
20.根据预设的坚毅品质量表和各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值；
21.其中，所述坚毅品质量表中包括各所述坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
22.在其中一个实施例中，所述根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值，包括：
23.将各所述目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到所述被试者的各坚毅品质维度对应的坚毅品质指标值；
24.其中，所述坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
25.在其中一个实施例中，所述根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱，包括：
26.滤除各所述目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据；
27.对各所述目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据；
28.对各所述目标脑区对应的第二血氧信号数据进行时频转换处理，得到各所述目标脑区的初始血氧信号数据对应的功率谱。
29.第二方面，本技术还提供了一种坚毅品质评估装置。所述装置包括：
30.获取模块，用于获取被试者的多个目标脑区的初始血氧信号数据；
31.第一确定模块，用于根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
32.第二确定模块，用于根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
33.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
34.获取被试者的多个目标脑区的初始血氧信号数据；
35.根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
36.根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
37.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
38.获取被试者的多个目标脑区的初始血氧信号数据；
39.根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅
值；
40.根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
41.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
42.获取被试者的多个目标脑区的初始血氧信号数据；
43.根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
44.根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
45.上述坚毅品质评估方法、装置、计算机设备和存储介质，通过获取被试者的多个目标脑区的初始血氧信号数据，并根据各目标脑区的初始血氧信号数据，确定各目标脑区的低频波动振幅值，进而根据各目标脑区的低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值，从而能够实现对被测者的坚毅品质进行客观评估。
附图说明
46.图1是本技术实施例提供的一种坚毅品质评估方法的流程示意图；
47.图2是本技术实施例提供的一种低频波动振幅值的确定方法的流程示意图；
48.图3是本技术实施例提供的另一种目标脑区的低频波动振幅值的确定方法的流程示意图；
49.图4是本技术实施例提供的一种被试者的各坚毅品质维度对应的坚毅品质指标值的确定方法的流程示意图；
50.图5是本技术实施例提供的各目标脑区的初始血氧信号数据对应的功率谱获取方法的流程示意图；
51.图6是本技术实施例提供的一种坚毅品质评估装置的结构示意图；
52.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
53.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
54.如图1所示，图1是本技术实施例提供的一种坚毅品质评估方法的流程示意图，以该方法应用于计算机设备，包括以下步骤：
55.s101、获取被试者的多个目标脑区的初始血氧信号数据。
56.本实施例中，可以通过近红外脑成像仪连续采集被试者在静息状态的初始血氧信号数据，其中，初始血氧信号数据包括含氧血红蛋白、脱氧血红蛋白和总血红蛋白三种信号。目标脑区指与人的坚毅品质维度相关的脑区，可以获取被试者的整个或一部分大脑皮层的初始血氧信号数据。其中，可以获取预设时长内被试者的多个目标脑区的初始血氧信号数据，预设时长例如为5分钟或10分钟等。
57.需要说明的是，近红外光谱技术采用的光源波长范围在750nm到1000nm之间。
58.近年来新兴的功能性近红外光成像技术(functional near infrared spectroscopy，fnirs)利用血液的主要成分对600-900nm近红外光良好的散射性，从而获得大脑活动时氧合血红蛋白和脱氧血红蛋白的变化情况。fnirs具有较高的时间分辨率和适中的空间分辨率，与传统的脑电技术相比fnirs的优势包括：1)对运动噪声的抗干扰性较强；2)设备结构紧凑，便携可移动，可多次重复测量，更利于被试保持自然的认知加工过程，从而更加真实客观的反映受试者的认知水平；3)fnirs不仅可以测量脱氧血红蛋白(hbr)，而且还可以测量含氧血红蛋白(hbo)和总血红蛋白(hbt)的浓度变化，信息更加丰富，非常适合于实时监测被试者在执行认知任务过程中脑血氧变化的时间空间响应性，具有较高的临床使用价值和应用前景。因此，本实施例中通过获取被试者的多个目标脑区的初始血氧信号数据，从而能够更加客观的反映被试者的坚毅品质。
59.s102、根据各目标脑区的初始血氧信号数据，确定各目标脑区的低频波动振幅值。
60.其中，根据各目标脑区的初始血氧信号数据，确定各目标脑区的低频波动振幅值，可以通过如下方式实现：
61.滤除各目标脑区的初始血氧信号数据的噪声数据，得到各目标脑区的第一血氧信号数据；
62.根据各目标脑区的第一血氧信号数据，得到各目标脑区的初始血氧信号数据对应的功率谱；
63.根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的低频波动振幅值。
64.需要说明的是，通过滤除各目标脑区的初始血氧信号数据的噪声数据，得到各目标脑区的第一血氧信号数据，从而能够滤除各目标脑区的初始血氧信号数据中的干扰信号数据，保证得到的第一血氧信号数据的准确性，进而根据各目标脑区的第一血氧信号数据，确定各目标脑区的低频波动振幅值，保证得到的各目标脑区的低频波动振幅值的准确性。
65.s103、根据各目标脑区的低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值。
66.可选的，上述的s103、根据各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值，可以通过如下方式实现：
67.根据预设的坚毅品质量表和各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值；
68.其中，坚毅品质量表中包括各坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
69.例如，坚毅品质量表如下表1所示，表1中示出的坚毅品质维度包括持久热情和持久毅力。表1中的各坚毅品质维度下的标准低频波动振幅值所对应的指标值可以对被测对象进行测试获得。例如，在采用近红外脑成像仪连续采集被测对象在静息状态的初始血氧信号数据后，根据被测对象在静息状态的初始血氧信号数据得到被测对象在各坚毅品质维度下的标准低频波动振幅值，之后通过对被测对象进行问题提问的方式，得到被测对象在各坚毅品质维度下的坚毅坚毅品质指标值，从而基于被测对象在各坚毅品质维度下的标准低频波动振幅值和坚毅坚毅品质指标值，建立如下表1。
[0070][0071]
表1
[0072]
本步骤中，例如可以基于上述的表1和各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值。其中，可以将被测对象的与持久热情维度相关的各脑区的标准低频波动振幅值的平均值作为持久热情维度对应的标准低频波动振幅值，在实际应用中，得到被测者的各目标脑区的标准低频波动振幅值后，可以根据各目标脑区的标准低频波动振幅值，确定被测者的持久热情维度对应的标准低频波动振幅值以及持久毅力维度对应的标准低频波动振幅值，进而通过查询上述的表1即可以得到被试者的各坚毅品质维度对应的坚毅品质指标值。
[0073]
本实施例提供的方法，通过获取被试者的多个目标脑区的初始血氧信号数据，并根据各目标脑区的初始血氧信号数据，确定各目标脑区的低频波动振幅值，进而根据各目标脑区的低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值，从而能够实现对被测者的坚毅品质进行客观评估。
[0074]
参照图2，图2是本技术实施例提供的一种低频波动振幅值的确定方法的流程示意图。本实施例涉及的是如何根据各目标脑区的初始血氧信号数据，确定各目标脑区的低频波动振幅值的一种可选的实现方式。在上述实施例的基础上，上述的s102包括如下步骤：
[0075]
s201、根据各目标脑区的初始血氧信号数据，得到各目标脑区的初始血氧信号数据对应的功率谱。
[0076]
本步骤中，可以根据各目标脑区的初始血氧信号数据，通过快速傅里叶变换方法将各目标脑区的初始血氧信号数据由时间序列变为功率谱，功率谱范围为0.01-0.1hz。也可以先滤除各目标脑区的初始血氧信号数据中的噪声数据后得到第一血氧信号数据，通过快速傅里叶变换方法将各目标脑区的第一血氧信号数据由时间序列变为功率谱，功率谱范围为0.01-0.1hz。
[0077]
s202、根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的低频波动振幅值。
[0078]
本步骤中，可以根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，然后根据各目标脑区对应的预设权重系数，确定各目标脑区的初始血氧信号数据对应的加权值，将加权值作为对应的目标脑区的低频波动振幅值。也可以将得到的加权值乘以预设的系数得到对应的目标脑区的低频波动振幅值。
[0079]
本实施例提供的方法，通过根据各目标脑区的初始血氧信号数据，得到各目标脑区的初始血氧信号数据对应的功率谱，并根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的低频波动振幅值，从而能够进一步基于各目标脑区的低频波动振幅值，确定被测者的各坚毅品质维度对应的坚毅品质指标值。
[0080]
参照图3，图3是本技术实施例提供的另一种目标脑区的低频波动振幅值的确定方法的流程示意图。本实施例涉及的是如何根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的低频波动振幅值的一种可选的实现方式。在上述实施例的基础上，上述的s102包括如下步骤：
[0081]
s301、根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的初始血氧信号数据对应的各开方值的第一平均值。
[0082]
s302、将各目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
[0083]
本实施例中，通过根据各目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各目标脑区的初始血氧信号数据对应的各开方值的第一平均值，并将各目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值，从而能够进一步基于各目标脑区的低频波动振幅值，确定被测者的各坚毅品质维度对应的坚毅品质指标值。
[0084]
参照图4，图4是本技术实施例提供的一种被试者的各坚毅品质维度对应的坚毅品质指标值的确定方法的流程示意图。本实施例涉及的是如何根据各目标脑区的低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值的一种可选的实现方式。在上述实施例的基础上，上述的s103包括如下步骤：
[0085]
s401、确定各目标脑区的低频波动振幅值的第二平均值。
[0086]
其中，在各目标脑区为被测者的全脑中所有脑区的情况下，第二平均值指的是全脑平均低频波动振幅值。
[0087]
s402、确定各目标脑区的低频波动振幅值与第二平均值的比值，并将各目标脑区对应的比值作为对应的目标脑区的标准低频波动振幅值。
[0088]
s403、根据各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值。
[0089]
本实施例提供的方法，通过确定各目标脑区的低频波动振幅值的第二平均值，确定各目标脑区的低频波动振幅值与第二平均值的比值，并将各目标脑区对应的比值作为对应的目标脑区的标准低频波动振幅值，进而根据各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值，从而能够提高确定的被试者的各坚毅品质维度对应的坚毅品质指标值的准确性。
[0090]
在其中一些实施例中，上述的s103、根据各目标脑区的标准低频波动振幅值，确定被试者的各坚毅品质维度对应的坚毅品质指标值，可以通过如下方式实现：
[0091]
将各目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到被试者的各坚毅品质维度对应的坚毅品质指标值；
[0092]
其中，坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
[0093]
其中，可以将上述表1中被测对象的各坚毅品质维度下的指标值作为标签，基于标签和被测对象的各脑区的标准低频波动振幅值对初始坚毅品质回归模型进行训练，得到坚毅品质回归模型。
[0094]
在具体实施中，初始坚毅品质回归模型为：
[0095]
其中，si为被测对象第i项坚毅品质维度的坚毅品质指标值，a
ik
为加权组合系数，n为相关的目标脑区的总个数，f
ik
分别为坚毅品质维度相关的标准低频波动振幅数值。其中，上述表1中被测对象的各坚毅品质维度下的指标值作为标签，基于标签和被测对象的各脑
区的标准低频波动振幅值对初始坚毅品质回归模型进行训练，以通过学习得到加权组合系数。训练得到加权组合系数后，测得新来的被测者各目标脑区的初始血氧信号数据后，并基于初始血氧信号数据得到标准低频波动振幅后，将标准低频波动振幅输入坚毅品质回归模型即可以得到被试者的各坚毅品质维度对应的坚毅品质指标值。
[0096]
需要说明的是，可以利用200名以上具有不同受教育程度、不同文化背景的受测者群体，对于每一位受测者记录分布于不同脑区的近红外光谱下的血氧信号数据，然后通过提取某些特定部位所得的血氧信号的低频波动振幅数值。最终，通过收集超过200名不同人格特质受测者不同脑区的低频波动振幅数值和他们对应的坚毅品质维度下的指标值，在多个坚毅品质维度分别训练回归模型，即得到坚毅品质回归模型。
[0097]
本实施例提供的方法，通过将各目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到被试者的各坚毅品质维度对应的坚毅品质指标值，从而实现能够对被试者的各坚毅品质维度进行客观评价。
[0098]
参照图5，图5是本技术实施例提供的各目标脑区的初始血氧信号数据对应的功率谱获取方法的流程示意图。本实施例涉及的是如何根据各目标脑区的初始血氧信号数据，得到各目标脑区的初始血氧信号数据对应的功率谱的一种可选的实现方式。在上述实施例的基础上，上述的s201包括如下步骤：
[0099]
s501、滤除各目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据。
[0100]
将每个目标脑区的初始血氧信号数据去除线性漂移后得到第一血氧信号数据，之后通过s502将第一血氧信号数据先经过0.01-0.1hz带通滤波器，以由带通滤波器对各目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据。
[0101]
s502、对各目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据。
[0102]
s503、对各目标脑区对应的第二血氧信号数据进行时频转换处理，得到各目标脑区的初始血氧信号数据对应的功率谱。
[0103]
本实施例提供的方法，通过滤除各目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据，并对各目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据，进而对各目标脑区对应的第二血氧信号数据进行时频转换处理，得到各目标脑区的初始血氧信号数据对应的功率谱，从而提高得到的各目标脑区的初始血氧信号数据对应的功率谱的准确性。
[0104]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0105]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的坚毅品质评估方法的坚毅品质评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个坚毅品质评估装置实施例中的具体限定可
以参见上文中对于坚毅品质评估方法的限定，在此不再赘述。
[0106]
在一个实施例中，如图6所示，图6是本技术实施例提供的一种坚毅品质评估装置的结构示意图，该装置600包括：
[0107]
获取模块601，用于获取被试者的多个目标脑区的初始血氧信号数据；
[0108]
第一确定模块602，用于根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
[0109]
第二确定模块603，用于根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0110]
在一个实施例中，第一确定模块602，包括：
[0111]
获得单元，用于根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱；
[0112]
第一确定单元，用于根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值。
[0113]
在一个实施例中，第一确定单元，具体用于根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的初始血氧信号数据对应的各开方值的第一平均值；将各所述目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
[0114]
在一个实施例中，第二确定模块603，包括：
[0115]
第二确定单元，用于用于确定各所述目标脑区的低频波动振幅值的第二平均值；
[0116]
第三确定单元，用于确定各所述目标脑区的低频波动振幅值与所述第二平均值的比值，并将各所述目标脑区对应的所述比值作为对应的目标脑区的标准低频波动振幅值；
[0117]
第四确定单元，用于根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0118]
在一个实施例中，第四确定单元，具体用于根据预设的坚毅品质量表和各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0119]
其中，所述坚毅品质量表中包括各所述坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
[0120]
在一个实施例中，第四确定单元，具体用于将各所述目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0121]
其中，所述坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
[0122]
在一个实施例中，所述获得单元，具体用于滤除各所述目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据；对各所述目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据；对各所述目标脑区对应的第二血氧信号数据进行时频转换处理，得到各所述目标脑区的初始血氧信号数据对应的功率谱。
[0123]
上述坚毅品质评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0124]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结
构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种坚毅品质评估方法。
[0125]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0126]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0127]
获取被试者的多个目标脑区的初始血氧信号数据；
[0128]
根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
[0129]
根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0130]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0131]
根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱；
[0132]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值。
[0133]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0134]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的初始血氧信号数据对应的各开方值的第一平均值；
[0135]
将各所述目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
[0136]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0137]
确定各所述目标脑区的低频波动振幅值的第二平均值；
[0138]
确定各所述目标脑区的低频波动振幅值与所述第二平均值的比值，并将各所述目标脑区对应的所述比值作为对应的目标脑区的标准低频波动振幅值；
[0139]
根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0140]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0141]
根据预设的坚毅品质量表和各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0142]
其中，所述坚毅品质量表中包括各所述坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
[0143]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0144]
将各所述目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0145]
其中，所述坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
[0146]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0147]
滤除各所述目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据；
[0148]
对各所述目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据；
[0149]
对各所述目标脑区对应的第二血氧信号数据进行时频转换处理，得到各所述目标脑区的初始血氧信号数据对应的功率谱。
[0150]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0151]
获取被试者的多个目标脑区的初始血氧信号数据；
[0152]
根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
[0153]
根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0154]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0155]
根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱；
[0156]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值。
[0157]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0158]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的初始血氧信号数据对应的各开方值的第一平均值；
[0159]
将各所述目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
[0160]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0161]
确定各所述目标脑区的低频波动振幅值的第二平均值；
[0162]
确定各所述目标脑区的低频波动振幅值与所述第二平均值的比值，并将各所述目标脑区对应的所述比值作为对应的目标脑区的标准低频波动振幅值；
[0163]
根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0164]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0165]
根据预设的坚毅品质量表和各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0166]
其中，所述坚毅品质量表中包括各所述坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
[0167]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0168]
将各所述目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0169]
其中，所述坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
[0170]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0171]
滤除各所述目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据；
[0172]
对各所述目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信号数据；
[0173]
对各所述目标脑区对应的第二血氧信号数据进行时频转换处理，得到各所述目标脑区的初始血氧信号数据对应的功率谱。
[0174]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0175]
获取被试者的多个目标脑区的初始血氧信号数据；
[0176]
根据各所述目标脑区的初始血氧信号数据，确定各所述目标脑区的低频波动振幅值；
[0177]
根据各所述目标脑区的低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0178]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0179]
根据各所述目标脑区的初始血氧信号数据，得到各所述目标脑区的初始血氧信号数据对应的功率谱；
[0180]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的低频波动振幅值。
[0181]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0182]
根据各所述目标脑区的初始血氧信号数据对应的功率谱中各功率的开方值，确定各所述目标脑区的初始血氧信号数据对应的各开方值的第一平均值；
[0183]
将各所述目标脑区对应的第一平均值作为对应的目标脑区的低频波动振幅值。
[0184]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0185]
确定各所述目标脑区的低频波动振幅值的第二平均值；
[0186]
确定各所述目标脑区的低频波动振幅值与所述第二平均值的比值，并将各所述目标脑区对应的所述比值作为对应的目标脑区的标准低频波动振幅值；
[0187]
根据各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值。
[0188]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0189]
根据预设的坚毅品质量表和各所述目标脑区的标准低频波动振幅值，确定所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0190]
其中，所述坚毅品质量表中包括各所述坚毅品质维度下的标准低频波动振幅值与坚毅坚毅品质指标值之间的对应关系。
[0191]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0192]
将各所述目标脑区的标准低频波动振幅值输入坚毅品质回归模型，得到所述被试者的各坚毅品质维度对应的坚毅品质指标值；
[0193]
其中，所述坚毅品质回归模型通过对初始坚毅品质回归模型进行训练获得。
[0194]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0195]
滤除各所述目标脑区的初始血氧信号数据的噪声数据，得到第一血氧信号数据；
[0196]
对各所述目标脑区对应的第一血氧信号数据进行带通滤波处理，得到第二血氧信
号数据；
[0197]
对各所述目标脑区对应的第二血氧信号数据进行时频转换处理，得到各所述目标脑区的初始血氧信号数据对应的功率谱。
[0198]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0199]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0200]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0201]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。