[摘 要] 近年来抑郁症已成为一种危害全人类身心健康的精神疾病，人类患病率极高。临床研究发现，情况较为严重的抑郁症患者存在计划性自杀倾向。面对这一事实，在心理治疗与药物治疗的配合下，为了减轻家人与护士监护的紧张，在物联网中，以抑郁症患者活动空间中传感器采集信号为数据基础，利用混沌粒子群算法，完成抑郁症患者行为识别优化与及时报警，实现抑郁症患者智能看护，从而降低抑郁症患者的自残率与自杀率。
[关键词] 抑郁症; 物联网; 混沌粒子群算法
1 引言
抑郁症是危害全人类身心健康的常见病，临床表现为对事物丧失兴趣、情绪低落、意念消极，该疾病的发生因素与环境、情感、压力等相关[1]。临床研究发现，情况较为严重的抑郁症患者存在计划性自杀倾向，根据文献记载分析，约半数的自杀死亡者在生前都有抑郁倾向，造成的危害较大[2]。近年来随着抑郁症患者数量的日益增多，家人与护士的看护能力越来越不足，越来越需要利用人工智能方法对抑郁症患者进行监护，从而降低抑郁症患者的风险。由于抑郁症患者在家的行为存在较大突发性和随机性，因此在物联网中，将抑郁症患者活动空间中传感器采集的信号进行增强处理，在此基础上，采用混沌粒子群算法，实现抑郁症患者行为识别优化与及时报警，实现抑郁症患者智能看护，从而降低抑郁症患者的自残率与自杀率[3 - 5]。
2 物联网下抑郁症患者监控视觉信号的获取及其增强处理
2. 1 监控布局与传感器分布图
2. 2 抑郁症患者传感器监控视觉信号的获取采用物联网技术，根据公式( 1) 提取抑郁症患者的自动看护信号: M( a，b) = log2 k( a，b) + log2[i( a，b) /k( a，b) ] ( 1) 式中，抑郁症患者看护信号目标函数用 M( a，b) 表示; 指定时间域中的抑郁症患者看护信号用 k( a，b) 来描述; 抑郁症患者看护信号的连续性用 i( a，b) 来描述，此连续性可以由公式( 2) 计算出。 i( a，b) = Nexp[( a - b) /γ2 ] ( 2) 其中，用 γ 来描述物联网中抑郁症患者自动看护信号特征之间的相关性，用 N 来描述看护信号的波谱，因此，能够得到结果 ∫i( a，b) dadb = 1 。
2. 3 抑郁症患者监控视觉信号的增强处理采用公式( 3) 将物联网中抑郁症患者自动看护信号进行傅里叶变换，采用公式( 4) 将物联网中抑郁症患者自动看护信号进行傅里叶逆变换处理。 I( x，y) = 1 MN∑ M-1 a = 0 ∑ N-1 b = 0 i( a，b) ln[wπ( ax /M - yb /N]( 3) 其中 x = 0，1，2，…，M - 1; y = 0，1，2，…，N - 1。 I( x，y) 表示最终的二维离散信号，a 和 b 表示在该坐标的灰度变量; x 和 y 表示变换后离散的变量。 i( a，b) = ∑ M-1 x = 0 ∑ N-1 y = 0 I( x，y) ln[wπ( ax /M - yb /N] ( 4) 式中 x = 0，1，2，…，M - 1; y = 0，1，2，…，N - 1。进过傅立叶变换对二维空间离散数据跟频率域之间创建了关联。根据公式( 5) 可以对物联网中抑郁症患者自动看护信号进行增强处理: Tq( z，a) = ∑ M q = 1 Yq{ ln[I( z，a) + ln[H-1 ( I'( w，x) H'( w，x) ) ]} ( 5) 其中 H'( w，x) 表示滤波器函数。根据以上所述，获取到物联网中抑郁症患者自动看护过程中采集的信号，并将其进行增强处理，从而奠定了抑郁症患者自动看护的数据基础。
3 利用混沌粒子群方法实现抑郁症患者自动看护
在物联网中，采用混沌粒子群优化算法，首先将看护系统中上述增强的信号作为粒子群中的粒子，通过混沌序列对这些粒子的位置和速度进行设置。其次，采用混沌序列的搜索算法使用混沌序列中的最佳位置个体取代当前种群中某个体的位置。如此迭代处理，得到最优粒子群矩阵。混沌粒子群优化算法的实现流程如图 3 所示。
4 结语
鉴于抑郁症患者的日益增多，本文提出了一种基于物联网智能的抑郁症患者自动看护方法，首先将抑郁症患者活动空间进行传感器布控，对采集到的信号通过变换进行增强处理，利用混沌粒子群算法，，完成抑郁症患者行为识别，根据识别结果完成自动看护。譬如上吊、开窗跳楼等情况，能够及时通知到家人及护士，从而降低抑郁症患者的自残率与自杀率。
[参考文献]
[1] 许旺旺，楼忠泽，侯言彬，等. 抑郁症量化治疗的研究进展[J]. 浙江医学，2018，40( 18) : 2080-2082.
[2] 孟祥力. 分析抑郁症患者自杀的防范及护理措施[J]. 世界最新医学信息文摘，2018，18( 91) : 295，298
相关阅读推荐：计算机物联网或大数据方面论文怎么发表正规
