文摘
随着COVID-19大流行的继续,需要更好的医疗保健设施比以往任何时候都更突出显示。除了身体健康,心理健康状况已成为一个重要的问题。不幸的是,很少有机会让人们接受精神卫生保健。有设施不足寻求心理健康支持甚至在大城市,更不用说偏远地区。介绍了心理健康支持系统结构和实现程序结合技术和专业人员。系统是一个网络平台,寻求心理健康可以注册和使用功能像NLP-based chatbot人格评估,与志同道合的人聊天,和心理健康专家一对一的视频会议。视频通话功能的系统使用计算机视觉情感检测功能。该系统还包括下载处方设施和安全交易的支付网关。从技术方面,会话NLP-based聊天机器人和计算机vision-powered视频通话系统最重要的特性。系统有一个文档工具分析心理健康状况。 The web platform is built using React.js for the frontend and Express.js for the backend. MongoDB is used as the database of the platform. The NLP chatbot is built on a three-layered deep neural network model that is programmed in the Python language and uses the NLTK, TensorFlow, and Keras sequential API. Video conference is one of the most important features of the platform. To create the video calling feature, Express.js, Socket.io, and Socket.io-client have been used. The emotion detection feature is implemented on video conferences using computer vision, Haar Cascade, and TensorFlow. All the implemented features are tested and work fine. The targeted users for the platform are teenagers, youth, and the middle-aged population. Mental health-seeking is still considered taboo in some societies today. Apart from basic established facilities, this social dilemma of undergoing treatment for mental health is causing severe damage to individuals. A solution to this problem can be a remote platform for mental health support. With this goal in mind, this system is designed to provide mental health support to people remotely from anywhere worldwide.
1。介绍
整个世界正在经历COVID-19大流行。大约有346万人死亡,许多人排队等候。世界上几乎每个国家经历了一些封锁。这个情况已经严重影响人们的心理健康。COVID-19家庭监禁有不利影响精神健康和情感状态,与更多的人报告低精神健康(+ 12.89%),(2)感觉不满意(+ 16.5%),(3)患抑郁症(+ 10%)和(iv)需要心理帮助(+ 16.1%)比“之前”监禁时期(1]。据世界卫生组织统计,心理健康是健康的一个条件,一个人接受他或她的能力,能应对日常压力,能够有成效地工作,可以为他或她的社会作出贡献。心理健康包括身体、金融、和社会福祉。它影响人们的思想,情感,和行为。它也会影响人们如何管理压力,社交,做出选择。生命的每个阶段,包括童年、青春期,和成熟,需要心理健康。虽然生活的心理健康是一个重要的方面,它常常被忽视。在全球范围内,几乎有9.7亿人患有精神健康问题。在孟加拉国,700万人患有焦虑和抑郁障碍(2]。2012年估计有10167人死于自杀,4%的男性和6%的女性- 17岁考虑自杀(2]。抑郁、压力和焦虑水平在孟加拉已经发现高达54.3%,59.0%,和64.8%,分别为(3]。
原因有很多,最突出的障碍之一的可用性是解决心理健康状况专业帮助。作为一个第三世界国家,孟加拉国卫生基础设施相当薄弱,基本医疗援助并不总是容易的。在这种情况下,寻求专业帮助精神卫生条件迅速蒙上阴影。再次,社会结构往往是不开放的即使在今天接受访问医生或心理健康专业人士的支持。村地区的情况更糟。有时外部条件创造障碍。人不太可能去心理健康专家在一个拥挤的国家,如孟加拉国、地方交通堵塞是一个严重的问题。Telemental卫生设施可以最好的解决方案考虑所有在场的障碍寻求心理健康。作为心理健康治疗很少需要重型机械,telemental健康支持可以是一种非常有用的解决方案。
一些精神健康和支持现有系统已经。第一个是“MonerBondhu健康中心”(4]。他们提供支持困境通过热线电话号码,并提供一个免费的课程更健康。第二个是“疗法”路线5]。他们是一个搜索引擎来搜索心理治疗师在任何区域或城市。然后,另一个是“让我们谈谈BD”[6),提供在线虚拟咨询会议。现有的精神卫生保健系统提供一些设施共享。他们安排咨询与精神科医生。除此之外,他们中的一些人志愿者听到用户的对话。本文提出的网络平台也是一个telemental健康平台。然而,使用提供的平台技术更先进的评估工具来获取心理健康数据分析。这个系统使用NLP-based会话聊天机器人对健康者与人格测试主要是评估自己。视频会议,这是任何传统的远程医疗系统的主要部分,系统中也存在,但更多的权力,因为它有情感使用计算机视觉检测功能。有一个大的研究机构,支持使用NLP和计算机视觉进行精神分析。
自然语言处理(NLP)是人工智能(AI)的一个重要分支,研究人类和计算机之间的交互通过自然语言(7]。自然语言处理或NLP结合计算机科学、人工智能、语言学,处理人类语言和计算机交互。NLP是系统的自然语言处理和分析大量的数据。NLP不是一个新概念。不良贷款的历史可以分为三个阶段:象征性的NLP,统计NLP,神经NLP是NLP的三种类型。
神经NLP是目前形式的NLP与表示用于自然语言处理和机器学习的能力。NLP是浓缩2010年之后在大规模人工智能功能。在[8后),作者表明,深度学习的成功与ImageNet对象识别,NLP在2012年加入了深度学习的方法。在[9),作者提出,重大技术改进也与配电盘语音识别。深度学习技术优于统计学习方法和令人惊讶的是在短时间内更好的结果。目前,神经网络NLP框架(称为“神经NLP”以下)已达到了新的水平的质量和建立了自己的主导方法NLP任务,如机器翻译(MT),机器阅读理解(MRC)和聊天机器人。人们写数字的文本自动处理(例如,电子邮件或社交媒体)。自然语言处理(NLP)技术推断人们说什么和感觉,而这些推论可以用来发送消息或者采取其他行动。在[10),作者认为NLP的一个最常见的应用是在市场营销、公司用它来分析电子邮件和社交媒体创建有针对性的广告,可以在买东西影响人们作出决定。另一方面,NLP超越营销方法应用程序。例如,NLP方法被认为是一个关键领域内的发展人工智能(AI)在医学界11]。有重大使用会话NLP聊天机器人的建设。一些研究人员划分成两类:社会聊天机器人和面向任务的聊天机器人(12]。社会聊天机器人进行转换和人类一样。聊天一词有时被用于解决它们。面向任务的聊天机器人可以分为一般面向任务或特殊任务导向。系统使用一个特殊的面向任务的chatbot找出精神痛苦的人的帮助。有一些流行的方法创建一个聊天机器人。其中包括基于规则的聊天机器人,sequence-to-sequence学习,数据驱动的聊天机器人,信息检索聊天机器人,基于机器学习聊天机器人,强化学习。
除了这些方法,混合方法也很受欢迎,这些方法的组合。阿里巴巴购物聊天机器人是一个混合的聊天,遵循一个混合方法对信息检索和sequence-to-sequence学习方法(13]。Chatbot评估是最重要的一个方面。人类的许多方面,评价的最高质量的方法。然而,这是非常昂贵的。在[14],作者表明,一些想法聊天机器人可以使用基本的精度和召回评估指标函数作为搜索引擎。自动评价技术,如蓝色,最近被测试。在[15),作者提出了胭脂,这也是另一个例子。这些都是用于文本摘要和文献的自动转换。这些指标计算 - - - - - -克重叠系统的输出和一组引用。这些指标被用来比较chatbot反应人类对同一个问题的反应在评估聊天机器人。在评估对话系统, - - - - - -克overlap-based指标存在局限性,因为两个答案可以完全不同,但具有相同的意义。聊天机器人也被评估使用困惑[16]。困惑是一种指标,衡量一个语言模型预测的可能性在一个测试集。它最初是用来评估语言模型。因此,会话NLP-based chatbot,混合方法和可靠的评价方法需要植入以确保它不仅仅是一个冗余功能。
计算机视觉是人工智能的一个分支,教计算机阅读、理解和解释图像。机器可以使用数码照片、视频和深度学习模型来检测和分类对象,然后对他们所看到的。这是一个多学科研究的框架分析机器如何理解数码照片或视频在一个较高的水平。从工程的角度来看,它旨在理解和自动化任务,人类视觉系统就是这样做的能力。使用计算机视觉情感检测从面部表情是相当新的领域感兴趣的研究人员。在[17),研究人员状态,人类情感的最重要的一个方面识别面部表情。据李和耆那教的,它可以被定义为表达的变化反应一个人的内在精神状态,想法,或社会互动18]。最近已经完成多少工作领域的面部表情识别的研究(19,20.]。基于卷积神经网络(CNN)的人脸识别算法是目前很受欢迎21]。计算机视觉是一个广泛的领域,研究人员采取不同的方法引入这类的计算机应用系统。在[22),来自印第安纳大学的研究员autoencoders用于第一个方法创建一个独特的每一种情绪都表示,虽然8-layer卷积神经网络用于第二种方法(CNN)。JAFFE posed-emotion数据集被用来训练这些方法,及其鲁棒性测试100个随机的照片贴上脸上在野外伦敦时装周开幕数据集,其中包含坦诚,而不是照片。研究结果表明,用额外的微调和深度,CNN模型可以比最先进的情感识别的方法。
联邦大学的研究人员发表的茅草圣卷积网络人脸识别系统(23]。在这个研究,他们提出一个简单的方法面对情感识别,结合了传统的卷积网络技术和图像预处理过程。根据不同的特性集,卷积网络和大多数机器学习方法取得更好的精度。他们分布在几步工作,如(1)空间归一化,(2)合成样品一代,(3)图像裁剪,(4)将采样,(5)强度归一化,(6)卷积网络。在[24),使用数据从众多的研究人员研究了心理健康受信任来源如MEDLINE, medRxiv,网络科学,PubMed、网络科学数据库,和牛津COVID-19跟踪数据库。他们总共226638人通过60研究评估。COVID-19大流行期间,全球抑郁症和焦虑症的患病率是24%和21%,分别。
上述研究表明,会话NLP和计算机视觉可用于心理健康分析,但他们不集中在一个平台,可以帮助人们在精神上的痛苦。这些系统非常善于显示NLP和计算机视觉技术的能力但缺乏一个用户友好的模型。考虑NLP的能力和计算机视觉,心理健康检测和用户友好的平台支持提出了。
“MonerBondhu健康中心”(4不提供视频通话。它只通过语音通话提供了远距治疗设施,并提供免费的在线课程。系统提出了更先进,与专业人士的视频通话功能。“治疗路线”(5找精神科医生)基本上是一个搜索引擎。摘要系统配备这一发现精神病学家特性。“让我们来谈谈BD”[6)是另一个精神追求健康平台可在孟加拉国。虽然它远距治疗和视频通话的功能,它不提供情感检测在视频通话或会话NLP聊天机器人,它们存在于系统提出了。实现是小说中使用的数据集构建使用幻相类型指标或MBTI人格测试用例。因此,可以说,系统提出了更先进和小说比最先进的系统中可用的利基telemental健康。
本研究的目的是开发一个NLP-integrated e-mental健康智能网络系统。本文提出一个基于web的心理健康支持系统。在这个平台上,人们会寻求心理健康支持远程而无需走出他们的房子。首先,用户将身份验证的必要的信息。然后,他们将能够使用这个交互式会话NLP-based聊天机器人。这个聊天机器人将是主要的评估工具来确定心理健康状况通过心理学实验设计专家。这些评估将过滤用户到组的小组成员将可以选择坐在会议通过系统分享他们的感受。这些集团谈判非常缓解高度抑郁和自杀的人。心理健康援助专家将参加他们的会议和评估寻求心理帮助。最后评估,帮助求职者将参加心理健康专家一对一的会晤。 In this stage, computer vision compatibility of the system will help the expert analyze help seekers’ condition from the individual facial expression. The experts will be facilitated with proper documentation methods, and the results will be shown as progress reports.
研究的主要动机是提供一个远程,一站式解决方案每个人照顾他们的心理健康,因为它是一种最贫困医疗行业。在我国,人们对他们的心理健康感到害羞,这似乎是禁忌在我们的社会。所以,人们常常不想去任何精神卫生保健中心采取任何从任何心理健康咨询专家,他们保持进一步提高他们的问题。使用这种精神卫生保健的平台,任何人都可以照顾他的心理健康没有任何麻烦和犹豫,因为他可以得到这里所有的设施。出去咨询,等待预约与任何心理医生是一个非常耗时的事实。任何用户都可以得到帮助没有出去和漫长的等待预约在这个平台上。此外,该服务提供了一切都在一个地方,所以用户也可以保存他的钱不用不同的心理健康诊所的服务。
节1介绍了。部分2提供了方法和材料。介绍了系统模块部分3。部分4描述和分析的结果。最后,结论部分提供5。
2。方法和材料
本系统中使用的方法和资源使用会话NLP建立精神卫生保健系统和计算机视觉中讨论这部分。系统包含三个子系统,会话NLP chatbot,视频会议,网络论坛。所有三个子系统的目的有不同的方法和结果。所有三个子系统的组合结果是作为“用户数据存储在系统的中央数据库。第一个分段显示整个系统图。之后,部分呈现chatbot,视频通话,和网络论坛子系统,分别。最后,本文总结了整个系统的用例图。
在本章的第一部分,整个系统图显示和描述。然后,所有子系统都集中在与相应的图。最后,用例图描述。
2.1。系统图
图1表明整个系统流程图和三个重要的子系统。参与者将被分为三种类型的身份验证。他们将普通用户或病人,心理学家和管理员。通过身份验证之后,他们将获得“论坛”,这是整个系统的中心。除此之外,只有病人是一个子系统,用户将脸,也就是“会话AI chatbot,”这将评估他们的国家和他们类别进行分类。这个聊天机器人子系统的一个重要子系统。与此同时,在网络论坛,定期事件会发生,因为它发生在一个论坛。人们将能够使用不同的功能,比如创建帖子,评论他们,寻求帮助。
除了所有的活动发生在网络论坛上,会有定期的视频电话会议和用户之间的心理学家。他们会坐在面对面的视频通话,讨论问题,做测试,因为他们的愿望。这个子系统是情感识别的特性。当用户正在和心理学家,该模块将试图跟踪和识别用户的面部表情和捕获的情感,这必将有利于进一步分析和测试。所有相关的信息和统计信息将存储在中央数据库中。
2.2。聊天机器人子系统
图2显示了聊天机器人子系统的集中视图。这个子系统是整个系统的重要特性之一。专业是建立“数据检索会话聊天机器人“基于自然语言处理。这个子系统有一个新颖的数据集与150多名短语对话使它高效正确地评估一个人的精神状态。评价用户的状态后,它将他分类,这将导致用户找到相关的文章或信息,可以帮助他关于他的精神状态。
2.3。视频通话子系统
图3专注于重要的视频通话子系统图。在这个子系统,用户可以使用他们的id连接到一个心理学家。这个特性将被整合到主要的网站,当用户将会定期会议与心理学家。他们将讨论他们的问题和评估不同的心理学家进行的测试。子系统的重要特征是情感识别特性。进行会话时,用户的面部表情会被监控。这个模块是一个计算机视觉模型训练数据集以人们的表情和情绪。从心理学家手工数据和自动数据从计算机视觉模型将存储在中央数据库进行进一步分析和测试。
2.4。网络论坛子系统
图4显示了基本的web论坛子系统,是整个系统的核心。在这里,所有的人类会发生相互作用。这可以表示为一个门户网站的所有子系统。所有的用户,随着心理学家和管理,能够发布相关“博客线程”相关精神卫生和问题。他们可以评论或回复这些线程,如果他们想要的。心理学家和管理员访问病人的档案看到他们国家在那一刻所取得的进展和所有必要的记录。这个模块是重要的,因为它拥有和控制整个结构子系统效率使整个场景。
2.5。用例图
图5关注系统的用例图。这个系统的利益相关者是普通用户/病人,心理学家和管理员/版主。所有用户,包括病人、心理学家、和管理员,将经过身份验证过程获得web论坛和其他子系统。唯一的病人通过聊天机器人用户将评估。再一次,所有用户将能够创建博客文章和评论在网上论坛。病人之间的直接的面对面的互动和心理学家在视频会议使用的情况下发生。他们可以看到用户的配置文件,但只有心理学家和管理可以看到记录。只有管理员要访问的心理学家的概要文件和执行CRUD操作用户和心理学家的列表。
3所示。系统模块
该系统有三个主要的模块。他们是NLP chatbot,视频会议和情感检测模块。不同的技术被用来使模块根据系统的需要。
3.1。NLP会话聊天机器人
聊天机器人是人工智能的一个系统,可以与人互动23]。本文的这个聊天机器人模块是心理健康的主要评估工具的分析。在这聊天机器人,它的测试用例已经被用来评估一个人的心态。四个双相情感心理维度衡量它(P)是内向的人(我)与外向的人(E)、传感(S)和直觉(N),思考(T)和感觉(F),判断(J)和感知(P) (24]。它给每个人分配一个庸俗的类型反映了他们在每个类别的偏好。聊天机器人可以通过各种心理偏好评估一个人的心态在人们如何看待环境和通过对话做出决定。这个深层神经网络聊天机器人是主要的过滤工具,可分为团体为他们提供适当的精神支持。
3.1.1。技术的使用
(我)Python(2)Keras(3)TensorFlow(iv)自然语言工具包(NLTK)(v)长短期记忆(LSTM)
3.1.2。描述的技术
用于编码的语言聊天机器人是Python。进口了python包按照模块的要求。该算法用于LSTM深层神经网络聊天机器人。LSTM网络是一种递归神经网络,可以学习顺序依赖序列预测的挑战。自然语言工具包(NLTK)是Python编程平台统计自然语言处理(NLP)与人类的语言输入。它包括标记的文本处理工具、解析、分类,阻止,标签,和语义推理。一个JSON格式化它数据集已经使用。JSON是一种开放标准的文件格式和数据交换格式,使用人类可读的文本存储和传输数据对象属性-值对和数组(或其他可序列化的值)。这是一个基本的数据格式,可以适应各种不同的数据传输,包括web应用程序和服务器之间的通信。数据保存在JSON数据集被反序列化使用Python的Pickle模块。 Pickle is a Python library for serializing and deserializing Python object structures. To put it differently, it is the process of converting a Python object into a byte stream in order to save it to a file/database, preserve program state between sessions, or send data over the network.
Keras API中使用本文提供Python模块的接口。它作为一个接口TensorFlow库。Keras顺序模型被使用。密集,激活和辍学层被导入到纸上。在这个模块,Keras SGD类创建一个随机梯度下降优化学习速率和动量。
3.1.3。实现
聊天机器人是主要的评估工具。注册用户可以聊天聊天机器人从我们的web应用程序,通过会话的评估,根据MBTI聊天问不同的问题测试用例。
模块的主文件创建基本包(NLTK、JSON、泡菜和Keras)进口。数据集是每个单词和标记化的lemmatized从列表中删除所有重复的单词。Lemmatizing翻译的过程是一个词到引理的形式,然后保存Python对象。它预测在泡菜中使用文件和创建一个编号的训练数据集所理解的计算机。
当训练数据准备好了,深与三层神经网络,密集,激活,辍学,是使用Keras顺序创建的API。培训进行30时代。随着训练完成的时代周期,图形用户界面(GUI)聊天机器人模块能够交谈并采取相应措施。
3.2。实时通信模块
在web应用程序系统中,会有两个实时通信系统完全奉献给用户。这将使病人更容易得到帮助与他们的心理状态,与同行交流,在一个特殊的情况下,从一名精神病医生寻求帮助。这些系统完全集成的web应用程序,它将作为一个完整的中心和用户友好的对每个人来说都得到各种各样的帮助,一切都在一个平台。
实时模块(1)实时聊天论坛用户到用户,用户精神病医生,精神病学家和精神病学家)(2)用户精神科医生:实时视频电话系统(用户精神病学家)
3.2.1之上。模块的目的
整个论文集中在病人的健康和治疗心理问题。沟通是精神病护理的一个重要方面,最基本的能力之一。它允许安全、高质量的病人治疗(25]。它也被发现,医疗错误往往与缺乏沟通。在COVID-19封锁的情况下,这已经变得更糟。之间的差距一直在增加,特别是病人处理心理问题和精神科医生。减少维护和处理距离的差距,这个模块已经决定引入下一个棚以及其他相关功能。
聊天论坛的目的是让所有用户交谈,分享信息,互相帮助当他们需要帮助时,等。用户还可以跟任何心理医生指定的文本聊天在聊天频道。会有多个聊天频道有多种用途。一个能够加入一个特定的聊天频道根据他或她的需要。
另一个实时模块是视频通话系统。这也是一个集成的实时通信服务的web应用程序。它有一个特定的和限制的目的,是使一个用户和精神病医生交流期间安排会议时间。一名精神病医生给病人安排代码加入视频电话。面对面的交谈是非常重要的处理心理问题。在线治疗不如面对面的与一名精神病医生或临床医生说话。所以,这个模块介绍了与他人一起,在一个罩使双方更容易。视频会议也不像身体有效参加面对面的会话,但最近的情况使得它成为了一个必不可少的服务。
3.2.2。技术使用的模块
完成这个模块的整个技术方面,使用套接字编程。套接字编程的方式基本上是连接两个或多个节点网络相互通信。为了实现这一点,下面的模块使用。(1)Express.js(2)socket . io(3)Socket.io-client
Express.jsis a backend framework for Node.js, which has been used to build the backend of our system. In this backend system, the real-time modules have been built. To implement both the real-time chat and video system, Socket.io has been used. Socket.io is a popular open-source library, which serves the purpose of real-time web applications. It enables real-time, bidirectional communication between web clients and servers. This library is based on the WebSockets API, which actually allows you to make connections between server and client. On the other hand, the Socket.io-client is responsible for receiving emitted data on the client side from the server side and making it client side-friendly.
3.2.3。实现技术的模块
(1)前端。让这个实时通信的前端部分web应用程序的一部分,反应。js和套接字。io-client一直使用。这一部分主要前端后端系统分开运行的一部分。这一部分基本上接收发射数据并发送客户端到服务器的输入。
在图6,可以看出,每次视频调用页面加载的web应用程序,它将尝试让视频和音频从客户机访问设备。流纱窗将检测到一个流对象发送到服务器端。而且,它将体现用户,让他接收和打电话。
客户端聊天模块遵循相同的结构。
(2)端。后端系统是一个基于节点的web服务器。js的帮助下表达。js框架。整个系统后端集成在一起实时模块后端。的帮助下插座。io库,通信服务器。
图9显示用户的方法获得成功的连接连接到一个聊天室。
图10显示后台听的方式聊天信息会传递给它的前端接收和呈现在客户端。
图11显示了后端配置和行动的影响在客户端关于打电话,回答,切断电话。
3.3。使用计算机视觉情感检测模块
我们的目标是检测病人的情绪通过使用这种面部情感探测技术。它将帮助医生更精确地开处方。如果医生可以直观地识别病人的情绪困扰,他能给更好的待遇。此外,它将成为一个顾问更容易评估病人的问题,系统可以更准确地检测到的面部表情。我们相信这项技术能带来一个非凡的改变,精神疾病领域。
3.3.1。技术的使用
(我)计算机视觉(2)哈雾级联(3)Keras(iv)TensorFlow
3.3.2。技术简单
OpenCV是开源的计算机视觉库,这是由英特尔。Keras实际上是一个开源的Python库用于开发和评估深度学习模型。TensorFlow是一个端到端的免费开源符号数学库基于机器学习和人工智能的数据流。哈雾级联是目标检测的算法,它可以识别面孔的图像或视频实时运行,可以用OpenCV方法访问。
3.3.3。技术实现
在视频会议与情感的医生检测部分,我们使用计算机视觉来执行这个人工智能部分。
在这整个过程中,我们遵循3步骤执行检测部分。这些都是(我)收集的数据集各种情绪(2)深度学习培训模型(3)使用模型来预测正确的情感
首先,创建数据集,我们创建了一个共有五类重要的情感。他们是中立的,快乐,悲伤,愤怒,和惊喜。
在培训的部分中,我们使用三个简单的步骤。(我)进口一些必需的库(2)用图片和标签来训练模型(3)火车模型通过使用Keras和TensorFlow这些给定的参数
在最终的检测部分,我们通过这些步骤。
首先,我们将收集用户的视频直播或录像,这实际上是一些用户的连续帧的脸。
之后,我们使用XML文件命名为“haarcascade_frontalface_default”,这是一个分类器,来检测用户的脸。
然后,我们将会通过h5文件名为“Emotion_Detection”检测和声明的情感标签,实际上是存储的Keras训练模型。
4所示。结果和分析
在这一章,将分析网站的主要功能,以及基本的网站系统。系统特性的结果相比,将分析结果和现有的系统。
4.1。主接口
图12显示了网络论坛的home接口子系统的接口。它可以被称为门户中的其他功能。用户将能够发布、评论,贡献,等等。它还将导航到其他特性。在着陆和子页接口,用户可以通过从不同的网站和许多在线测试和调查所有这些选项在一个地方。提供非常重要的信息和视频教程,如瑜伽、呼吸练习和一些放松的音乐。前端技术这是HTML、级联样式表(CSS)和反应。js库。反应。js是一个JavaScript库,用于构建可重用的用户界面(UI)组件。反应。js is used here for its component reusability, so it does not have to render duplicate HTML codes and keep everything efficient. Using React.js on the website, data can be changed without even reloading the website. The main purpose of using this technology is to make it fast, scalable, and simple.
4.2。登录和身份验证
身份验证是每个网站系统的重要组成部分。在此系统中,有两种类型的身份验证系统。一个是普通用户或病人,另一个是心理学家。身份验证系统都是由谷歌重火力点。有一个经常用电子邮件和密码登录功能,和一个OAuth特性也被实现为一个更加用户友好和安全身份验证过程。
图13展示了心理学家登录/身份验证系统。他们和他们的专业注册号码提供额外的国家免疫日认证作为一个心理学家。如果他们使用OAuth的过程中,他们必须提供特殊的注册号后额外的国家免疫日访问作为一个心理学家。图14显示了患者的定期验证过程。
4.3。处方页面
注册精神病学家将有自己的经过身份验证的私人路线。的一个私人航线包括处方面板页面。精神病医生可以选择一个选项来开一个病人从病人的资料。然后,他将被重定向到处方面板中,只有医生才能访问。图15显示了处方面板接口。病人和医生的名字将动态添加相应的配置文件。精神病医生将疑似一类病人的状态,然后,在下面的文本区域,他将写详细的处方。之后,当他按下开按钮,整个形式将生成的pdf格式后会交付给病人的概要文件(图16)和精神病医生的名字和发行日期。
图16显示格式的pdf版本的处方。从处方问题页面,所有的动态和插入数据提取的精神病医生。然后,提取的数据,将创建pdf以前固定格式。
4.4。用户仪表板
用户仪表板的页面相关的所有信息和记录用户的历史将会被显示。它将仅向用户自己可见和相应的心理学家和权威。在那里,他们能看到上次会议的历史,以前开处方,用户的状态,等图17显示用户的会议历史心理学家,他可以下载,一定会开出的处方。
4.5。找精神科医生
注册用户可以找精神病医生在指定“找到你的精神病学家”面板。那里,病人能够查看配置文件的各种认证和注册的精神病医生。然后,他会选择一些他们之间联系他后说话,将各种各样的心理服务。后联系特定的精神病医生,病人将访问,精神病学家的聊天室和访问安排视频会议日期。“发现你的精神病专家”小组将不断更新最新的招募和注册的跟上流的病人愿意接受服务。图18从列表中显示了用户可以选择的精神病医生,他选择特定的细节面板。有一个可行的搜索精神病学家特性将操作数据库时有足够的精神科医生的集合。
4.6。聊天机器人
聊天机器人功能是一个模块。这是一个3 - layer长短期记忆深神经网络模型建立与TensorFlow Keras Python应用程序编程接口(api)的接口。Keras顺序API用于三层,致密,辍学,和激活,深层神经网络。数据集用于聊天机器人是小说。在研究许多行之有效的心理健康状况分析测试中,它被用来创建一个数据集的测试用例。MBTI,或相类型指标,是其中一个最突出的性格测试被用于这个数据集。因此,我们的数据集是独一无二的,它可以提高在未来进一步与其他测试用例。这个chatbot响应和回复相关的语句。
图19显示聊天机器人执行它在用户测试。聊天机器人的JSON数据集是小说。没有这样的开源数据集用于测试。因此,数据集必须从头做起这个特殊的测试(26]。它总共有70个测试用例测试。数据集实现他们的潜能的测试用例。每个测试用例有两个可能的答案。根据答案,它的JSON数据集有140项测试用例。一个额外的5项问候和一般的谈话。所以,聊天机器人模型训练与145年从JSON对象数据集30时代。随着越来越多的时代,可以接受更多的培训和验证模型的准确性。表1显示chatbot准确性和失败率在过去的三个时期。
这个聊天模块作为系统的主要评估工具。通过这个对话NLP chatbot,任何用户都可以自我评估他或她的人格现状。聊天机器人使用它测试用例,其中最接受测试用例由专业人士,聊天机器人的结果将主要洞察用户的条件。除了自我评估,这个结果也将用于系统的进一步措施提供更好的体验的心理健康支持。
图20.代表了训练数据准确性的图形演示和验证数据的准确性。30时代后,模型得到一个91.42%的训练,86.04%的准确性进行验证。图21显示了训练数据的图形表示的损失0.2097和0.6378的验证数据丢失。
4.7。视频会议模块
图22显示的是当两个用户连接视频会议界面。两个设备在互联网上可以连接彼此通过视频电话会议。用户可以调用彼此如果他们有彼此的id;他们可以互相调用通过复制id。这个子系统的进一步方法使用计算机视觉识别参与者的情绪状态从他们的面部表情。然后,收集数据进行进一步分析。
这里使用的后端技术是WebSockets和套接字编程。这个服务器系统运行在一个节点上。js运行时环境。反应。js处理客户端。尚只是为应用程序提供一个光滑的实时通信通过一个简单的API。在这个系统的情况下,实时视频会议模块构建WebSockets也在套接字编程的帮助。套接字编程在这里帮助系统连接两个设备相互通信。使用计算机视觉,系统将使用深度学习模型的视频会议部分将有一个培训模块。,该系统可以探测到一个人的情感,他/她在视频会议。
通过使用这个视频会议模块,用户可以连接直接与精神病学家没有外出的麻烦。也是节省时间的,因为他们没有处理交通堵塞在获得服务。同时,更安全的保密会议,和用户可以更容易表达自己的感情。这也是一种省钱的用户和精神病医生。
4.8。使用计算机视觉情感探测器模块
后的情感检测部分,我们通过用户端视频通过模型,它完美地检测用户情绪和更改标签根据用户的面部表情的变化。
人脸检测标签是蓝色和情感标签是绿色的,和它显示在用户。模型可以检测五种不同的情绪。他们是中立的,快乐,悲伤,愤怒,和惊喜。图23表明,情感检测功能是在用户的面部表情。检测从用户的面部表情,目前用户的条件是快乐。
4.9。聊天论坛模块
图24显示一个用户试图根据他的需要输入一个特定的聊天室。房间里有多个通道选择部分。这些房间将相关的不同的用户在不同时间的目的。结果如图25,他进来,会受到其他参与者。他可以看别人的消息就像任何其他群组聊天。他能看到参与者用户。
4.10。支付模块
网站支付模块,如果有人想收到任何支付系统的功能,他可以支付。支付模块与SSLCOMMERZ集成,这是孟加拉国最大的支付网关聚合器。例如,移动银行网关只用于Bkash的网站,Nagad和火箭。系统使用三个API SSLCOMMERZ完成整合,创建并得到会话,收到付款通知,订单验证API。图26显示了支付模块部分的网站,用户可以选择三种不同的网关支付。
4.11。与其他现有系统比较表
在这里,表2显示其他现有模型的整体比较与展示平台。如果系统提出了比较与现有平台(4- - - - - -6),可以看出,提出系统几乎所有现有平台的功能,除了系统(2已在线课程,这个系统不提供。然而,系统介绍了NLP会话聊天机器人和情感检测视频会议功能,这是最的部分功能,使其站除了[中提供的平台4- - - - - -6]。另外,在数据24和25聊天论坛,这个系统提供了一个特性,也是一个新功能缺失的现有平台。
5。结论
这大流行期间,世界中观察到的心理支持和帮助的必要性和周围的自己。此外,它并不总是可能大部分人出去的具体原因会议一个心理学家。这个web应用程序正试图实现系统的知识给这些人一个平台来获得必要的支持条件。与整个组织以论坛为基础的web应用程序与NLP和计算机视觉的帮助下,该系统能够有效地评估这个问题。功能,如面部表情识别在视频会议将是非常有益的检测一个人的精神状态。实现先进的实时技术增加了一个新的维度评估患者的心理状况。
研究,以及系统本身,未来有很大的发展空间。作为数据集NLP-based聊天机器人系统已经由研究人员之一,它总是有一个范围得到富含新的精神卫生领域的相关数据。从技术上讲,网络系统是相当电流与尖端技术;有潜在的网络系统转换为一个先进的web应用程序(PWA)在未来增加可用性和影响力。web应用程序还可以功能短消息服务(SMS)系统在商业层面上。总的来说,这项研究提供了很多承诺未来的扩张,在技术上和研究而言,如果商业化,它有很大的潜力。
整个系统作为一个web应用程序将会非常方便寻求帮助和专业人士。人们从任何地方能够得到帮助和服务的目的,通过这个心理健康支持web应用程序。这将作为一个一站式解决方案来解决任何心理健康并发症。
数据可用性
数据用来支持这些研究成果可以在网上https://www.kaggle.com/abid0801/mbti-personality-test-cases。
的利益冲突
作者宣称他们没有利益冲突的报告对于本研究。
确认
作者感谢塔伊夫大学的研究人员的支持支持项目(TURSP-2020/26),塔伊夫大学,塔伊夫,沙特阿拉伯。