利用人工智能进行心理治疗的系统和方法

技术领域

所公开的实施例总体上涉及精神健康疾病的诊断和治疗，具体而言，涉及利用人工智能(AI)进行心理治疗的系统和方法。

背景

对于患有重度抑郁障碍、焦虑障碍和其他心理问题或精神障碍的患者来说，谈话疗法可能会非常有帮助。

传统的谈话疗法为面对面的亲自交谈，每次治疗通常持续近一个小时。然而，情绪低谷和自杀更有可能发生在晚上或患者独处时。此外，由于持续的疫情，面对面的交流变得越来越困难。

概要

因此，需要将这种面对面的交流转换为文本消息和语音交互的系统和方法。本文所述的数字心理治疗师，在晚上或患者独处时尤其有用，他们能够随时随地为患者提供全天候的陪伴，并提供有针对性、有效、个性化和定制化的情绪疏导和心理治疗。根据一些实施例，数字心理治疗师利用人工智能和心理治疗知识系统来帮助患者应对心理问题和情绪困境。这些系统和方法基于全球人类心理学家使用的心理治疗理论和循证心理治疗。

描述了用于提供人工智能心理治疗的系统和方法，这些系统和方法利用人工智能和/或机器学习，在无需人工参与的情况下，执行循证心理治疗【例如，认知行为疗法(CBT)、辩证行为疗法(DBT)、人际关系疗法(IPT)】及其他相关治疗和疗法。人工智能心理治疗系统通过用户界面从患者处获取患者消息(有时称为用户消息)。随后，系统根据患者消息以及关于患者的其他信息，确定一个或多个自然语言处理(NLP)分类器、任务导向型对话系统、机器学习预测器、意图分类器、推荐引擎和命名实体识别器。关于患者的其他信息可能包括医院内、医院外数据和认知扭曲类型。接着，系统根据候选认知技巧列表为患者选择心理治疗疗法。最后，系统根据患者的偏好，以文本格式或语音格式向患者提供心理治疗。

本申请公开了与下列编号条款相对应的主题：

(A1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面从患者处获取患者消息；根据患者消息，使用一个或多个命名实体识别器识别用户输入中的情绪并将其与情感相关的术语联系起来；和/或根据患者消息，使用一个或多个命名实体识别器，将用户输入中的术语识别为心理治疗、精神障碍、心理问题和/或心理学方面的术语。

(A2)根据条款(A1)中所述的方法，还包括使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

(A3)根据条款(A1)-(A2)中任一项所述的方法，其中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入识别用户输入中的情绪和术语。

(B1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息；根据患者消息，使用一个或多个自然语言处理(NLP)分类器将用户输入中的术语识别并分类为心理治疗、情感、精神障碍、心理问题和/或心理学中的一个或多个术语。

(B2)根据条款(B1)中所述的方法，还包括使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

(B3)根据条款(B1)-(B2)中任一项所述的方法，其中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入对用户输入中的术语进行识别和分类。

(C1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息；根据患者消息，使用一个或多个自然语言处理(NLP)意图识别器、一个或多个主题分类器、一个或多个情感分析模型和/或一个或多个意图分类器，识别用户输入中的意图。

(C2)根据条款(C1)所述的方法，还包括使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

(C3)根据条款(C1)-(C2)中任一项所述的方法，其中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入识别意图。

(D1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息和时间戳；或通过用户界面，从患者处获取一个或多个表情符号和时间戳；根据时间戳和患者消息或表情符号，使用一个或多个机器学习预测模型，预测未来的心理状况和治疗计划。

(D2)根据条款(D1)所述的方法，其中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入预测未来的心理状况和治疗计划。

(D3)根据条款(D1)-(D2)中任一项所述的方法，其中预测未来的心理状况和治疗计划包括：采集患者的面部图像和视频；以及利用面部图像和视频的心理状况识别技术。

(D4)根据条款(D1)-(D3)中任一项所述的方法，其中预测未来的心理状况和治疗计划包括：采集患者的心率数据；以及使用时间序列模型对心率数据进行分析。

(D5)根据条款(D1)-(D4)中任一项所述的方法，其中预测未来的心理状况和治疗计划包括：采集患者的心电图数据；以及使用机器学习模式识别模型对心电图数据进行分析。

(D6)根据条款(D1)-(D5)中任一项所述的方法，其中预测未来的心理状况和治疗计划包括：对接收到的时间戳、新的患者消息、表情符号、面部图像、面部视频、心率数据、心电图和/或医疗记录作出响应：重复预测未来的心理状况和治疗计划，并存储新的预测未来的心理状况和治疗计划。

(E1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息；根据患者消息，使用一个或多个自然语言处理(NLP)分类器识别认知扭曲。

(E2)根据条款(E1)所述的方法，还包括：使用认知扭曲列表来识别认知扭曲。

(E3)根据条款(E1)-(E2)中任一项所述的方法，其中用户输入可以是为文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入识别认知扭曲。

(F1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息；根据患者信息，使用(i)一个或多个机器学习推荐引擎和(ii)认知技巧列表，确定个性化的心理治疗。

(F2)根据条款(F1)所述的方法，还包括使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

(F3)根据条款(F1)-(F2)中任一项所述的方法，其中用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入生成个性化的心理治疗。

(F4)根据条款(F1)-(F3)中任一项所述的方法，其中确定个性化心理治疗包括：使用患者的反馈历史、每个心理治疗的反馈历史和/或认知扭曲列表。

(F5)根据条款(F1)-(F4)中任一项所述的方法，其中确定个性化的心理治疗包括：在收到患者确认心理治疗无效的反馈后：从患者处获取第二次用户输入；以及重复确定个性化的心理治疗，并为第二次用户输入提供新的心理治疗。

(G1)一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗，该方法包括：通过用户界面，从患者处获取患者消息；根据患者消息，使用(i)一个或多个自然语言处理(NLP)任务导向型对话系统和(ii)认知技巧列表，提供个性化的心理治疗。

(G2)根据条款(G1)所述的方法，还包括使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

(G3)根据条款(G1)-(G2)中任一项所述的方法，其中用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入生成个性化的心理治疗。

(G4)根据条款(G1)-(G3)中任一项所述的方法，还包括：根据对患者偏好语音输出的确定，以语音格式执行心理治疗。

(G5)根据条款(G1)-(G4)中任一项所述的方法，其中提供个性化的心理治疗包括：在收到用户确认心理治疗无效时作出回应：从患者处获取第二次用户输入；以及重复生成个性化的心理治疗，并为第二次用户输入提供新的心理治疗。

(G6)根据条款(G1)-(G5)中任一项所述的方法，其中提供心理治疗包括使用以下模型与患者进行对话：(i)封闭领域基于规则的模型，(ii)封闭领域基于检索的模型，(iii)封闭领域基于检索生成的混合模型，(iv)封闭领域基于生成的模型，(v)开放领域基于规则的模型，(vi)开放领域基于检索的模型，(vii)开放领域基于检索生成的混合模型，或(viii)开放领域基于生成的模型。

(G7)根据条款(G1)-(G6)中任一项所述的方法，还包括：收集患者的医疗记录；以及利用OCR文本识别技术读取医疗记录上的非电子信息。

(G8)根据(G1)-(G7)中任一项所述的方法，还包括：根据患者的语音偏好，使用语音合成技术生成首选语音；并使用生成的首选语音与患者进行对话。

根据一些实施例，提供了一种非瞬态计算机可读存储介质。这种非瞬态计算机可读存储介质存储了一个或多个程序，供具有一个或多个处理器的计算机系统执行。该一个或多个程序包括用于执行条款(A1)-(G8)中任一项所述方法的指令。

因此，系统提供了改进的方法，用于提供按需的、有针对性的、有效的、个性化和定制化的情绪心理治疗。

附图的简要说明

为了更好地理解所描述的各种实施例，应结合附图参考下面的实施例说明。其中，相同的参考数字在所有图示中都指代相应的部分。

图1显示了根据一些实施例的人工智能心理治疗系统的框图。

图2显示了根据一些实施例，使用开放或封闭领域自然语言处理(NLP)模型的任务导向型对话系统的示例框图。

图3A和图3B显示了根据一些实施例，由人工智能心理治疗系统在用户界面上进行心理治疗的示例方法的流程图。

图4显示了根据一些实施例，通过自然语言处理(NLP)预处理方法对患者消息进行心理分析的示例方法的流程图。

图5显示了根据一些实施例，由人工智能心理治疗系统在健康数据收集808中收集和/或使用的患者医院内和医院外数据的示例。

图6是根据一些实施例，可能会被人工智能心理治疗系统使用的患者治疗时间线的示例。

图7显示了根据一些实施例的语音合成工作流程的示意图。

图8A-8C显示了根据一些实施例，用户与人工智能心理治疗师系统交互的示例过程的流程图。

图9、10、11A和11B显示了根据一些实施例，用于与人工智能心理治疗系统交互的用户界面的示例。

在所有的附图视图中，相同的参考数字指代各图中相同或对应的部分。

详细说明

现在将详细描述实施例，附图中展示了其示例。在下面的详细描述中，阐述了许多具体细节以便提供对各种所描述实现的透彻理解。在其他情况下，对众所周知的方法、过程、组件、电路和网络没有进行详细的描述，以免不必要地模糊实现的各方面。

还应当理解，尽管术语第一、第二等在一些情况下在本文中用于描述各种元素，但是这些元素不应受到这些术语的限制。这些术语仅用于区分一个元素与另一个元素。例如，第一电子设备可以被称为第二电子设备，类似地，第二电子设备可以被称为第一电子设备，而不脱离所描述的各种实现的范围。第一电子设备和第二电子设备都是电子设备，但不是同一个电子设备。

在本文就各种实施例的描述中使用的术语，仅是为了描述特定实施例的目的，并且不旨在进行限制。在各种所描述的实施例和所附权利要求的描述中，使用的单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文清楚地另有指示。还应当理解，本文所使用的术语“和/或”是指并涵盖一个或多个相关列出项目的任何和所有可能的组合。还应当理解，术语“包括”和/或“包含”用于本说明书中时，指定所陈述的特征、整体、步骤、操作、元素和/或组件的存在。但不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或其组的存在或添加。

如本文所使用的，词语“如果”，根据语境，可被解释为意指“当”或“取决于”或“响应用于确定”或“响应用于检测”或“根据确定”。类似地，短语“如果确定”或“如果检测到[所述条件或事件]”可选地被解释为，意指“在确定时”或“响应用于确定”或“在检测到[所述条件或事件]时”或“响应于检测到[所述条件或事件]”或“根据检测到[所述条件或事件]的确定”，具体取决于上下文。

由于无法承担与人类心理治疗师进行心理咨询，而产生的高额费用的患者，可以使用本文描述的技术和系统。这样的实施例对于那些需要、但无法及时获得人类心理治疗师或其他治疗资源的人特别有用。根据本文描述的技术的系统和方法提供对话疗法、基于循证心理疗法和其他相关治疗和疗法。该系统能够提供专业的、有效的、个性化、低成本、随时随地、持续的、系统的、及时的、无副作用的解决方案。此类系统可用于基于文本或语音，通过人工智能(AI)技术，以多种语言(例如英语、汉语和其他中国方言，包括普通话、粤语、上海话、客家话等)和不同的文字(例如汉字，如简体中文或繁体中文)，提供一般心理问题、严重心理问题、神经质心理问题和精神障碍的解决方案。该系统和方法可以在以英语、中文和/或其他中国方言为主要语言的市场中提供服务。该软件可以安装在不同设备上，包括但不限于电子移动设备、平板电脑、智能手机、个人电脑、基于网络的设备或平台、可穿戴设备以及其他使用电子界面实现人机交互的设备。该系统和方法可以用于提供数字心理治疗，用于情绪障碍期间的咨询和急救方法，用于一般心理问题、严重心理问题、神经质心理问题和精神障碍(例如，抑郁症、焦虑症)，基于例如中文和/或不同的中国方言的语音和文本。

根据一些实施例，该系统能够执行数据处理方法和技术，并包括端点、接口、模型(例如，机器学习模型、预测模型、神经网络权重)的输入和输出(包括但不限于内容、格式、方法)、连接和通信的方法(包括但不限于各种网络通信接口及相关方法、数据存储管理系统接口及相关流程)、程序及其顺序(包括但不限于数据处理、转换、压缩、提取、生成、分析等与数据和算法相关的程序及其顺序，端对端模型中各模块的程序及其顺序，前端、数据处理、后端各模块之间的软件程序及其顺序)、内容(包括但不限于数据内容、指令内容、存储内容、生成内容、中间模块共享的内容)、处理与存储(包括但不限于内容、界面、模式、格式和方法)。

图1展示了根据一些实施例，人工智能(AI)心理治疗系统100的示例的框图。根据一些实施例，在AI心理治疗系统100中，用户界面102连接到服务器104。在一些实施例中，服务器104检查用户认证106，并且在授权时(例如，用户被成功认证收到的“200”状态响应)，用户认证106将数据发送到队列生成器108。

根据一些实施例，AI心理治疗系统100可以实现人机交互数字心理治疗师(例如，机器人)，其可以配备语音交互和文本对话能力(例如，中文和其他中国方言)。在一些实施例中，AI心理治疗系统800可以在带有屏幕的电子设备132上与患者通信，通过自然语言处理技术来实现多种功能，例如与情绪相关的咨询、心理治疗、缓解精神障碍症状、跟踪和预测治疗效果。通过深度学习或机器学习算法和统计技术，该系统和方法可不断学习和进化，以了解患者的个人的、精神的和生物特征，包括日常行为以及内在身体指标和外部环境因素共同作用下的精神变化。如此这样，该系统可持续学习。

如本文所述，自然语言处理(NLP)和计算机视觉是横跨AI以及人类语言(例如，文本和语音)、图像处理和计算智能以及机器学习之间的跨域子领域。由于中文和字母语言(例如英语)在性质和语法上存在巨大差异，NLP的分析和过程存在很大差异，这增加了此类系统的复杂性。在一些实施例中，该系统和方法使用AI技术、深度学习算法、机器学习算法和统计技术来进行处理。

心理治疗处理流程

根据某些实施例，图8A-8C显示了用户与人工智能心理治疗师系统100(有时称为人工智能心理治疗系统)交互的示例流程800的流程图。在某些实施例中，人工智能心理治疗系统100确定用户是否注册和/或登录在802中。如果用户是新患者806，人工智能心理治疗系统100便可提示患者提交输入，如健康数据收集808所示。在某些实施例中，患者成功登录804后，人工智能心理治疗系统100可使用生物信息收集和生物识别验证814来验证患者的身份，并对生物信息进行分析。在某些实施例中，会执行额外的生物识别信息和生物信息分析812。生物信息识别器812可包括(i)健康记录识别器、(ii)心率时间序列识别器和(iii)心电图模式识别器。一旦患者验证成功，人工智能心理治疗系统100可在患者当前情感和/或情绪收集器816收集关于患者的信息。根据某些实施例，心理相关情感分类器822(有时称为心理相关情感分类器350)的输出可以是情感和/或情绪跟踪器和预测器824(有时称为情感和/或情绪跟踪器和预测器352)的输入。

特征和功能：患者消息

根据一些实施例，患者可以通过用户界面102，从例如计算机、手机、网站、电子手表或其他电子平台等一个或多个终端，通过输入文本消息或说出语音消息，例如"我感觉很孤单"或"I am feeling so lonely now"，作为对人工智能心理治疗师系统100的输入。

例如，根据一些实施例，系统可以以“您今天感觉如何？”开始与患者的对话。下面的对话是数字心理治疗师(T)和患者(U)之间对话的示例

T：你今天感觉怎么样？

U：嗯……昨晚睡的很不好，睡不着，经常醒来。

T：还在担心明天的出差吗？

U：哎……是的，很烦……今晚可能还会睡不着。

T：我查一下你的院外数据。

T：看来你目前正在服用苯二氮卓类的处方药；它有助于你的睡眠。可以试试在睡前30分钟吃下去。卧室里放些薰衣草精油也能帮你感觉到平静。

医院内外健康数据和记录的数据收集与存储系统

根据某些实施例，人工智能心理治疗系统100可能会请求患者的许可来收集和存储患者的医院内数据和记录、医院外数据(包括身体和精神生物指标)。某些实施例会显示“麦克风”按钮，用于收集患者的语音消息。在某些实施例中，设备的摄像头(例如，iPhone的前置摄像头)可能会收集患者面部的图像和视频。其他信息，如文本消息、对话内容、精神健康的自我评估、心率等，也可以由健康数据收集808进行收集和存储。上述图5显示了根据某些实施例的数据存储管理系统的示例设计，以及图6描述了根据某些实施例，不同时间段的健康记录示例。

特征与功能：基于患者面部图像和视频的抑郁检测

根据某些实施例，在生物信息的收集和生物识别验证814中，输入是由患者(user_ID)手机中的摄像头拍摄的实时面部图像或视频，或上传的带有时间戳的面部图片和记录。抑郁识别器API是基于神经网络(如神经网络、长短期记忆、深度信念网络)和基于统计建模(如方差分析)的。

它可以将面部表情、眼球运动、手势和人形作为特征表示，以识别患者的积极/消极/神经情绪或细粒度情感(如抑郁、悲伤、惊讶等)。输出是带有显著值(p值)和置信度分数的情感分类标签，以及带有相应用户(user_ID)、数据类型、数量(视频持续时间或图像计数)和推理时间戳的细粒度情感分类标签。根据某些实施例，样本数据可能如下所示：

(1)user_ID:98803311，device_ID:001，实时图像，1，重度抑郁症-95％(p值<0.05)，2022年1月2日13:02；

(2)user_ID：00313423，device_ID：001，上传视频，10秒，双相情感障碍-60％(p值<0.1)，2021年11月15日11:58。

图3A和图3B显示了根据某些实施例，人工智能心理治疗系统100在用户界面上进行心理治疗的示例方法300的流程图。

特征和功能：心率测量系统

心率与精神障碍(如重度抑郁障碍或双相情感障碍)之间的联系已得到证实。多项研究表明，抑郁患者通常会在夜间出现较高的心率，而普通人在不服用任何药物或注射任何药物的情况下，心率应该会下降。根据某些实施例，人工智能心理治疗系统100可以采用心率监测器的API来测量患者的即时和长期持续心率(如睡眠时)，通过触摸(如通过数字手表的API)或不接触患者身体。生物信息的收集和生物识别验证814通过设备132收集患者的心率数据(包括测量心率)。生物信息识别器812通过心率时间序列识别模型，来识别和分析心率数据。其输入是用户(user_ID)使用设备(device_ID)在特定时间段(如30秒或睡眠时6小时)监测心率并测量时间戳。输出是用户(user_ID)通过设备(device_ID)每分钟的心率计数，并附带有测量时间戳和监测持续时间。例如：

(1)user_ID：98803311，device_ID：001，每分钟心率：58，监测时长：30秒，01/01/2022 03:14；

(2)user_ID:00313423，device_ID:002，每分钟心率：79，监测时长：5小时32分钟，开始时间戳：2021年12月27日23:20。

在某些实施例中，设备132可以是手机、苹果手表或其他数码设备。数据可以存储在数据库中，如图1所示。然后，基于时间序列的深度神经网络模型会分析心率数据，以监测康复进展和症状发展情况。

特征和功能：心电图(ECG)跟踪器和模式识别器系统

一些患有精神障碍的患者可能会出现胸痛。根据某些实施例，在生物信息采集和生物特征验证814中，人工智能心理治疗系统100可以使用ECG追踪器API来收集和监测患者的心脏活动和节律，然后存储和显示特定时长的波浪状模式。输入是用户(user_ID)使用设备132(device_ID)测量一定持续时间(例如15分钟)内带有测量时间戳的心律和活动。这个设备132可以是手机、苹果手表或其他数码设备。这些机器可读数据存储在图1所示的数据库中。

在某些实施例中，人工智能心理治疗系统100在生物信息识别器812中配备心电图模式识别API利用心电图模式识别器检测，如重度抑郁障碍、双相情感障碍等精神疾病的特定信号。在某些实施例中，输入可以是测量的心电图、扫描或上传的照片，或存储的常规心电图记录(根据某些实施例，其可能长达15分钟)，并带有用户ID和上传时间戳以及心电图的初始测量时间戳。基于深度神经网络和统计建模的心电图模式识别器输出与精神障碍有关的心电图数字图像上特定视觉信号的视觉检测结果(例如，阳性、阴性、位置)，包括但不限于：

·低频心率变异性(LF-HRV)

·基线较高的呼吸窦性心律失常(RSA)

·QT间期延长

·QT离散度增加

·T波复极化

·QRS波(fQRS)分裂

输出可能是上述每个视觉信号的识别结果(例如，分类标签)，附带有置信度分数、概率或显著值(p值)。例如，经过处理的时间戳和心电图的初始测量时间戳如下所示：

user_ID[例如，user_ID：98803311、LF-HRV-RSA–98％(p<0.001)、fQRS–34％(p>0.05)、QTIP–10％(p>0.1)、IQTD–76％(p<0.01)、TWR–10％(p>0.05)、处理时间戳23:12 01/0 1/2022，时间戳初始9:45 12/12/2021]。

根据人工智能心理治疗系统100的某些实施例，输出可能是情感和/或情绪跟踪器和预测器824的输入。

特征和功能：患者的医疗文件处理器

在某些实施例中，患者可通过“数据上传”预留按钮和界面的方式，将他们的医疗记录、实验室测试报告和结果，以及其他信息，提交给人工智能心理治疗系统100，作为健康数据收集808中的一部分。在获得患者许可的情况下，人工智能心理治疗系统100可使用光学字符识别(OCR)APIs来自动收集和存储生物信息(如面部图像和视频、心率)，以建立全面的精神健康数据收集。在某些实施例中，系统和方法使用OCR文本识别技术来读取非电子健康记录，例如手写记录、扫描件、照片以及患者上传的其他格式。输入可以是用户(user_ID)的文档，包括上传到系统的文本，例如患者手机摄像头拍摄的带有时间戳的医生笔记化验结果的二维照片。OCR技术是一种基于深度神经网络的方法，可将纸质文档或图像转换为并带有相关联的用户(user_ID)、设备ID、文档类型、内容、机构名称、医生姓名、记录的时间戳、患者输入的任何评论以及上传时间的机器可理解的电子版本，并存储在该系统的数据库中。

上述示例数据可在人工智能心理治疗师系统100中，如下所示：

(1)user_ID：98803311，device_ID：002，上传时间戳16:05 05/04/2021，记录时间戳13:02 02/17/2021，类型：处方药，内容：[舍曲林50mg(每天半粒，持续2周，每天1粒)]，患者评论：第5天开始头痛，1个月后自行停止用药，未告知医生；

(2)user_ID：00313423，device_ID：003，上传时间戳19:45 09/13/2021，记录时间戳10:51 08/15/2021，类型：诊断报告，内容：[症状：抑郁情绪3周，体重下降，失眠，注意力下降，诊断结果-重度抑郁症F33.1]，患者评论：无。

健康数据收集808提供的此类数据存储可能有助于准确跟踪和预测每位患者的治疗反馈、精神健康和其他情况。在某些实施例中，用于收集和存储数据的数据和方法是安全的，并符合数据隐私、安全和保护的相关法律法规。

特征与功能：健康记录识别器

根据某些实施例，人工智能心理治疗系统100可以在健康记录识别器812中使用OCR文本识别技术来读取非电子健康记录，如手写记录、扫描和拍照以及患者上传的其他格式。患者通过预留的“上传数据”界面进行上传。健康记录识别器的输入是健康记录的非电子版本(如图片格式)。输出则是可由电子设备(如电脑、智能手机)读取、编辑、处理的电子格式，如文本格式。

·阿里云文字识别接口、华为云文字识别接口、百度OCR接口、Swift Ocr接口、天若OCR、QQ截屏识别、ABBY Fine Reader、Text Grabber、扫描全能王、OnlineOCR、One Note、迅捷PDF转换器、白描软件、闪电识字、Wonder Share PDF转换器、Cajviewer、Google cloudvision API、NewOCR、i2OCR、Convertio、OCR.space、Amazon AWS Textract

·门控循环单元(GRU)模型及其变体、基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)、基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)、基于RNN的VAE、基于RNN的LSTM、semanticconditioned LSTM、Fast R-CNN、RRPN、TextBoes)、DMP Net模型系列及其变体、CTPN模型系列及其变体、Seg Link模型系列及其变体、FOTS框架变体、编码器/解码器模型变体、MAML模型系列及其变体

·可以使用本领域已知的其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现健康记录识别器类似的、或等效目的的模型及其变体

·贝叶斯概率模型系列及其变体、逻辑回归模型系列及其变体、决策树模型系列及其变体、支持向量机模型系列及其变体、随机森林模型系列及其变体、集成模型系列及其变体(包括但不限于bagging模型、boosting模型、stacking模型、xgboost模型系列、贝叶斯最佳分类模型、贝叶斯平均法模型、贝叶斯加权平均模型)、K-最近邻模型及其变体、K-means模型系列及其变体

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与健康记录识别器812类似或等效目的的模型及其变体

·能够完成类似或者等同的健康记录识别目的的，其他特定和非特定接口、软件程序、云服务、API、SDK等

·可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与健康记录识别器812类似或等效的目的模型及其变体

·可以使用其他特定人工智能方法及其变体、非特定人工智能方法及其变体、或者多种人工智能方法及其变体的组合来实现与健康记录识别器812类似或等效目的的模型及其变体

根据一些实施例，健康记录识别器812的输出，是情感和/或情绪跟踪器和预测系统824的输入。

特征和功能：患者当下情感/情绪收集系统

类型1：根据某些实施例，人工智能心理治疗师系统100在用户界面102中提供不同的情绪描述，从极其积极的情绪到极其消极负面的情绪(例如，悔恨、悲伤、快乐、抑郁等)。用户可以选择最合适的词语来描述自己当前的情绪。所选单词将被发送到情感分类器822。输入是用户(user_ID)从表情符号列表中选择的带有时间戳的表情符号，例如

第一类情感分类器822的输出是情感和/或情绪跟踪器和预测器824的一种可能输入，下文将对其进行描述。

类型2：根据某些实施例，系统和方法在用户界面上提供一个占位符；患者可以输入词组或句子来描述自己的情绪。在某些实施例中，这些单词或句子可以是情绪的间接表达，如“我整晚失眠”或“我很累”。或情绪描述，如“我现在非常沮丧”，或有关自杀(企图)或死亡的句子，如“我什么时候能离开这个世界？”根据上文附图3A-3B和图4所述的某些实施例，该输入将作为患者消息818发送到NLP处理方法400和其他机器学习和NLP模型。句子和/或单词可经过情感和心理命名实体识别器820(有时称为情感和心理命名实体识别器314)，以输出心理治疗和心理以及精神障碍和心理问题命名实体318(有时称为心理治疗、心理、精神障碍和/或心理问题命名实体418)，并可发送到心理相关情感分类器822。根据某些实施例，输出可能如下所示：

短信用户(user_ID)、message_ID，在占位符(如“我非常沮丧”)和时间戳。例如：60354067，00098723，我很郁闷，11/28/2021 19:20。

第二类情感分类器822的输出是情感和心理命名实体识别器820的一种可能输入。

特征和功能：情感和/或心情跟踪器和预测系统

在某些实施例中，情感和/或情绪跟踪器和预测器824是一个运行机器学习、深度学习或统计算法的处理器，用于分类和预测任务。该情感和/或情绪跟踪器824作为是一种长期情感跟踪器。在某些实施例中，情感和/或情绪跟踪器824分析和收集情感触发事件(使患者的情感急剧转变为积极或消极的事件)，并预测引起情感变化的特定或不特定事件或行为等。该系统和方法可使用基于Transformer的算法及其变体，来及时跟踪和预测患者的情感事项。

该处理器获取情感和心理命名实体识别器820的输，即患者在特定或不特定时间轴上的历史情感识别，例如以下内容：

“3/3/2020 9:32PM悲伤”、“3/4/12:32 2020PM沮丧”，以及情感触发事件：与母亲争吵。

在某些实施例中，输出是带有时间轴、情感和原因的患者记录以及导致情绪变化的任何特定或非特定的规律性事物，例如“有好几次，你的情绪在吃了冰淇淋后，都有了改善”。输出是带有时间轴和/或持续时间(例如，之后/每次)、情绪趋势、触发事件(即导致情感变化的特定或非特定的常规事物)、治疗进展的预测。治疗进度指的是指患者当前所处的相应精神障碍的阶段/情节，取决于症状(如轻度、中度、重度、高峰期、非活跃期)。治疗进度决定了治疗将持续多久以及未来疗程安排。例如，(1)user_ID：7822034，情绪趋势：改善，触发事件：冰淇淋，时间轴：后期，阶段：轻度；(2)user_ID：98803311，情绪趋势：消极，触发事件：妻子，时间轴：每月末，阶段：高峰；(3)user_ID：00283118，情绪趋势：抑郁，触发事件：多云/多雨，时间轴：冬季，阶段：中度。

在某些实施例中，情感和/或情绪跟踪器824可以生成如下患者心理治疗记录，并存储在数据存储管理系统122中：

[患者ID、情感表达、情感分析(如适用)、情感类型–之前和之后(如适用)、原因、认知扭曲分类、心理治疗、患者反馈]

图9展示了根据某些实施例的用户界面102的一个示例。在此示例中，用户界面包括用于聊天、治疗和情感以及目标跟踪器的各个区域。图10展示了根据某些实施例的用户界面102的另一个示例。该示例显示了情绪和目标跟踪器，以及某个时间段(例如多个月)内的概览。

在一些实施例，类似于生成与情感和/或情绪跟踪器和预测系统824的功能，可以通过以下算法和/或模型中的一种或多种来实现：

·马尔可夫模型系列及其变体，门控循环单元(GRU)模型及其变体、基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)，基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)，编码器/解码器模型变体、MAML模型系列及其变体

·可以实现相似或等效目的的特定和非特定时间序列方法、工具及其变体，包括但不限于线性回归、循环因子方法、基于ARMA的模型、基于ARIMA的模型、Facebook-prophet、tslearn、tsfresh、TPA-LSTM、LSTNet、STH

·基于R人工智能nbow的模型系列及其变体、基于Apex的模型系列及其变体、基于A3C和A2C的模型、更新版本及其变体、基于Q-learning的模型系列及其变体、策略优化方法及其变体、World Models模型系列及其变体、i2A模型系列及其变体、MBMF模型系列及其变体、MBVE模型及其变体、AlphaZero模型系列及其变体

·可以使用其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现情感和/或情绪跟踪器和预测系统824类似或等效目的的模型及其变体

·可以使用其他特定强化学习模型及其变体、非特定强化学习模型及其变体、或者多个强化学习模型及其变体的组合，来实现与情感和/或情绪跟踪器和预测系统824类似或等同目的的模型及其变体

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与情感和/或情绪跟踪器和预测系统824类似或等效目的的模型及其变体

·可以使用其他特定人工智能方法及其变体、非特定人工智能方法及其变体、或者多种人工智能方法及其变体的组合来实现与情感和/或情绪跟踪器和预测系统824类似或等效目的的模型及其变体

·可以使用其他特定统计模型及其变体、非特定统计模型及其变体、或者多个统计模型及其变体的组合，来实现情感和/或情绪跟踪器和预测系统824类似或等同目的的模型及其变体

在一些实施例中，该系统和方法通过自己收集的数据和公共数据集，从零开始训练模型参数。为达到与训练模型参数的相似或等效目的，可使用包括但不限于上述模型的预训练模型、微调、元训练、小样本训练或其他特定和未指定的训练方法。

特征和功能：情感和心理命名实体识别器系统

根据某些实施例，人工智能心理治疗系统100中的情感和心理学术语实体识别器820，通过基于transformer模型系列及其变体，得出给定句子或段落的核心情感。在某些实施例中，患者消息818可能包含由患者(user_ID)编写的关于其情绪的几句话或几个词的文本，并带有时间戳。该文本消息通过患者当下情感/心情收集器816接收。该文本可以是间接或直接的情绪表达、或者是一段较长的文字(如日记)、或关于自杀和死亡的想法的陈述。输出是从患者消息中提取的情感词，例如“兴奋”或“自尊”或“自杀”。

输出是可机读的情感术语实体(例如“沮丧”)，并对应到相应用户(user_ID)、message_ID、时间戳。例如：(1)user_ID：98803311，message_ID：00000103，郁闷，2021年11月28日19:20；(2)user_ID：36036844，失眠，2021年10月31日04:11。

在一些实施例，类似于情感和心理学术语实体识别器820的功能，可以通过以下算法和/或模型中的一种或多种来实现：

·马尔可夫模型系列及其变体，门控循环单元(GRU)模型及其变体、基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)，基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)，其他特定或非特定的迁移学习方法及其变体、基于编码器/解码器的模型系列及其变体、基于MAML的模型及其变体

·可以使用其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现与情感和心理学术语实体识别器820类似或等效目的的模型及其变体

·贝叶斯概率模型及其变体、逻辑回归模型系列及其变体、决策树模型系列及其变体、支持向量机模型系列及其变体、随机森林模型系列及其变体、集成模型及其变体(包括但不限于bagging模型、boosting模型、stacking模型、xgboost模型系列、贝叶斯最佳分类器模型、贝叶斯平均法模型、贝叶斯加权平均模型)

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与情感和心理学术语实体识别器820类似或等效目的的模型及其变体

·可以使用其他特定统计模型及其变体、非特定统计模型及其变体、或者多个统计模型及其变体的组合，来实现与情感和心理学术语实体识别器820类似或等同的目的的模型及其变体

·可以使用其他特定人工智能方法及其变体、非特定人工智能方法及其变体、或者多种人工智能方法及其变体的组合，来实现与情感和心理学术语实体识别器820类似或等效目的的模型及其变体

·可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与情感和心理学术语实体识别器820类似或等效目的的模型及其变体。

在一些实施例中，人工智能心理治疗系统100通过自己收集的数据和公共数据集，从零开始训练模型参数。为达到与训练模型参数的相似或等效目的，人工智能心理治疗系统800可使用包括但不限于上述模型的预训练模型、微调、元训练、小样本训练或其他特定和未指定的训练方法。

在某些实施例中，人工智能心理治疗系统100的输入或输出可能包括自杀(即企图自杀)和/或其他相关内容。在这种情况下，系统和方法可以(a)启动预警，(b)快速向用户提供相关自杀拯救手册(如自杀热线)、紧急呼叫。在某些实施例中，人工智能心理治疗系统100可能会联系紧急联系人和/或采取其他紧急程序。

特征与功能：心理学相关情感分类器系统

根据某些实施例，心理相关情感分类器822可以是一个处理器，配置为通过运行机器学习、深度学习或统计算法来执行句子级和文档级心理相关情感分类任务，并根据主要情感特征和特定精神障碍的类别数量执行细粒度分类。输入可能如下所示：

user_ID、message_ID、时间戳，从(1)情感/情绪收集器816和(2)心理治疗(例如“写信”、“辩护律师”)接收到句子类型或文章类型的患者输入。

例如，user_ID:98803311，message_ID:00000023,00:35 02/16/2021，“我越长大，就越明白众生都在受苦。有的人只是脚底有泥，有的人则半个身子都陷在泥里。我想死，却又不敢。我害怕我的家人和爱我的朋友。我每天都在受苦。”

在某些实施例中，人工智能心理治疗系统100可以使用基于Transformer的系列模型及其变体，来实现不同精神障碍下的情感分类。例如，心理相关情感分类器822可以对重度抑郁障碍的不同类型和程度的抑郁情绪和类似情绪进行细粒度分类。抑郁障碍患者通常会有一系列常见的抑郁情绪，如“沮丧”、“麻木”、“绝望”等，根据不同的强度进行分类。输出结果如下：

user_ID、message_ID、时间戳、多个细粒度分类情感标签。例如，user_ID：98803311，message_ID：00000023，02/16/2021 00:35，绝望，自杀意念，痛苦。

根据某些实施例，心理相关情感分类器822的输出可以是情感和/或情绪跟踪器和预测器824的输入。

在一些实施例中，为了通过心理学相关情绪分类器822实现类似的功能，可以使用以下算法：

·基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)、基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)、其他特定或非特定的迁移学习方法及其变体、基于编码器/解码器的模型系列及其变体、基于MAML的模型及其变体

·可以使用其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现与心理学相关情感分类器822类似或等效目的的模型及其变体

·贝叶斯概率模型及其变体、逻辑回归模型系列及其变体、决策树模型系列及其变体、支持向量机模型系列及其变体、随机森林模型系列及其变体、集成模型及其变体(包括但不限于bagging模型、boosting模型、stacking模型、xgboost模型系列、贝叶斯最佳分类器模型、贝叶斯平均法模型、贝叶斯加权平均模型)

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与心理学相关情感分类器822类似或等效目的的模型及其变体

·可以使用其他特定人工智能模型及其变体、非特定人工智能模型及其变体、或者多个人工智能模型及其变体的组合，来实现与心理学相关情感分类器822类似或等效目的的模型及其变体

·可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与心理学相关情感分类器822类似或等效目的的模型及其变体

在一些实施例中，人工智能心理治疗系统100可以在自我收集的数据和公共数据集上从零开始训练模型参数。为达到训练模型参数的相似或等效目的，包括但不限于使用上述模型的预训练模型、微调、元训练、few-shot训练或其他特定和未指定的训练方法。

特征与功能：心理和心理治疗的意图挖掘

在某些实施例中，为了实现心理和心理治疗的意图挖掘(即心理和心理治疗意图分类)，将患者消息302(有时称为患者消息818)输入到心理和心理治疗意图分类器和/或NLP意图识别器和/或主题分类器和/或情感分析模型312(有时称为心理和心理治疗意图分类器和/或NLP意图识别器和/或主题分类器和/或情感分析模型870)，然后生成分类--心理和心理治疗意图322，这可以作为认知重建生成器348的输入。

如图8所示，在某些实施例中，通过心理和心理治疗意图分类器和/或NLP意图识别器和/或主题分类器和/或情感分析模型312进行意图挖掘，以挖掘患者消息背后的行为和目标，如自杀(企图)、寻求医疗治疗、寻求帮助、需要冷静等。这些行为和目标被分为不同程度的积极和消极类型、以及是否存在生命危险等。输入是患者消息、意图历史、用户画像、不同领域的词典和模板等，输出是心理和心理治疗意图320。

例如，输入：user_ID：45678023，message_ID：00000040，“我所有的同学都嫉妒我！因为我是有史以来最好的学生会主席！”，意向历史：[寻求关注]，性格：表演型人格，精神障碍类型：躁郁症。输出是意向、user_ID、message_ID、intent_ID、意向标签。例如，user_ID：45678023，message_ID：00000040，intent_ID：00000002，意向标签：[寻求、关注、自恋、自我抬高、缺乏谦卑、自我关注]。

在一些实施例中，人工智能心理治疗系统100可以使用基于transformer算法模型及其变体来进行意向挖掘。根据一些实施例，为了实现与用于有关心理学和心理治疗的意向分类器和/或NLP意向识别器和/或主题分类器和/或情感分析模型312类似或者等效，还可以使用以下算法和模型：

·基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)、基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)、其他特定或非特定的迁移学习方法及其变体、fastText模型系列及其变体、基于编码器/解码器的模型系列及其变体、基于MAML的模型及其变体

·可以使用其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现与有关心理学和心理治疗的意向挖掘类似或等效目的的模型及其变体

·贝叶斯概率模型及其变体、逻辑回归模型系列及其变体、决策树模型系列及其变体、支持向量机模型系列及其变体、随机森林模型系列及其变体、集成模型及其变体(包括但不限于bagging模型、boosting模型、stacking模型、xgboost模型系列、贝叶斯最佳分类器模型、贝叶斯平均法模型、贝叶斯加权平均模型)、K最近邻模型及其变体、K-means模型及其变体

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与有关心理学和心理治疗的意向挖掘类似或等效目的的模型及其变体

·使用其他特定统计模型及其变体、非特定统计模型及其变体、或多个统计模型及其变体的组合，可以实现有关心理学和心理治疗的意向挖掘的类似或等效目的的模型及其变体

·可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与有关心理学和心理治疗的意向挖掘类似或等效目的的模型及其变体

·可以使用其他特定人工智能模型及其变体、非特定人工智能模型及其变体、或者多个人工智能模型及其变体的组合，来实现与有关心理学和心理治疗的意向挖掘类似或等效目的的模型及其变体

在一些实施例中，人工智能心理治疗系统800可以在自己收集的数据和公共数据集上从零开始训练模型参数。为达到训练模型参数的相似或等效目的，包括但不限于使用上述模型的预训练模型、微调、元训练、小样本训练或其他特定和未指定的训练方法。如果输入或输出包含自杀(意图)等相关内容，该系统和方法将发起预警、或快速推送相关自杀人工干预(例如自杀热线)、或紧急呼叫、或联系紧急联系人等紧急程序。

特征和功能：自动认知扭曲分类器系统

根据某些实施例，人工智能心理治疗系统100可通过自动认知扭曲分类器826来确定患者输入中存在的认知扭曲类型。该认知扭曲分类器826可由一个或多个分类器实现，这些一个或多个分类器可以包括NLP分类器、机器学习分类器、通过统计方法的分类器和/或通过其他人工智能方法的分类器。确定的分类可以是以下任何标签(即认知扭曲列表)：

·全有或全无思想

·过度概括

·心理过滤

·否定积极因素

·跳跃式结论

·夸大或缩小

·情感推理

·使用“必须”或“应该”陈述

·感恩陷阱

·归己化和自我责备

·永远正确

·变化谬误

·公平谬误

·标签和错误标签

在某些实施例中，人工智能心理治疗系统100在自动认知扭曲分类器826中使用基于Transformer的模型及其变体。输入可以是患者消息818，例如“一切都是我的错”，输出可以是认知扭曲分类(即认知扭曲分类标签828)，例如“全是或全非思维”和“归己化和自我责备”。输入可能类似于以下内容：

user_ID、message_ID、时间戳、患者的消息，例如“一切都是我的错”。例如：user_ID：45678023，message_ID：00000040，13：56 04/01/2021，“一切都是我的错”。

输出是user_ID、message_ID、认知扭曲_ID(CD_ID)、消息时间戳、认知扭曲的分类标签，例如“全有或全无思维”和“归己化和自我责备”。例如，user_ID：45678023，message_ID：00000040，CD_ID：00000561，归己化和自我责备，13：56 04/01/2021。

根据某些实施例，人工智能心理治疗系统800可根据上述分类对患者做出响应；并可以使用心理治疗生成器348生成个性化心理治疗330，其格式包括但不限于视频(例如，1至10分钟的卡通片)、图像、表情符号、文本、gif、音乐和其他类型。认知扭曲分类标签828(即输出)可作为输入发送到心理治疗生成器348。

在一些实施例中，为了实现与自动认知扭曲分类器826类似的功能，可以使用以下算法和模型：

·基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)、基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)、其他特定或非特定的迁移学习方法及其变体、基于编码器/解码器的模型系列及其变体、基于MAML的模型及其变体

·可以使用其他特定深度学习模型及其变体、非特定深度学习模型及其变体、或者多个深度学习模型及其变体的组合，来实现与自动认知扭曲分类器826类似或等效目的的模型及其变体

·贝叶斯概率模型及其变体、逻辑回归模型系列及其变体、决策树模型系列及其变体、支持向量机模型系列及其变体、随机森林模型系列及其变体、集成模型及其变体(包括但不限于bagging模型、boosting模型、stacking模型、xgboost模型系列、贝叶斯最佳分类器模型、贝叶斯平均法模型、贝叶斯加权平均模型)

·可以使用其他特定机器学习模型及其变体、非特定机器学习模型及其变体、或者多个机器学习模型及其变体的组合，来实现与自动认知扭曲分类器826类似或等效目的的模型及其变体

·可以使用其他特定统计模型及其变体、非特定统计模型及其变体、或者多个统计模型及其变体的组合，来实现与自动认知扭曲分类器826类似或等效目的的模型及其变体

·可以使用其他特定人工智能模型及其变体、非特定人工智能模型及其变体、或者多个人工智能模型及其变体的组合，来实现与自动认知扭曲分类器826类似或等效目的的模型及其变体

·可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与自动认知扭曲分类器826类似或等效目的的模型及其变体

在一些实施例中，人工智能心理治疗系统100可以在自我收集的数据和公共数据集上从零开始训练模型参数。为达到训练模型参数的相似或等效目的，包括但不限于使用上述模型的预训练模型、微调、元训练、小样本训练或其他特定和未指定的训练方法。

特征和功能：心理治疗选择器和认知重建生成器

在某些实施例中，在导入心理和心理治疗意图320、和/或命名实体318、和/或上下文322、和/或心理治疗与精神障碍和心理问题的知识图谱344和/或患者消息302之后，自动认知扭曲分类器346(有时称为自动认知扭曲分类器826)对认知扭曲进行分类，并输出认知扭曲分类标签828，该标签被输入到心理治疗选择器328。选择器328应用最先进的深度学习NLP算法，在有或没有NLP预处理方法400的情况下，从78种认知技巧的列表862中选择心理治疗326。

认知技巧有两种类型：(i)静态认知技巧，这种技巧可以与用户进行交互，无需个性化，因此所有用户都会体验到相同的交互，例如写信；(ii)动态认知技巧，这种技巧具有个性化，因此每个用户都会分配到相同类型的认知技巧，但不同用户的体验取决于之前的对话。例如，术语定义(向用户A提问“您如何定义失败？”，向用户B提问“您如何定义独立？”)。静态认知技巧由心理治疗选择器328从78种认知技巧列表862中选择，以获得所选心理治疗326(有时称为所选心理治疗864)。动态认知技巧首先由心理治疗选择器328选择，以获得选定的心理治疗326，然后使用认知重建生成器348对选定的心理治疗326进行个性化处理。心理治疗选择器和认知重建生成器系统830包括(i)心理治疗选择器328和(ii)认知重建生成器348。根据某些实施例，心理治疗选择器和认知重建生成器系统830可以是一个或多个具有机器学习、深度学习或统计算法的NLP处理器。

在某些实施例中，人工智能心理治疗师系统100利用认知重建生成器348(有时也称为认知重建生成器868)来综合患者的语境和内容206、心理治疗方法、特定精神障碍(如重度抑郁障碍)的治疗方法以及所选心理治疗864，生成个性化、专业化、有效的心理治疗，用于认知重构——个性化心理治疗330(有时也称为个性化心理治疗832)。

在某些实施例中，心理治疗选择器328(有时称为心理治疗选择器860)可在认知技巧列表862中进行选择，并通过基于度量的神经网络NLP算法或基于内容的推荐引擎输出所选心理治疗326，并对上述候选反应进行排序和评分，并选出最优候选者(通常是评分最高的)。输入是用户A的患者消息、认知技巧列表、用户A对每种认知技巧的反馈和/或其他用户对每种认知技巧的反馈。各种实现包括：协同过滤及其变体、以及基于内容的过滤和协同过滤的混合及其变体。

在某些实施例中，人工智能心理治疗系统100可以用于这些目的使用文本表示、语义分析和/或文本挖掘。

根据某些实施例，人工智能心理治疗师系统100可以根据上述对话历史记录，生成心理治疗(即选定心理治疗864和/或个性化心理治疗832)，作为834块所执行，如下所示：

示例：选择器328的输入是，字典数据结构下的用户ID、消息ID、CD_ID、认知扭曲分类标签、消息时间戳、用户对各种认知技巧的反馈历史(积极体验)。例如，User_ID：45678023，Message_ID：00000040，CD_ID：00000561，归己化和自我责备，13：56 04/04/01/2021，反馈历史记录：[3.13.0.3：50％，3.13.0.21：3.13.0.21：30％，3.13.13.0.65：85：855：855：855：855％]。输出是user_ID、CD_ID、心理治疗执行时间戳、所选认知重构方式方法_ID(CT_ID)、用户反馈。例如，user_ID：45678023，CD_ID：00000561，CT_ID：3.13.048。

生成器348的输入是user_ID、message_ID、CD_ID、认知扭曲分类标签、消息时间戳、选择器的输出、短期对话历史。例如，user_ID：45678023，message_ID：00000040，CD_ID：00000561，CT_ID：3.13.048、短期对话历史记录：message_ID列表[000037,000038,000039]

在一些实施例中，在执行个性化治疗832或选定的治疗864之后，通过向用户界面102发送“感觉良好”866或“不太好”838的选项，以正面和负面的二元方式询问患者的反馈836。因此，将有关所选心理治疗的平均正面反馈分数返回到用户反馈字典。下文讨论了静态和动态认知技巧所使用的78种认知技巧862。通过定义用户交互中的对话或方法的主要结构，每种认知技巧都是个性化认知技巧的基础。如果选择器328从列表862中选择了静态认知技巧，则该静态认知技巧将直接输出给用户，而不需要针对执行进行个性化。如果选择器328从列表862中选择了动态认知技巧，生成器348将输入所选的认知技巧并参考认知技巧的主要思想或结构来生成个性化的认知技巧，然后将个性化的认知技巧输出给用户。括号中的句子要么是特定认知技巧的示例，用“例如”表示，要么是对相应认知技巧的描述。78种认知技巧的列表862总结如下：

·检查行为的变化/程度(例如，帮助用户跟踪他们的行为随时间、地点、条件、人员的改变而发生的变化以及程度的不同。)

·权衡支持/反对某个想法的证据(例如：用户输入消息“我会被拒绝”，要求用户写出支持这一想法的证据：[“有人不喜欢我”]，要求用户写出反对这一想法的证据：[“我是一个好人”/“人们去派对结交新朋友。”]，要求用户计算支持[％]与反对[％]，要求用户写出新的结论：[没有足够的证据证明我一定会被拒绝，还不错。])

·患者作为律师为自己辩护(例如，告诉用户“想象一下你聘请自己作为律师来为自己辩护，写出对你最有力的解释，即使你不相信也没关系。”)

·检查内部矛盾(例如，检测用户是否认为“我希望Facebook上的每个人都关注我，即使他们不认识我。”)

·归谬法(例如，检测用户是否认为“我离婚了，所以我不值得被爱。”)

·连续介质技术

·更具适应性假设的成本和收益(例如，用户输入消息“我想做的所有事情，都需要得到妈妈的批准”。要求用户写出这样做的成本和收益，成本：[“我失去了尝试我妈妈不喜欢，但我感兴趣的事情的机会。”]，收益：[“我不会因违规被找去谈话”]，要求用户计算成本[％]与收益：[％])

·区分进步与完美(引导用户探索、比较进步和改进的好处，而不是力争完美。)

·借用他人的视角(例如，询问用户“不要一次次陷入自己的思维方式中，想想你钦佩的人，并想象他们对这件事会如何反应？”)

·术语定义(例如，系统会通过向用户发送消息“你如何定义失败？”来要求用户定义某个词语。)

·检查想法的可测试性(检查用户的想法是否是现实世界的客观观察，是否可以被他人证实或反驳？)

·检查思维的逻辑性(检查认知扭曲是否标注为“跳跃性结论”)

·检查用户信息限制(通过统计建模来检查用户支持其观点的证据是否存在偏见)

·垂直推进(例如，询问用户：“根据您对……的描述，接下来会发生什么？”)

·双重标准(例如，询问用户：“你认为世界上每个人都因为XXX而XXX吗”)

·挑战递归式自我批评、自我怀疑(例如，检测用户是否陷入了一个循环，例如“我是一个失败者，所以我失去了工作。我失去了工作，所以我是一个失败者。”)

·区分行为与个人(例如，检测用户是否认为“我期末考试考砸了，所以我是一个坏学生。”)

·挑战具像化[例如，要求用户把抽象的或不可观察的结论(例如，毫无价值)转化为具体的期望(例如，我更希望我的老板喜欢我的报告。)]

·自我奖励机制

·情形比照(例如要求用户将自己“离婚”的情况与“孤儿”的情况进行比较。)

·给某人写一封信

·通过饼图划分责任(要求用户在给定的饼图中划分其他责任方及其责任百分比)

·检查缓解因素，重新归因(例如，分析用户是否使用药物、酒精等)

·通过角色扮演将双方的想法外化(要求用户扮演“赞成”的角色，系统扮演“反对”的角色。例如，系统说：[“你离婚了。”]，用户回复：[“也许我的下一个男朋友是王子呢，就像梅根·马克尔一样。”])

·假设推演(引导用户扮演不相信当前消极想法的角色。)

·挑战绝对主义思维(例如，询问用户“如果你觉得自己考试会失败，那你之前的每次考试是否都失败了呢？”)

·设置零点进行比较，去极端化比较(当用户将自己与最出色的人比较时，询问用户：“那与最差的人比较时，你如何看待自己？与群体中的一般人比较呢？”)

·积极重塑(从负面情况中寻找积极因素)

·去灾难化(例如，询问用户：“如果{X}并不可怕，那会怎样？”)

·检查“可怕的幻想”(例如，询问用户：“如果{X}发生，最糟糕的情况是什么？你如何处理？”)

·预测未来的反应(询问用户“在某月/某年/某季后{X}对你或其他人还重要吗？”

·检查过去的预测、未能从虚假预测中吸取教训以及自我实现的预言(询问用户：“你能回忆起过去是否有过负面的预测，却没有实现的情况？”)

·评估患者的标准(例如，询问用户：“你每天的待办事项清单上有什么？”“你能完成多少？”“你的目标是否不切实际？”“你是否考虑到了学习曲线？”)

·检查患者的价值体系(询问用户：“你的价值体系是什么？”并引导用户通过输入每个层次的价值观来完成价值金字塔。)

·检查社会标准(询问用户：“你是否过于努力去迎合社会标准？比如男人要有钱，女人要有家庭”)

·质疑对他人的理想化评价(例如，给用户布置一项作业，让他们问一下令他们钦佩的人是否犯过错误？)

·提倡适应性灵活性(例如，向用户发送简短的视频，介绍更加灵活的好处。)

·问题解决方案回顾(例如，询问用户：“你最近遇到了什么问题？你采用了什么解决方案？”)

·强调好奇心、挑战和成长，而不是追求完美(例如，向用户发送一个简短的视频，介绍好奇心和挑战与成功的关系，以及如何培养好奇心和敢于挑战的精神。)

·想象和情绪[播放宁静的音乐并问用户：“现在闭上眼睛，唤起你的负面感觉(比如胸痛)，并想象一个与你的负面感觉相关的视觉形象，然后完成这个句子——这幅图让我感到不舒服，因为它让我想到了……。”]

·应对通知(向用户发送带有平静音乐、有趣动物视频或积极语录的应对通知。)

·缩小可怕形象(引导用户将害怕的人或情况想象成比患者要弱小得多的形象。)

·去敏感化图像(例如，要求用户接触他们害怕的人或情况，时间由短变长。)

·培养型自我陈述(要求用户：“现在想象一下你只是一个小孩子，描述一下你希望曾经对你说过的那种温暖的话语。”)

·“权利清单”(要求用户列出权利清单，例如“哭泣的权利”、“自我同情的权利”等)

·识别问题(例如，询问用户：“有什么问题需要解决吗？是什么问题？”)

·接受问题和不确定性(例如，要求用户“回忆一下以前任何中彩票的经历”并向用户发送一段关于不确定性的短视频。)

·审查目标、生成备选目标(询问用户：“在当前情况下，你的目标是什么？制定一个小目标一步一步实现，而不是追求完美”)

·防止拖延的步骤(要求用户回复：“设定你的目标”，“你能将它分解为多个小步骤吗？”，“实现目标的第一步和替代方案的成本和收益各是多少？”，“选择一个时间、地点和持续时间来执行这项活动”，“你做得怎么样？”在选定的时间再次访问用户。)

·自我纠正(例如向用户发送一段关于如何从错误中学习停止自我批评的短视频)

·建立治疗合同(例如，要求用户设定每天与该系统交谈的特定时间，并按时发送手机通知提醒用户)

·阅读疗法(为用户指定需要阅读的书籍，并注明书名和在线/免费链接)

·说明思维如何产生情感(例如向用户发送一段关于思维和情感间联系的短视频)

·区分想法和事实(例如，要求用户收集证据来证实想法。)

·延迟做出决定(例如，要求用户设定一个合理的时间段，在此时间段内不做决定，比如睡个好觉后再考虑。)

·预测问题(例如要求用户“列出您认为会发生的所有问题和您的解决方案。”)

·评估对想法准确性的信心以及情感的强度(例如，“我感到害羞[％]，因为我认为没有人会和我说话[％]。”)

·检查证据的质量(例如，检查认知扭曲标签中是否包含“情感推理”)

·替代解释(例如，建议用户：“别人没和你说话可能是不知道如何接近你。或者，可能有更多的人想和我说话”)

·否定问题(要求用户“列出当前问题不是问题的所有情况”)

·进行实验(鼓励用户测试或挑战自己的想法，例如，用户：“我会被拒绝。”，系统：“试着在聚会上接近别人。”)

·测试预测(要求用户“创建一份未来三天的具体预测列表”，然后通过发送提醒和通知来记录结果，从而持续跟踪结果。)

·检查过去的担忧(例如，要求用户“回忆并写下一些您以前担心但现在不再关心的事情，尽可能多地列出”，用户输入后，再询问用户“为什么这些事情现在对你不再重要？”)

·检查未来的干扰因素(例如，询问用户“在接下来的一天、一周、一个月甚至一年内，还会发生哪些与当前情况无关的事情，让你不再那么在意当前的情况？”)

·区分可能性和概率(例如，询问用户“如果你一直焦虑下去可能会引发心脏病，但概率是多少？”)

·计算连续概率(要求用户列出几件事，为每件事分配单独的概率，将它们相乘)

·纠正过度概括(例如，询问用户“仅仅因为它发生过一次，是否意味着它不可避免地还会发生？”)

·挑战对确定性的需求(例如，向用户发送一个简短的视频，说明世界充满了不确定性，以及不确定性带来的好处。)

·倡导接受(向用户发送一个关于学会接受的短视频。)

·使用“正反对比法”处理困难的思想

·重新审视最初的负面想法和情绪、对想法的准确性的信心以及情绪的强度(在患者进行实际测试或其他治疗后重做)

·确定患者“规则手册”的内容——“应该”、“必须”、“如果-那么”等语句，这些语句是扭曲的自动思维的基础(一旦检测到上述词语实体，将相关消息存储到数据库中并进行分析)

·编写自我指导语句；创建“应对卡”

·解释模式处理(发送短视频，说明不正常的模式是如何形成的，以及它们如何系统性地影响人们对事件的关注和反应方式。)

·确定避免/补偿模式的策略

·激活早期记忆以确定模式的来源(例如，询问用户：“是谁让你以这种不正常的方式思考的？”“你认为他们的教导有效吗？还是他们是不好的榜样？”)

·通过角色扮演来挑战模式的来源

·想象重构、重写生活剧本(例如，要求用户重新审视消极的生活剧本，并在日记页面中重新编写他们的生活剧本，使其产生积极的结果。)

根据某些实施例，人工智能心理治疗系统100可使用基于Transformer的算法系列模型及其变体来生成不同情绪障碍下的个性化心理治疗832。该过程将情感表达、心理和心理治疗意图320、语境和内容206、认知扭曲分类、精神障碍类型、心理治疗以及一种或多种特定精神障碍(如重度抑郁障碍)的治疗方法作为输入。它可以选择心理治疗和/或生成个性化心理治疗832为输出，为处于困境中的患者提供支持，例如以下：

user_ID：98803311，message_ID：00003023，03:09 02/26/2021，选定的心理治疗864：区分个人与行为，个性化心理治疗832：“我能感觉到你在游泳方面很吃力，又因为所有其他学生都学得很快，你觉得自己很笨。安娜，学得比别人慢只意味着你的学习方法和别人不同，并不意味着你就是一个笨的学生。你有其他人都没有的、独特的学习方法！”

在一些实施例中，为了面向任务的对话系统204a至204h与认知重建生成器348实现类似的功能，可以使用以下算法：

·基于Transformer模型系列及其变体(包括但不限于Transformer、GPT、BERT、XLM)，基于卷积神经网络(CNN)模型及其变体(包括但不限于TextCNN、DCNN、VDCNN、GCNN、TCN)、基于循环神经网络(RNN)模型及其变体(包括但不限于RNN、LSTM、GRU、BiLSTM、RCNN、RNN/LSTM Seq2Seq、Tree-based LSTM、Stack LSTM、RNN-based VAE、LSTM-CNN-based GAN、DMN、BiLSTM-CRF)、基于注意力机制的模型及其变体(包括但不限于AT Seq 2Seq、ATAE-ST、ABCNN)、上下文NLG算法及其变、生成对抗网络(GAN)模型及其变体(包括但不限于Fictitious GAN、Capsule GAN、treeGAN)、基于Plan的NLG算法及其变体、基于类的LM算法及其变体、基于短语的算法及其变体、语料库基于生成方法及其变体、结构NLG算法及其变体、受控文本生成算法及其变体、迁移学习方法及其变体、Laser Tagger模型及其变体、XLNet模型及其变体、Pegasus系列模型及其变体、ULMFiT系列模型及其变体、Megatron系列模型及其变体、变分自动编码器(VAE)系列模型及其变体、编码器/解码器系列模型及其变体、MAML系列模型及其变体

·可以通过面向任务的对话系统，可以使用特定或非特定深度学习模型及其变体、特定或非特定机器学习模型及其变体、特定或非特定统计模型及其变体、其他特定的人工智能方法及其变体、或多种算法及其变体的组合中的任何一种，来实现与心理治疗生成类似或等效目的的模型及其变体

·通过面向任务的对话系统，可以使用其他特定元学习和少样本学习模型及其变体、非特定元学习和少样本学习模型及其变体、或者多个元学习和少样本学习模型及其变体的组合，来实现与心理治疗生成类似或等效目的的模型及其变体

在一些实施例中，该系统和方法可以在自我收集的数据和公共数据集上从零开始训练模型参数。为达到训练模型参数的相似或等效目的，包括但不限于使用上述模型的预训练模型、微调、元训练、小样本训练或其他特定和未指定的训练方法。

认知技巧的示例

本节根据人工智能心理治疗师800的一些实施例描述了列表862中的多种认知技巧。人工智能心理治疗师800将根据患者的情况(例如，精神障碍的类型、严重程度、认知扭曲类型、治疗建议和用户反馈)选择最佳的认知技巧。

特征与功能：自我奖励机制技巧

在某些实施例中，该系统可要求患者(用户)设定一项奖励(例如，吃冰淇淋或玩30分钟电子游戏)，在用户实现特定目标或经历不愉快事件后奖励自己。系统可要求用户在对话用户界面中键入奖励，并在“需要实现的目标”或“不良情绪事件”之间进行选择。如果用户选择了“不良情绪事件”，则自我奖励机制将立即执行，通过发送消息“现在是吃冰淇淋的时候了！”提醒用户立即领取奖励。如果用户选择了“需要实现的目标”，人工智能心理治疗系统800可能会：

1)等待用户手动点击“完成”并发送消息“别忘了吃冰淇淋”；或者

2)发送通知854，提醒用户已实现目标，并在等待超过特定时间后领取奖励。

特征和功能：给某人写信的技巧

在某些实施例中，当人工智能心理治疗系统100检测到用户经常提到某人或与某人有矛盾时，可以选择该认知技巧。系统将建议用户在系统中写一封信，建议类似于“我发现你因为XXX纠结，如果他们愿意听你的想法，你想说些什么？”。系统可能会引导用户进入一个页面，其中包含一个占位符，让用户写下该信件，这将是私密的。语言模型将分析这封信，并跟踪用户的情绪变化或警示信号。

特征与功能：心理教育技巧

在某些实施例中，系统通过多种语言的动画短片教育患者进行理性思考。例如，“当事情发生时，有时我们会用消极的惯性想法来打击自己。注意使用准确的语言来化解这种想法中的负面情绪。当你想：‘今天我感觉很丧，我就是一个失败者’，这时你实际上将短暂情感泛化成了对自我身份的长期定义。再想一想！当每个人感到糟糕时，你还会得出他都是失败者的结论吗？这并不是要否认你的情绪，但要注意选择词语来推论你的感觉。这也将彻底改变事情给你的感觉”。

特征和功能：患者作为辩护律师为自己辩护的技巧

根据某些实施例，尤其是当系统检测到用户感到内疚、自责、沮丧、委屈、自我怀疑、愤怒以及相关的负面思维时，可选择这种认知技巧。系统将建议用户在系统中写一封信，例如“如果你被雇佣成为一位律师，为一位经历了与你相似事情的客户辩护，你将如何为你的客户辩护？”。系统将引导用户进入一个页面，其中包含一个占位符，来书写辩词。所有信息都将保密。

特征和功能：连续介质技巧

根据某些实施例，参见图11A和11B，尤其是当系统检测到用户对小至日常中的碎事，大至重大的人生事件(可能连续发生，也可能不会连续发生)等各种事情感到焦虑或担忧时，可以选择连续性认知技巧。这可引导用户自我纠正消极的想法。例如，在某些实施例中，当用户在得知爱吃牛肉的家人被诊断出胃癌后，系统会报告用户一直担心“吃牛肉会导致癌症”。在某些实施例中，人工智能心理治疗系统800可能建议用户进行头脑风暴，提出一种带来100％危险的行为，例如“风险达到100％的饮食习惯”。系统可能会要求用户输入三种用户认为100％危险的导致癌症的饮食习惯。用户可以输入例如“每餐都吃有毒的食物”、“从不吃蔬菜”和“每天吃生食”。然后，系统会建议用户进行头脑风暴想一种0％危险行为，例如“0％风险饮食习惯”。系统将要求用户输入三种用户认为毫无导致癌症可能的饮食习惯。例如，用户可以输入“每餐吃新鲜蔬菜”、“从不吃奇怪的东西”和“从不喝酒”。接下来，系统将建议用户构思一种50％导致癌症的危险习惯，例如“50％风险饮食习惯”。系统将要求用户输入三种用户认为有50％导致癌症可的饮食习惯。用户可以输入例如“叉子和刀有时干净，有时不干净”、“每个月喝一瓶伏特加”和“每顿饭都吃很咸的食物”。最后，用户将被要求将他们焦虑的事件，沿着0％-50％-100％风险习惯轴放置。在这个例子中，系统将要求用户重新思考如何将“吃牛肉”放置在0％-50％-100％致癌风险饮食习惯的轴上。

特征和功能：更具适应性假设的损失和收益

根据某些实施例，当人工智能心理治疗系统800检测到用户有某些持续的非理性假设时，可以选择更具适应性假设认知技巧。例如，用户可能输入：“我母亲说，如果我嫁给我的男朋友，就别想分走任何财产。”人工智能心理治疗系统800可能检测到“我母亲告诉我的一切，都绝对会发生”这样的非理性假设。根据某些实施例，人工智能心理治疗系统100可生成一个更具适应性的假设，例如，“我母亲告诉我的事情中，部分会发生，部分不会”。此假设将被发送给用户，然后讨论这一新假设的损失和收益。例如，人工智能心理治疗系统100可以发送：“让我们以稍微不同的方式思考，如果你母亲告诉你的事情，部分会发生，部分不会，你会怎么想？你能写下一些这个假设导致的损失吗？”用户会展开思路，想想这种更具适应性的假设的损失，例如“我必须自己尝试做一做，否则我永远不会知道会发生什么”。这样的收益则是“我将有许多甚至无限的机会接触到新事物”，“我可以做一些母亲不允许我做的事情”，“我再也不用每次都按照她的意愿行事了”。根据某些实施例，人工智能心理治疗系统100可以要求用户对损失和收益进行评分，满分为10分。例如，用户对他们自己尝试任何事的损失评分是5分，体验了母亲不允许的事情的收益为9分。在某些实施例中，如果这种更具适应性的假设的收益高于损失，人工智能心理治疗系统100可能会建议用户采取这种更具适应性的假设——“我母亲告诉我的事情，部分会发生，部分不会。”它将向用户发送消息：“既然你已看到收益高于损失，那么让我们尝试这个更具适应性的假设[3天]吧？如果你每次想[我母亲告诉我的一切绝对会发生]时就提醒自己这个假设，这会对你有帮助。如有需要，随时告诉我你的感受！”否则，在损失高于收益的情况下，人工智能心理治疗系统800可能会不断生成不同的假设，并要求用户进行互动，直到收益高于损失。

在某些实施例中，人工智能心理治疗系统100可以与使用中文的患者(包括但不限于简体中文、繁体中文、汉语、粤语、上海话、潮州话和其他中国方言)进行交互。在这些实施例中，系统专注于中文语言(读、写、理解、说)和语法(包括但不限于简体中文、繁体中文、粤语、上海话、潮州话和其他中国方言)、华语地区的文化和社会价值观，具有地域特征、文化特征、时代特征、语言风格和网络流行语。

特征和功能：面向任务的对话系统

在某些实施例中，基于自然语言处理(NLP)方法与人工智能算法和统计工具相结合，如知识图谱(KG)。

在某些实施例中，面向任务的对话系统可以是双层的。在NLP层面上，NLP和机器学习模型116是示例任务导向对话系统的组成部分。面向任务的对话系统可用于继续对话和引导对话，并生成和执行个性化心理治疗330(例如向用户提问并生成问题和答案)使用NLP和机器学习模型116处理、分析和理解用户的答案。在循证心理治疗层面，一些实施例与面向任务的对话系统进行交互。这两个层面可能是并行的，也就是说，它们可以自发地相互协作。

在某些实施例中，人工智能心理治疗系统100运用各种人工智能相关算法，如机器学习算法和深度学习算法，以及统计计算方法和工具的组合，专注于英语和中文语言以及其他汉语方言(包括但不限于简体中文、繁体中文、粤语、上海话、潮州话及其他中文方言)。人工智能心理治疗系统100可处理文本消息，并可执行心理治疗，以在患者面对情感困境时期提供回应和支持。在某些实施例中，系统还提供额外的语音交互，以英语、中文语言和其他汉语方言与患者进行互动。

在一些实施例中，人工智能心理治疗系统100可提供专业、适当、实用、定制化、系统化、持续、快捷、低成本的心理治疗响应，以指导患者。在一些实施例中，人工智能心理治疗系统800在患者情绪障碍期间的各种情况下，与患者交互，提供缓解技巧、急救心理治疗咨询。患者可以随时随地使用定制的治疗和心理治疗，以缓解痛苦和压力、降低自杀的可能性、缩短治疗周期。

一些实施例可以利用各种精神障碍(如抑郁障碍和焦虑障碍)的知识图谱，作为补充，以(i)帮助自然语言处理(NLP)算法更好、更准确地了解每个患者的疾病特征、治疗方法、治疗周期、自杀风险等级等；(ii)根据每位患者不同的精神状况、沟通方式、社会和文化环境，为他们提供定制的心理治疗、情绪支持、认知指导和/或行为改变等方案。

图2显示了根据一些实施例使用开放领域模型和/或封闭领域模型的任务导向型对话系统204a-h示例系统的框图。图2说明了开放领域和/或封闭领域模型的输入流。

人工智能心理治疗师系统100的各种实施例使用封闭领域的检索式模型204a、封闭领域检索生成式混合模型204b、封闭领域生成式模型204c、开放领域检索式模型204d、开放领域检索生成式混合模型204e、开放领域生成式模型204f、封闭领域基于规则的模型204g，或开放领域基于规则的模型204h。在一些实施例中，模型204a-h中的每个模型都可以基于人工智能技术、深度学习和机器学习算法、统计方法以及其他相关技术和工具，并结合认知行为疗法(CBT)、辩证行为疗法(DBT)、人际关系疗法(IPT)及其他相关治疗和疗法。

图2显示了根据一些实施例，人工智能心理治疗系统200(可以使用系统100来实现)的示例，该系统通过任务导向型对话系统204a-h使用自然语言处理(NLP)。该示例展示了端到端的自然语言处理(NLP)流程的实现。在一些实施例中，该方法包括在患者输入患者消息202并将其发送到任务导向型对话系统204a-h后，从用户界面获取患者消息202作为输入查询。任务导向型对话系统204a-h中的深度学习或机器学习算法将分析患者消息、历史对话(即语境和内容206)、与心理治疗和精神障碍以及心理问题相关的知识和信息208、治疗历史等，以生成个性化心理治疗330和/或执行选定的心理治疗864。

在人工智能心理治疗系统100的封闭领域检索生成式混合模型204b中，检索生成式混合模型提高了人工智能心理治疗系统100响应的多样性和准确性。这种任务导向型对话系统的实施例部分基于检索型深度学习或机器学习算法，部分基于生成型深度学习或机器学习算法。检索部分提供了一个包含主要心理建议的答案框架，而生成部分通过生成个性化答案，使之更易于理解和富有趣味，从而为用户提供更完善的响应。例如，检索部分可能会返回“用力打开胸部并深呼吸”的响应，而生成部分可能会将其转换为类似真人的响应，即“为了减轻你的焦虑，请跟着我一起深呼吸，感受胸部的扩张”。在封闭领域生成式模型204c中，生成模型增加了系统的类人交互。在开放领域检索式模型人工智能心理治疗系统100中，人工智能心理治疗系统200使用开放领域检索式模型204d，增加了患者输入的自由度和灵活性，以及返回消息的稳定性。在开放领域检索生成式混合人工智能心理治疗系统100中，人工智能心理治疗系统200使用开放领域检索生成式混合模型204e，来提高心理治疗师干预的质量和患者输入的自由度。在开放领域生成式人工智能心理治疗系统100中，人工智能心理治疗系统200使用开放领域生成式模型204f，来使患者感觉像是一位真正的人类心理治疗师正在与自己交谈。在封闭领域基于规则的模型204g中，通过有限的输入理解和生成来执行最简单的对话。在开放领域基于规则的模型204h中，简单的对话涉及各种主题和领域。

在一些实施例中，人工智能心理治疗系统200和方法侧重于封闭领域的检索式模型204a。在一些实施例中，人工智能心理治疗系统200和方法使用封闭领域检索生成式混合模型204b。在一些实施例中，人工智能心理治疗系统200使用封闭领域生成式模型204c。在一些实施例中，人工智能心理治疗系统200使用开放领域检索式模型204d。在一些实施例中，人工智能心理治疗系统200使用开放领域检索生成式混合模型204e。在一些实施例中，人工智能心理治疗系统200使用开放领域生成式模型204f。在一些实施例中，人工智能心理治疗系统200使用封闭领域基于规则的模型204g。在一些实施例中，人工智能心理治疗系统200使用开放领域基于规则的模型204h。

在各种实施例中，人工智能心理治疗系统200可以基于人工智能技术、深度学习和机器学习算法、统计方法以及其他相关技术和工具，并结合循证心理治疗及其他相关治疗和疗法。

根据一些实施例，各种自然语言理解和生成应用程序接口(API)可以是任务导向型对话系统。该对话系统的目标是(1)通过与用户进行对话来收集用户的特定信息；(2)通过引导用户执行选定的认知技巧(任务)，实施认知行为疗法和辩证行为疗法的治疗；以及(3)改善用户的情绪，并鼓励用户再次访问该治疗对话系统(这个应用程序)。根据一些实施例，这并不是一个非任务导向型的对话系统(用于在没有明确目的的情况下，与用户进行休闲/娱乐性对话)，而是有特定任务导向的。

在一些实施例中，人工智能心理治疗系统100在患者输入患者消息126后，从用户界面102获取患者消息126，并将其发送到服务器104。服务器104将其作为输入查询发送到自然语言处理(NLP)和机器学习模型116。在这个任务导向型的对话系统中，深度学习和/或机器学习算法会考虑患者的消息、历史对话(即语境文和内容206)、与心理治疗相关的知识和信息208以及治疗历史，以生成个性化的心理治疗方案。

特征与功能：封闭域检索式任务导向型对话系统

根据一些实施例，人工智能心理治疗系统100使用封闭领域的检索式模型204a。可以通过使用封闭领域检索式模型的自然语言处理接口(APIs)，结合深度学习和/或机器学习和/或统计建模来应用它。提供高层级的封闭领域检索式数字心理治疗师，用于概念理解。

特征与功能：封闭域检索生成式任务导向型对话系统

在一些实施例中，人工智能心理治疗系统100使用检索封闭领域生成检索式混合模型204b来提高人工智能治疗师响应的多样性和准确性。它可以通过以下方式应用：(1)封闭领域检索生成式混合模型自然语言处理接口(APIs)，或结合深度学习、机器学习、统计建模；或(2)模型/处理接口(APIs)分为两部分，一部分使用封闭领域检索式深度学习、机器学习、统计建模算法，另一部分使用封闭领域生成式深度学习、机器学习、统计建模算法，这两部分都在封闭领域内应用。

特征和功能：基于闭域生成的面向任务的对话系统

根据一些实施例，人工智能心理治疗系统100，使用基于闭域生成的模型204c，来增加其类人交互。这可应用基于闭域生成的自然语言API，结合闭域中的深度学习和/或机器学习和/或统计模型(例如，GPT及其变体)来应用。

特性和功能：基于闭域规则的面向任务的对话系统

在一些实施例中，人工智能心理治疗系统100，使用基于封闭域规则的模型204g，来执行与用户的对话。系统可以应用(静态)闭域基于规则的自然语言API结合闭域中的深度学习、机器学习和/或统计模型(例如，GPT及其变体)。

特性和功能：基于开放域检索的面向任务的对话系统

在一些实施例中，人工智能心理治疗系统100，使用基于开放域检索的模型204d，来增加患者输入的自由度和灵活性以及心理治疗128的稳定性。它可以应用基于开放域检索的自然语言API，结合开放域中的深度学习/机器学习/统计模型(例如GPT及其变体)。

特性和功能：基于开放域检索生成的面向任务的对话系统

在一些实施例中，人工智能心理治疗系统100，使用基于开放域检索生成的混合模型204e，来提高心理治疗师干预的质量和患者输入的自由度。它可以应用基于检索生成的混合自然语言API，结合开放域中的深度学习和/或机器学习和/或统计模型。

特性和功能：基于开放域生成的面向任务的对话系统

在一些实施例中，人工智能心理治疗系统100，另外使用基于开放域生成的模型204f，以使患者感觉如真正的人类心理治疗师与他或她的交流。它可以应用开放域生成式自然语言API以及开放域中的深度学习和/或机器学习和/或统计模型。

特性和功能：基于开放域规则的面向任务的对话系统

在一些实施例中，人工智能心理治疗系统100，使用开放域基于规则的模型204h，来执行与各个域中的用户的对话。它可以应用开放域中基于规则的自然语言API结合开放域中的深度学习和/或机器学习和/或统计模型(例如，GPT及其变体)。

心理治疗NLP模块：

特征与功能：NLP深度学习模型系统

图1还显示了在一些实施例中NLP和机器学习模型116的架构和流程的详细信息。在一些实施例中，当接收到NLP请求134后，NLP和机器学习模型116会解释并生成心理治疗回复，并利用涉及心理治疗、心理学、精神障碍和心理问题等的知识图谱316(有时也称为心理治疗、心理学、精神障碍和心理问题知识图谱420)以及治疗、患者行为和其他相关信息来支持患者(例如，如果他们在精神上处于情绪困难时期)，并根据患者的个体病况执行心理治疗。在一些实施例中，NLP和机器学习模型116使用深度学习技术来处理词语的表示，例如词嵌入、语义分析、文本挖掘和文本生成。

在一些实施例中，人工智能心理治疗系统100可生成智能心理治疗。

在一些实施例中，人工智能心理治疗系统100的响应因患者而异。在一些实施例中，认知重建生成器348和/或心理治疗选择器328可学习并分析历史情境和对话内容(即上下文322)及其相关的度量标准，以便为患者创建定制化的响应。

特征与功能：患者消息系统

在一些实施例中，如图3A-3B所示，当从用户界面102接收到患者消息302(有时称为患者的消息126)后，两个并行流程同时对查询消息进行分析：(a)命名实体识别器314和/或情感分类器822，以及(b)心理和心理治疗意图分类器、NLP意图识别器、主题分类器和/或情感分析模型312。

特征与功能：NLP预处理方法

在一些实施例中，人工智能心理治疗系统100的不同部分(例如，心理和心理治疗意图分类器和/或NLP意图识别器和/或主题分类器和/或情感分析模型312、认知重建生成器348和心理治疗选择器328)会在NLP预处理方法400过程中分析上下文322和患者消息302，其中的一个示例见图8A和8B，以确保心理治疗130对于上下文322、患者消息302、医疗和心理治疗的处理等方面是有意义的。

图4显示了根据一些实施例，通过NLP预处理方法对患者的消息进行心理分析的示例方法400的流程图。方法400有时被称为NLP预处理方法400。根据NLP预处理方法400的一些实施例，患者消息402首先由拼写检查404进行分析。患者消息402可被分割成句子406、再进一步分割成单词408，并标记出它们的词性410。然后，患者消息402可能会经过词形还原处理412并传送到情感和心理命名实体识别器414(有时称为情感和心理命名实体识别器314)。接下来，患者消息402会被发送到一个用于查找与心理学、精神障碍、心理治疗和心理问题相关的术语、概念和/或同义词的方法414。在确定414的过程中，可以使用心理学、心理治疗以及各种精神障碍和心理问题(例如，抑郁症和焦虑症)的知识图谱420、自杀领域库422、心理治疗领域库424、康复领域库426以及其他相关领域库428。根据414的确定结果，NLP预处理方法400可以确定与心理治疗、心理问题和/或精神障碍相关的命名实体418。

如图4所示，在一些实施例中，NLP预处理方法400作为整个NLP处理器112的第一部分配备。从用户界面102接收到患者消息402后，以下模块按照如下方式执行工作。

句子分割系统406示例：在一些实施例中，NLP预处理方法400被配置为执行句子拆分406，如下例所示：

“昨天我脑子一直都停不下来我试图让它停下来但是它始终都很兴奋导致晚上整晚失眠。”

“昨天我脑子一直都停不下来。我试图让它停下来。但是它始终都很兴奋。导致晚上整晚失眠。”

词语分割系统408示例：在一些实施例中，NLP预处理方法400可被配置为执行词语拆分408，如下例所示：

“我的食欲很不好”“我的”“食欲”“很”“不好”

词性(POS)标记系统410示例：在一些实施例中，NLP预处理方法400可被配置为执行词性标记410以标记每个单词。如下例所示：

“我”“喜欢”“我的”“工作”“我”–名词“喜欢”–动词“我的”–形容词“工作”–名词。

词形还原系统412示例：在一些实施例中，NLP预处理方法400可被配置为执行词形还原412。与词干提取不同，词形还原412更依赖于词性标记410、相邻句子以及当前上下文和内容，如下所示：

将“爸爸”、“父亲”、“爸”化简为“父亲”

如图4所示，人工智能心理治疗系统100的一些实施例使用情感和心理命名实体识别器414——一种人工智能深度学习NLP算法，将处理后的词语分类为心理治疗实体418或非心理治疗实体，如下例所示：

“自尊”——心理治疗命名实体，“自我”——心理治疗命名实体，“汤面”——不是心理治疗命名实体。

根据情感和心理命名实体识别器414标记命名实体418之后，人工智能心理治疗系统100可在多领域库414中(例如，康复域库426、自杀域库428、心理治疗域库424)找到心理治疗、精神障碍、心理学或相关术语、概念和/或同义词，以匹配与命名实体418相关的医疗治疗或诊断。人工智能心理治疗系统100可将已命名的418发送到认知扭曲分类器328以及情感和/或情绪跟踪器和预测器824，如图3和图8B所示。

特征与功能：语音交互

根据上述人工智能心理治疗系统100中的设置，在一些实施例中，可以按照患者的表现提供语音或文本反馈。在一些实施例中，如果患者选择接收文本，则人工智能心理治疗系统100可以以文本格式提供心理治疗(即人工智能心理治疗(文本格式)338)。如果患者选择语音接收模式，则人工智能心理治疗系统100将把文本转换为语音，并通过语音(即人工智能心理治疗(语音格式))回应患者的心理治疗需求，如框图340和342中所示。人工智能心理治疗系统100可以将心理治疗内容以语音和文本两种输出格式发送。在一些实施例中，根据具体问题和答复、最佳心理治疗方法、患者以往的心理治疗经验等，心理治疗的内容可以包括图像、视频、音乐和/或背景通知。

根据一些实施例，图7显示了语音合成工作流程700的示意图。图7是一个用于人工智能心理治疗的文本转语音转换模块的图示，根据一些实施例，该模块可以被人工智能心理治疗系统100使用。在一些实施例中，一旦确定患者偏好“语音”格式输出702(有时称为患者偏好“语音”格式输出336)后，可以将心理治疗发送到文本到语音转换器704(有时称为文本至语音转换器340)。心理治疗可从文本转语音转换器704发送到语音合成生成器706(即语音克隆)，从而生成人工智能心理治疗(语音格式)710(有时称为人工智能心理治疗(语音格式)342)。

在一些实施例中，人工智能心理治疗系统100支持文本转语音和语音转文本的语音交互。通过语音识别(或语音转文本)，人工智能心理治疗系统100可识别用户上传的语音音频708或普通话或其他中国方言(例如上海话、粤语、闽南语等)的声音，并将其转换为可由人工智能心理治疗系统100进行编辑、分析和处理的文本；此外，在一些实施例中，人工智能心理治疗系统100支持语音心理治疗(即人工智能心理治疗(语音格式)710)。在一些实施例中，人工智能心理治疗(语音格式)710可以通过类似于文本转语音转换器704的文本转语音功能，以普通话或其他中国方言的各种声音形式呈现，以增强患者在不同声音上的体验，具体取决于患者个人对心理治疗输出格式和目标声音的偏好332。

特征与功能：语音交互触发提示

根据一些实施例，人工智能心理治疗系统100可支持以下示例的触发模式：

·触摸触发系统示例：按下右下角按钮和“麦克风”按钮。

·语音触发系统示例：患者说出特定短语来唤醒人工智能心理治疗系统100，开始处理患者的语音，包括但不限于“你在吗？”

·动作触发系统示例：患者在设备132前面做出特定动作，包括但不限于在传感器(手机摄像头)前挥手。

·自触发系统示例：患者预约的事件或设置将唤醒人工智能心理治疗系统100，包括但不限于患者每周六上午10:00通过人工智能心理治疗(语音格式)710与人工智能心理治疗系统100预约一次治疗课程。

特征与功能：语音转文本和文本转语音接口系统

在一些实施例中，人工智能心理治疗系统100可使用“pyaudio”库和Google语音转文本及文本转语音API来收集患者设备上麦克风中的语音输入，并将人工智能心理治疗(语音格式)710的语音以语音方式传达给患者。人工智能心理治疗系统100可通过语音识别相关的软件开发工具包(SDK)使用语音到文本转换器310和/或文本转语音转换器704。在一些实施例中，为了实现与文本转语音转换器704类似的功能，可以使用以下方法及其相关系列：

·实现语音转文本、语音识别、文本转语音、语音合成、TTS和/或其他具有同等或类似功能的API或修改(包括但不限于华为云语音交互服务、Google语音API、IBM WatsonAPI、语音API、语音转文本API、Siri API、Wit API、Speech2Topics API、ReadSpeackerAPI、Rev.AI API、科大讯飞API、科大讯飞语音转文本和/或语音合成或其他来自科大讯飞的API、框架或类似软件、Google云TTS(云端文本转语音)和/或语音转文本或其他类似API、微软Azure语音转文本、亚马逊语音转文本、亚马逊Polly、CMU Sphinx、微软Bing语音识别、Houndify API、Snowboy Hotword Detection等)。这种软件的使用可以基于不同的电子操作系统及其辅助或修改操作系统、云平台、云计算服务和云操作系统，包括但不限于iOS、Android、Windows、Symbian、MacOS、MacOS X、DOS、Unix、Linux、Chrome OS、Deepin Linux、Anchao OS、UOS、Vi m/Vi、Neokylin OS、Ubuntu、Ubuntu Kylin、WiOS、Ali OS、Start OS、Blackberry OS、Raspberry Pi OS、Harmony OS、AWS、Euler OS、腾讯云、京东云、阿里巴巴云、华为云、网宿云服务、蓝汛云、Dilian云、金山云、StallerCloud、MOS、谷歌云、微软云、Shijie Cloud、电信天翼云、亚马逊云、青云等。

·实现特定或非特定库及其修改，以收集来自设备麦克风的语音输入，包括但不限于PyAudio,、python-sounddivce、语音识别(PyPI)、CFFI等，基于特定和非特定的编程语言，包括但不限于python、java、php、C++、c、cython、CSS、HTML系列(如HTML 5)、JavaScript、R、Perl、Swift、Ruby、Go、Rust、C#、TCL、Scala、NodeJs、Android、Lua、QML、AngularJA、Cordova、Ionic、RN、weex、Kotlin、Flutter、DCould、Delphi、Mono、Haskell等；和/或

·在特定或非特定的编程语言下，基于特定或非特定的操作系统或云服务，能够实现与该系统和方法类似或同等的语音转文本转换和文本转语音转换的目的的特定或非特定的API、SDK、接口、软件、工具及其修改。

特征与功能：语音合成生成器

在一些实施例中，文本转语音转换器704可尝试根据文本和消息以及用户设置的目标语音偏好332生成语音反馈。客户可以选择不同的语音作为系统中的沟通工具，输出的语音可按以下方式实现：

1.当用户未给出偏好或用户根据本文描述的方法和工具从人工智能心理治疗系统100的内置语音中挑选语音时，可以使用人工智能心理治疗系统100的内置语音。

2.用户在人工智能心理治疗系统100中进行语音合成(例如语音克隆)技术后指定的特定语音，这可以通过语音合成技术实现。

在一些实施例中，用户可以从合成语音、真人语音或名人的语音克隆中进行选择。包括但不限于网红、KOL、卡通和/或电影中的人物、著名运动员等。在一些实施例中，用户可以上传语音记录708或从设备麦克风收集语音输入，这可以作为系统的输入，即用户上传的语音音频708。语音输入可以来自他们生命中的重要人物，如已故的家庭成员或与他们相隔遥远的人。人工智能心理治疗系统100支持用户的热切需求，并用对他们来说重要的人的声音来辅助他们的治疗过程。

在一些实施例中，人工智能心理治疗师系统100使用语音合成生成器706(例如，语音克隆)来克隆语音输入，以便与客户进行沟通，并生成合成的语音，在人工智能心理治疗(语音格式)710中与客户交谈，该语音听起来与上传的语音相似。合成的语音可能具有类似的语音(措辞、细节、意象、句法、语气等)和声音(音量、音调、节奏、停顿、共鸣、语调、速度、音质等)特征。

该系统和方法通过语音克隆实现了短音频(几秒钟或几分钟)中的语音的数字表示。在一些实施例中，可以使用基于深度学习或机器学习的语音克隆API。为了实现与语音合成生成器(例如语音克隆)706类似的功能，可以使用以下方法：

·在一些实施例中，人工智能心理治疗系统100可使用特定的、非特定的或模型、算法的组合，这些模型和算法基于机器学习、深度学习、统计学、人工智能、定量分析、数值模拟、计算机科学、接口或其修改和变体，这些方法具有同等或类似的功能(包括但不限于WaveNet、MelNet、Deep Voice系列、SV2TTS、合成网络、声码器网络、说话者编码器网络、说话者编码器、说话者适配、World声码器、Griffin-Lim声码器、编码器-解码器、实时语音克隆、WaveRNN、Tacotron系列、GE2E、合成器、转换器、VoiceLoop、并行WaveNet、串联TTS、参数化TTS、SampleRNN、Char2Wav、序列到序列模型、少量样本生成模型、元学习生成模型、说话者编码、神经TTS、多说话者TTS、Mellotron等)。

·在一些实施例中，可使用语音转文本、语音识别、文本转语音、语音合成、TTS、语音克隆以及其他具有同等或类似功能的API或修改(包括但不限于Huiwei云语音交互服务、Google语音API、IBM Watson API、语音API、语音转文本API、Siri API、Wit API、Speech2Topics API、ReadSpeaker API、Rev.AI API、科大讯飞APIs、科大讯飞语音转文本/语音合成和其他来自科大讯飞的API、框架或类似软件，Google云TTS(云端文本转语音)/语音转文本和其他类似API、微软Azure语音转文本、亚马逊语音转文本、亚马逊Polly、CMUSphinx、微软Bing语音识别、resemble.ai语音克隆及相关API、Houndify API、SnowboyHotword Detection等)，基于不同的电子操作系统及其二级或修改操作系统、云平台、云计算服务和云操作系统(包括但不限于IOS、Android、Windows、Symbian、MacOS、MacOS X、DOS、Unix、Linux、Chrome OS、Deepin Linux、Anchao OS、UOS、Vim/Vi、Neokylin OS、Ubuntu、Ubuntu Kylin、WiOS、Ali OS、Start OS、Blackberry OS、Raspberry Pi OS、Harmony OS、AWS、Euler OS、腾讯云、京东云、阿里巴巴云、华为云、网宿云服务、蓝汛云、Dilian云、金山云、StallerCloud、MOS、谷歌云、微软云、Shijie Cloud、电信天翼云、亚马逊云、青云等)。

·在一些实施例中，使用特定或非特定的库或工具包及其修改，以基于特定和非特定的编程语言(包括但不限于Python、Java、PHP、C++、C、Cython、CSS、HTML系列(例如HTML5)、JavaScript、R、Perl、Swift、Ruby、Go、Rust、C#、TCL、Scala、NodeJs、Android、Lua、QML、AngularJA、Cordova、Ionic、RN、weex、Kotlin、Flutter、DCould、Delphi、Mono、Haskell等)进行语音合成或语音生成的数据收集。

·在一些实施例中，可以使用特定或非特定的API、SDK、接口、软件、工具及其修改版本，这些都可以实现与人工智能心理治疗系统100类似或同等的目的，且都是基于特定或非特定的编程语言，在特定或非特定的操作系统或云服务下进行的。

前端和全栈：

特征与功能：用户界面系统

特征与功能：设备、操作系统

如图1所示，在一些实施例中，系统包括各种电子设备，如设备132和平台，包括但不限于网站、移动操作系统(例如IOS、Android)、智能手表(例如iWatch)、可穿戴设备、计算机、笔记本电脑以及患者可以访问的任何其他电子终端。

特征与功能：对话式UI/UX系统

在一些实施例中，示例的UI/UX是数字心理治疗师和患者之间的通信接口，如图9-11所示。

特征与功能：通信接口系统

如图1所示，在一些实施例中，人工智能心理治疗系统100的前端和全栈结构可实现网络套接字作为接口来构建和执行通信操作。一些实施例可以使用以下工具、方法、框架和/或修改：

·特定或非特定的基于网络套接字的技术及其修改和更新版本(包括但不限于Websockets、easysocket、quickerver、netty2、coloradoFTP、apache James、java邮件服务器、java套接字、raining套接字、HP-socket、Cindy、brynet、teleport、Winsock和workerman)；

·基于特定或非特定网络套接字及其基于不同编程语言(包括但不限于python、Java、PHP、C++、C、CSS、HTML系列(如HTML 5)、JavaScript、R、Perl、Swift、Ruby、Go、Rust、C#、TCL、Scala、NodeJs、Android、Lua、QML、AngularJA、Cordova、Ionic、RN、weex、Kotlin、Flutter、DCould、Delphi、Mono、Haskell等)的修改和更新版本；

·在其他特定的编程语言下，任何特定的基于套接字的修改和更新版本接口，未指定的基于套接字的修改接口和更新版本，以及所有实现与人工智能心理治疗系统100类似或同等通信目的的手段；

·在不特定的编程语言下，基于套接字的修改和更新版本的接口或组合，未指定的基于套接字的修改接口和更新版本或组合，以及所有实现与人工智能心理治疗系统100类似或同等通信目的的手段；

·SendMessage()函数和PostMessage()函数；

·UdpClient、TcpClient、远程直接内存访问(RDMA)、Jro、WinPcap OpenOnload、.NET Remoting、Windows Communication Foundation(WCF)等，以及通过网络套接字接口实现与本系统和解决方案相同或类似通信目的的其他特定和非特定手段；和/或

·可在特定或不特定的编程语言下，实现类似或同等网络通信目的的接口、软件、API、SDK以及其他工具及其修改。

特征与功能：服务器

根据一些实施例，图1还显示了服务器104的一个示例。对话中心负责维护和管理注册的患者，并引导人工智能心理治疗系统100向特定患者传达特定消息。在一些实施例中，人工智能心理治疗系统100针对不同的患者提供不同的心理治疗，而不是提供统一的心理治疗。患者可以通过已注册用户通道、未注册用户通道和广播通道与聊天中心进行交流。根据一些实施例，已注册通道可向已注册的患者开放，而未注册通道可向未注册的患者开放。

根据一些实施例，当患者在用户界面102输入文本消息或语音消息后，该消息会通过广播通道(一种用户消息通道)发送出去。通过使用“SendMessage()”函数、网络套接字中的“Send()”函数以及与“SendMessage()”或“send()”函数具有相同或类似目的的其他方式，患者的消息被广播到人工智能心理治疗系统100的服务器104中。在一些实施例中，消息包含与该患者相关的指针，根据一些实施例，消息内容通过患者通道以UTF-8编码发送。由人工智能心理治疗系统100生成的心理治疗回复通过网络套接字中的“recv()”函数和“PostMessage()”函数以及其他类似的网络套接字中的方法返回到患者的用户界面102。

根据一些实施例，对于已注册用户，可以使用客户端映射，其中映射中存储的键值对包括：键、指向用户实例的指针以及指示用户是否处于实时连接状态的布尔值。在一些实施例中，客户端类型充当了聊天中心和网络套接字连接之间的中介。每个用户值都包括一个指向聊天中心的指针、一个指向网络套接字连接的指针以及一个用于消息的缓冲信道，带“发送”功能。可以使用写入方法写入消息。在一些实施例中，服务器104可将服务器方法，注册为超媒体文档传输处理程序，用于将用户注册到聊天中心，并将标准连接升级为网络套接字连接。

一些实施例中，可以使用以下工具、方法、框架和/或其变体：在特定或非特定编程语言下，任何特定或非特定API及其变体和更新版本接口，以及达到与人工智能心理治疗系统100类似或等效的服务器通信目的的所有手段，包括但不限于REST、SOAP、FacebookMessenger、Slack Bot、Wit.人工智能、Dialogflow、Amazon Lex、Br人工智能nshop.人工智能、Botlibre、Notify.eu、BotDelive、微软机器人框架、环聊聊天、电报机器人、ChatBot、CrispChat、NativeChat、GraphQL、Falcor、gRPC、JSON-Pure、oData、Postman；在特定或非特定编程语言下能够完成类似或等效服务器通信目的的接口、软件、API、SDK、其他工具及其变体；

后端：

特征与功能：授权系统

根据一些实施例，人工智能心理治疗系统100可以通过将用户界面102连接到服务器104来激活，并将验证已注册或未注册的患者以及其他授权请求，例如会员授权106(也称为用户认证)。每个请求可包含一个基于服务器的签名，例如患者ID和/或令牌。如果患者成功通过授权，则会生成一个“200”的服务器代码，表示患者已成功登录人工智能心理治疗系统100。如果签名和令牌验证未通过安全检查(包括与服务器104的SSL/TLS通信)，则将返回代码“401”到用户界面102，表明用户未获得授权。代码“401”和“200”只是信号代码的示例，还可以使用具有类似或相同目的的其他类型的代码或通信信号格式。为了进行隐私验证，人工智能心理治疗系统100会鼓励患者在每次登录时进行实时面部识别验证。这些面部图像和视频还可以存储在数据存储管理系统中，并通过利用抑郁症面部图像检测和识别技术，应用于精神障碍检测、患者康复速度监测和治疗评估。

特征与功能：队列生成系统

根据一些实施例，患者语句格式检查304用于识别患者的消息是语音格式306，还是文本格式308。在将语音输入转换为文本格式(如适用)后，或者如果患者直接输入文本时，人工智能心理治疗系统100可以通过患者消息处理程序，将文本格式的输入输出至队列110，其中的一个示例如图3A-3B中所示。来自队列生成器108的队列110中的每个条目都可包含患者的签名、患者的标识(ID)、NLP请求和消息ID。当多个患者同时发送患者消息126时，映射方法114可使用队列110来识别不同的患者。队列118作为队列110的更新信息和数据，由用户ID和消息ID组成。在一些实施例中，NLP请求可以在其线程内发送到下一步，以实现个性化对话。

特征与功能：映射系统

根据一些实施例，在映射方法114中，人工智能心理治疗系统100可以根据与患者消息126相关的患者ID和/或令牌，将来自不同患者的不同患者消息126存储在数据存储管理系统122的不同空间中。在一些实施例中，人工智能心理治疗系统100可以通过人工智能和统计处理器(即心理治疗128)生成定制的心理治疗、治疗方案、时间表、解决方案、指导等。例如，假设艾米和约翰都患有重度抑郁症，目前正在发作。艾米正在为失去父亲而苦苦挣扎，而约翰则因失业而苦苦挣扎。人工智能心理治疗系统100可以在艾米和约翰的消息中添加不同的患者ID和令牌，并分别存储他们的个人信息和健康信息。然后，根据一些实施例，人工智能心理治疗系统100可以将患者消息126发送到自然语言处理(NLP)处理器112中，在那里，NLP处理器112可以提供定制的心理治疗、治疗方案、时间表、指导和解决方案。一些实施例利用患者的行为或生活方式来解决他们重度抑郁症的根本原因(例如，情感和/或情绪跟踪器和预测器824)。

特征与功能：数据存储管理系统界面

根据一些实施例，人工智能心理治疗系统100可以使用数据存储管理接口120，该界面可以是一个开放数据库连接(ODBC)接口，用以访问数据存储管理系统122。人工智能心理治疗系统100还可以使用其他技术，这些技术可以通过以下接口实现与本系统和方法相同和类似的功能，包括但不限于：数据库访问对象(DAO)、远程数据库对象(RDO)、对象链接和嵌入式数据库(OLE DB)、ActiveX数据对象(ADO)、ADO.NET、Java数据库连接(JDBC)、PHP数据对象(PDO)等。在图1中，队列118是队列110的增强版本，其中至少包括用户ID和消息ID。

在一些实施例中，人工智能心理治疗系统100可以接收患者消息的队列和NLP模型生成的心理治疗，这两个消息(患者的消息和回复给患者的心理治疗)都可以存储在数据存储管理系统122中，以建立患者的历史健康记录，以便跟踪和预测患者的康复过程、医疗状况、自杀风险、反馈等。

特征与功能：数据存储管理和客户关系管理(CRM)系统

图5显示了根据一些实施例，由图1所示的人工智能心理治疗系统收集和/或使用的患者数据500的示例。图5还显示了根据一些实施例，用于数据存储管理122的数据关系设计的示例，以存储与患者相关的医院内数据和医院外数据。

如图5所示，根据通用的关键ID——患者ID，医院内数据506和医院外数据504可以关联到单个患者记录502。通过合并医院内数据506和医院外数据504，人工智能心理治疗系统100的实施例可以利用这两组数据来为患者制定并生成特定的心理治疗。

根据一些实施例，图6是患者治疗时间线的图示示例，图1的人工智能心理治疗系统可使用该示例。该示例显示了根据一些实施例，通过合并院内数据506和院外数据504来制定与患者记录502相关的通用时间表600。通用时间表600可以利用人工智能心理治疗系统100的方法，为患者提供更全面的心理分析。

在一些实施例中，人工智能心理治疗系统100的数据和信息124包括但不限于每位患者的历史及当前的健康数据和记录。下面展示了两个重要部分：

·患者的个人基本信息，包括但不限于：姓名、年龄、职业、健康信息(包括身体和精神)、医生姓名、诊断记录、医院代码、医生记录、药物、实验室检测报告及结果、心理咨询师的记录以及护士的记录。

·基于系统的一些实施例的通信信息和健康信息，包括但不限于：患者ID、消息ID和内容、心理治疗ID和内容、精神情感类型ID和内容、解决方案ID和内容、对话主题ID和内容、病情的严重程度、时间轴、治疗周期、自杀风险、焦虑程度、抑郁程度等。

特征与功能：数据存储管理系统实施例

根据一些实施例，在人工智能心理治疗系统100从队列生成器108接收患者的消息，NLP和机器学习模型116生成心理治疗130(有时称为心理治疗210)之后，这两个消息(患者的消息126和心理治疗130)可以存储在数据存储管理系统122中，来建立患者的历史医疗保健记录，以便跟踪和预测他们的康复过程、医疗保健状况、自杀风险、反馈等。

一些实施例，使用基于SQL语言的MySQL，来实现数据存储管理系统122。在一些实施例中，来实现与数据存储管理系统122类似的功能，包括但不限于存储、传输、处理、修改、添加、删除和调用。当使用人工智能心理治疗系统100存储数据时，以下工具、方法、框架及其变体，可用来构建与其等效或相似的基于各种数据操作语言的数据存储管理系统122：

·各种合适的数据库软件包括Oracle RDMS、Microsoft SQL Server、MicrosoftAccess、PostgreSQL、Apache Derby、Berkeley DB、eXist、HSQL、Ingres、LevelDB-Google、mSQL、SQLite、XinDice、4th Dimension、Adabas、askSam、Cache、c-tree，另外，IBM DB1、IBMDB2、dBase、FileMaker、FoxBase、Google Fusion Tables、Gupta SQLBase、HyperFileSQL、IDMS、IMS、Informix、InterBase、MaxDB、Mongo DB、Knack、谷歌云BigTable、SAP HANA、TeamDesk、亚马逊RDS、微软Visual FoxPro、SyBase、MS SQL-Server、Paradox Borland、PrimeBase、RRDtoo、Tamino XML、Tdbengine、Teradata、Visual dBase、Maria DB、Cassandra、Couch DB、Amazon Dynamo DB、Neo4j、Firebirdsql、Raven DB、Rethink DB、Orient DB、Arango DB、JAM Stack、Cockroach DB、Citus、Timescale DB、Toro DB、MySQLDocStore、TiDB、CouchBase、Elastic、ElasticSearch、HDFS、Redis、ClickHouse、ScyllaDB、HBase、谷歌云数据存储、Apache Spark、Cosmos DB、Percona Server for Mongo DB、Solr、基于Lucene的数据存储、datalog、TigerGraph、RedisGraph等

·各种数据操作语言包括但不限于以下语言及其修改和更新版本：基于SQL(例如pgsql、Psql、SQL PL、NZPL SQL、PSQL、SQL/PSM、PL/SQL、T-SQL、PL/pgSQL、SQL脚本、Gsql、Watcom-SQL)、Cypher、XQuery、HQL、Gremlin、Spark、SPL、ABAP、SSP、NoSQL、MQL、dBase等

·用于实现类似和等效的数据相关功能的工具、方法、框架和修改，包括但不限于在特定或非特定数据操作语言下，通过人工智能心理治疗系统100对数据进行存储、传输、处理、修改、添加、删除和调用

特点与功能：心理治疗响应系统

特性和功能：响应提供系统

在一些实施例中，人工智能心理治疗系统100提供心理治疗，并且由NLP和机器学习模型116生成的心理治疗130，将被发送到服务器104。

特点与功能：心理治疗系统

在一些实施例中，人工智能心理治疗系统100发送个性化心理治疗832(例如“你还在为昨天失眠的烦恼么？”)作为人工智能心理治疗系统100的特定心理治疗128，被发送到用户界面102，“智能”心理治疗128。然后患者可以查看该“智能”心理治疗128及其相关指导。

适用范围

根据一些实施例，人工智能心理治疗系统100可以处理一般心理问题、严重心理问题、神经质心理问题和精神障碍。该系统和方法涵盖心理问题和精神障碍示例，及其分类、类型、类别、名称和国际疾病分类以及ICD-10-CM分类系统。“一般心理问题”包括但不限于在成长的各个阶段，受现实因素刺激而产生的与工作、学习、社会生活、个人生活和/或人际关系等有关的心理问题。患者的情绪反应持续时间短、在控制之中、没有对社会功能造成严重损害，并且情绪反应尚未泛化。这类问题包括但不限于常见的生活问题，如亲子关系、爱情、婚姻家庭、择业就业、职业困惑、人际关系以及个人成长等。“严重心理问题”包括但不限于受到相对强烈的现实因素的刺激而导致的精神不健康状态。患者最初有强烈的情绪反应，持续时间较长，情绪反应内容足够广泛地泛化为不良精神健康状况。例如重要关系的破裂(如恋爱关系破裂、离婚、丧亲之痛)、学业失败(重要考试失败、失业)、道德和法律问题(家庭暴力)以及导致长期痛苦和焦虑的其他问题。“神经质心理问题”包括一个人过度担心自己患有严重疾病的情况。尽管没有实际的医学诊断，但这种使人衰弱的状况可能是由于对身体或精神状况的不准确感知造成的。“精神障碍”的一般特征包括异常的思想、感知、情绪、行为以及与他人的关系，可能包括抑郁症、躁郁症、精神分裂症和其他精神病、痴呆症以及包括自闭症在内的发育障碍。

特征与功能：心理治疗方法

根据一些实施方案，提供了一种使用人工智能心理治疗系统100进行心理治疗的示例方法。该方法包括以下步骤：从用户界面获取患者的消息；根据用户输入，利用(i)多个机器学习分类器，(ii)自然语言处理(NLP)技术以及(iii)有关心理治疗、精神障碍和心理问题的知识图来识别情绪和心理治疗状况；根据用户输入，使用一个或多个机器学习分类器来确定情绪和心理治疗状况的治疗选项。这些治疗选项包括用户互动和互动的时间表；显示治疗选项并跟踪患者的用户互动和时间表。

在一些实施方案中，用户输入可以是文本格式或语音格式，该方法还包括将任何语音输入转换为文本输入，并使用该文本输入来识别情绪、心理治疗状况和/或治疗选项。

在一些实施方案中，该方法还包括根据患者语音输出的偏好，以语音格式输出治疗选项。

在一些实施方案中，可以使用情绪收集器816、情绪跟踪器和预测器824、情绪和心理命名实体识别器820和/或情感分类器822。

在一些实施方案中，与上述用户界面/用户体验相关的情绪收集器(有时也被称为情绪性的收集器)，包括上图所示的表情符号，不是分类器，而是一种用来收集用户输入数据的工具。

在一些实施方案中，分类和自然语言理解模型被应用于文档级或段落级文本中。在一些实施方案中，上述用户界面/用户体验使用认知技巧来处理日记和/或辩护律师的任务。在一些实施方案中，还包含上述自动认知扭曲分类器。

如本文所述，精神障碍是一个涵盖所有精神疾病的术语，如焦虑障碍和抑郁障碍等，需要医生、心理健康专业人员或问卷调查来确定用户是否患有精神障碍。情感可能包括情绪，情感包括感觉/感知/思维以及心境(情感状态和心理状态)。在一些实施方案中，对心理治疗术语(例如，命名实体认知)的分类有助于识别情绪或状况，并且可以用于确定特定症状的严重程度以跟踪患者的康复进展。例如，对于重度抑郁障碍，患者在患上抑郁障碍后体重会减轻或增加，因此命名实体识别器会查找诸如“饮食/食欲/体重”等术语，以查看任何相关症状以及这些症状的变化情况。

在一些实施方案中，自然语言处理(NLP)技术会对用户输入中的术语进行分类，以确定它们与心理治疗、情感、精神障碍以及心理问题的相关性。

在一些实施方案中，该方法还包括使用生物信息分析器预测未来的情绪，并根据未来的情绪进一步确定治疗选项。

在一些实施方案中，首先，使用第一个或多个分类器来标记认知扭曲(例如，使用14个标签)。训练数据可能包括带有认知扭曲的句子。接下来，可以使用第二个或更多的分类器来进行后续处理(例如，一个具有78个类别的分类器)。在一些实施方案中，分类器的输入可以包括用户的反馈和/或来自分类器的标签。在一些实施方案中，用户的反馈会设定对于78个标签中的特定认知技巧的主观偏好，而来自第一个或多个分类器的分类结果则是客观的。在一些实施方案中，第一个或多个分类器包括一个用于分类的分类器，而第二个或多个分类器包括一个旨在根据个人偏好推荐个人使用的最佳技巧的分类器，因此其功能实际上是推荐。

在一些实施例中，训练数据是带有认知扭曲的平衡句，例如“因为我离婚了，所以我是一个彻头彻尾的失败者；标签：情感推理”(由多位心理治疗师确定此标签)。每个标签有8000个句子，共14个标签，通过BERT、GTP、LSTM和bi-LSTM进行建模，并根据表现选择BERT作为最佳模型。该系统使用的是监督学习，但是半监督/无监督/强化学习都可以达到类似的结果。在一些实施例中，模型BERT、GTP、LSTM和bi-LSTM用于特征提取。一些实施例选择BERT作为最终的特征提取器。一些实施例使用深度学习，因此不需要进行手工提取特征，而是由神经网络自动提取特征。一些实施例使用交叉验证进行验证，例如，将含有10,000带有标准答案标签样本的数据集，分成8,000个样本进行训练，2,000个样本进行验证。

在一些实施例中，该方法还包括使用认知扭曲列表来识别认知扭曲，从而识别心理治疗状况。

在一些实施例中，该方法还包括跟踪用户交互，包括：从患者处接收到治疗选项无效的确认，从患者处获得第二用户输入，以及反复识别情绪和心理治疗状况、治疗选项，并针对第二用户输入显示新的治疗选项。

在一些实施例中，显示治疗选项包括使用基于开放域生成模型来与患者对话。

在一些实施例中，跟踪器和预测器824用于与UI/UX情感跟踪器相关的分类(例如，自然语言理解模型和分类器)和预测(例如，时间序列机器学习模型)。在一些实施例中，情绪识别器根据命名实体识别模型。

在一些实施例中，分类和自然语言理解模型被应用在文章级或段落级文本。在一些实施例中，上述UI/UX使用日记和/或辩护律师的认知技巧。在一些实施中，包括上述自动认知扭曲分类器。

一些实施例基于其他用户的反馈(例如，70％的其他用户喜欢该疗法)来为用户A选择疗法。在一些实施例中，在完成治疗之后，系统询问用户A以“喜欢”、“不喜欢”作为选项对该治疗进行反馈。这样，系统就会不断收集用户A对向他/她推荐的所有不同治疗方法的反馈。用户越喜欢某种治疗，系统就越有可能推荐后续治疗。在一些实施例中，使用一个随机系数，例如10％，向用户A随机推荐其从未使用过的治疗方法。

在一些实施例中，治疗有时间表和用户界面。示例的用户界面可包含所有疗法和/或认知技巧示例。在一些实施例中，情绪跟踪器的用户界面包括折线图形式的时间表。

在一些实施例中，如果在特定疗法中用户正在配合执行行动，例如自我奖励(一个认知纠正方式方法的示例)，系统会跟踪该行动。例如，用户设置了30分钟的游泳，系统则会在30分钟后与用户进行确认。一些实施例询问用户意见和/或用户反馈，和/或收集这样的反馈。一些实施例分析用户病情的严重性，和/或使用语音克隆。语音输出克隆包括将文本转换为音频作为不同的通信方式、为特定用户应用特定的语音，以表达或鼓励他们的情绪。根据一些实施例表明，在语音之外，一个机器学习分类器可以对用户病情的严重性提出建议。一些实施例使用与疗法和精神障碍分析不相关的语音、可供用户选择的多种输出格式。

在一些实施例中，有认知扭曲标签，例如“必须”或“应该”做什么的陈述。当机器学习模型将此标签分配给用户A的特定输入句子后，“应该/必须陈述列表”被激活。系统可以将特定用户A输入的句子保存在该列表中。这个“应该/必须陈述列表”并不是为了识别认知扭曲类型，而是收集用户A输入的所有带有“必须”或“应该”陈述标签的句子。在一些实施例中，“应该/必须陈述列表”用于确定患者的“原则手册”的内容——“应该”、“必须”、“如果-那就”陈述，这些陈述是扭曲的惯性思维的标志。在一些实施例中，当检测到上述实体之后，系统将相关消息存储到数据库中以供分析。

心理治疗的另一个示例

根据一些实施例的情况，本文描述了使用AI心理治疗系统100进行心理治疗的另一示例方法。该方法包括在用户界面从患者处获取患者消息。该方法还包括基于患者消息和患者其他信息，确定一个或多个分类器。有关患者的其他信息，包括医院内数据和医院外数据。该方法还包括，通过一个或多个分类器，基于候选的心理治疗列表，为患者选定心理治疗。该方法还包括，根据部分基于患者偏好的确定，以文本格式和语音格式的一种，向患者提供心理治疗。

在一些实施例中，选定心理治疗还包括分析心理治疗的语境，以确保该语境在逻辑、医学和心理治疗有意义。

在一些实施例中，获取患者消息包括使用生物测定验证来验证患者的身份。

在一些实施例中，生物特征验证包括面部识别。

在一些实施例中，选定心理治疗包括结合基于规则的封闭域生成模型和开放域生成模型。

在一些实施例中，系统包括面向任务的对话系统。面向任务的对话系统通过驱动与患者的对话来收集患者的特定信息，通过引导用户执行所选择的认知纠技巧来执行认知行为疗法和辩证行为疗法；并鼓励患者再次访问人工智能心理治疗系统。

在一些实施例中，选择心理治疗包括从患者处收集心率数据，并使用具有深度神经网络的基于时间序列的模型，来分析心率数据以监测治疗进展和症状的发展。

在一些实施例中，选择心理治疗包括：从患者收集医疗记录；利用OCR文字识别技术读取病历中的非电子信息。

另一方面，无需任何人工参与来，本系统和方法提供了一种基于循证心理治疗和其他相关处理和疗法、使用人工智能进行智能控制心理治疗的方法。该方法可以使用以上描述的AI心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；基于患者消息，使用一个或多个命名实体识别器，将用户输入中情绪识别为情感术语；和/或基于患者消息，使用一个或多个命名实体识别器，将用户输入中的术语识别为心理治疗、和/或精神障碍、和/或心理问题、和/或心理学中的术语。

在一些实施例中，该方法还包括使用与心理学、和/或心理治疗、和/或精神障碍、和/或心理问题、和/或情绪相关的知识图谱。情绪识别和术语分类均需要知识图谱(例如，上面参考图3A描述的知识图316)。命名实体识别器可能只用做识别句中术语，需要识别术语的领域取决于知识图谱。知识图谱提供具有许多节点的网状图(例如，数据结构中的树状结构)其(1)将概念/术语作为节点以及(2)描述不同概念之间的关系。

在一些实施例中，用户输入是文本格式或语音格式，使用如下方法：将任何语音输入转换为文本输入，并使用该文本输入来识别用户输入中的情绪和术语。

另一方面，无需任何人工参与来，本系统和方法提供了一种基于循证心理治疗和其他相关处理和疗法、使用人工智能进行智能控制心理治疗的方法。该方法可以使用以上描述的AI心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；基于患者消息，通过一个或多个NLP分类器，对用户输入中进行识别、分类为与心理治疗和/或情绪和/或精神障碍和/或心理问题和/或心理学相关的一个或多个术语。

在一些实施例中，该方法还包括使用与心理学、和/或心理治疗、和/或精神障碍、和/或心理问题、和/或情绪相关的知识图谱。

在一些实施例中，用户输入是文本格式或语音格式，使用如下方法：将任何语音输入转换为文本，并使用该文本来对用户输入中的术语进行识别和分类。

另一方面，无需任何人工参与，本系统和方法提供了一种基于循证心理治疗和其他相关处理和疗法、使用人工智能进行智能控制心理治疗的方法。该方法可以使用以上描述的AI心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；基于患者消息，使用一个或多个NLP意图识别器和/或一个或多个主题分类器和/或一个或多个情感分析模型和/或一个或多个意图分类器来识别用户输入中的意图320。

在一些实施例中，该方法还包括使用心理学、心理治疗、精神障碍、心理问题和/或情感等方面的知识图谱。

在一些实施例中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入识别意图320。

另一方面，提供了一种智能控制的心理治疗方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗。该方法可以使用以上描述的人工智能心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息和时间戳；或者在用户界面从患者处获取一个或多个表情符号和时间戳；根据时间戳和患者消息或表情符号，使用一个或多个机器学习预测模型预测未来的心理状况和治疗计划。

在一些实施例中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入预测未来的心理状况和治疗计划。

在一些实施例中，该方法还包括对未来的心理状况和治疗计划进行预测，包括：采集患者的面部图像和视频；使用面部图像和视频的心理状况识别技术。

在一些实施例中，该方法还包括对未来的心理状况和治疗计划进行预测，包括：采集患者的心率数据；以及使用时间序列模型分析心率数据。

在一些实施例中，该方法还包括对未来的心理状况和治疗计划进行预测，包括：采集患者的心电图数据；使用机器学习模式识别模型分析心电图数据。

在一些实施例中，该方法还包括对未来的心理状况和治疗计划进行预测，包括：对接收到的时间戳、新的患者消息、表情符号、面部图像、面部视频、心率数据，心电图和/或医疗记录作出响应；重复预测未来的心理状况和治疗计划，并存储新的预测未来的心理状况和治疗计划。

另一方面，提供了一种智能控制的心理治疗的方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗。该方法可以使用以上描述的人工智能心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；根据患者消息，使用一个或多个自然语言处理(NLP)分类器识别认知扭曲。

在一些实施例中，该方法还包括使用认知扭曲列表来识别认知扭曲。在一些实施例中，心理治疗采用了认知技巧。一些实施例使用了多种认知技巧(例如，78种认知技巧)，这些认知技巧可能对应于同样多的心理疗法(例如，78种心理疗法)。心理疗法的反馈可用于识别认知扭曲。

在一些实施例中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入来识别认知扭曲。

另一方面，提供了一种智能控制的心理治疗的方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗。该方法可以使用以上描述的人工智能心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；根据患者消息，使用(i)一个或多个机器学习推荐引擎和(ii)认知技巧列表(例如，列表862中的78种认知技巧中的任意一种)来确定个性化的心理治疗。

在一些实施例中，该方法还包括使用心理学、心理治疗、精神障碍、心理问题和/或情感领域的知识图谱。

在一些实施例中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入生成个性化的心理治疗。

在一些实施例中，该方法还包括确定个性化的心理治疗，包括：使用患者的反馈历史；使用每次心理治疗的反馈历史；和/或使用认知扭曲列表。

在一些实施例中，确定个性化的心理治疗包括：在收到患者确认心理疗法无效后：从患者处获取第二次用户输入；重复确定个性化心理治疗，并为第二次用户输入提供新的心理疗法。

另一方面，提供了一种智能控制的心理治疗的方法，该方法利用人工智能，在无需任何人工参与的情况下，基于循证心理治疗及其他相关治疗和疗法执行心理治疗。该方法可以使用以上描述的人工智能心理治疗系统100来执行。该方法包括：在用户界面从患者处获取患者消息；根据患者消息，使用(i)一个或多个自然语言处理(NLP)任务导向型对话系统和(ii)认知技巧列表，提供个性化的心理治疗。

在一些实施例中，该方法还包括使用使用涉及以下领域的知识图谱：心理学、心理治疗、精神障碍、心理问题和/或情感领域。

在一些实施例中，用户输入可以是文本格式或语音格式，该方法还包括：将任何语音输入转换为文本输入，并使用文本输入生成个性化心理治疗。

在一些实施例中，该方法还包括根据患者对语音输出的偏好，以语音格式执行心理治疗。

在一些实施例中，提供个性化的心理治疗包括：在收到患者确认心理疗法无效后；从患者处获取第二次用户输入；重复确定个性化心理治疗，并为第二次用户输入提供新的心理疗法。

在一些实施例中，提供心理治疗包括使用以下模型与患者进行对话：(i)封闭领域基于规则的模型，(ii)封闭领域基于检索的模型，(iii)封闭领域基于检索生成的混合模型，(iv)封闭领域基于生成的模型，(v)开放领域基于规则的模型，(vi)开放领域基于检索的模型，(vii)开放领域基于检索生成的混合模型，或(viii)开放领域基于生成的模型。

在一些实施例中，该方法还包括：收集患者的医疗记录；运用OCR文本识别技术读取医疗记录上的非电子信息。

在一些实施例中，该方法还包括根据患者的语音偏好，利用语音合成技术生成首选语音；然后使用生成的首选语音与患者进行对话。

数据存储管理系统中的数据信息内容

以下是数据存储管理系统中的示例数据信息内容(包括医院内数据和医院外数据记录)。

医院内记录：

·医疗和治疗史(例如，“重度抑郁障碍，5年前曾发作”)

·个人基本信息，参见表2.1，登记表格(Leahy、Holland和McGinn，2011)

(例如，家族疾病史、年龄、性别等)

·护士记录、药物治疗、医生记录、当前和过去的诊断、放射影像、家庭及相关评估

·实验室测试报告和结果(例如，血液和心脏测试：凝血测试、一次性真空采血管凝血测试、EDTA抗凝测试、电脑多导联心电图、心率变异趋势图、红外热成像检查、疾病史及精神状态检查、静脉采血、全血细胞计数、生化检查、内分泌检查)

·自我评估(例如，多选症状量表和评估：焦虑自评量表、抑郁自评量表、贝克抑郁量表、症状检查表-90-修订版(SCL-90-R)、耶鲁-布朗强迫症量表、匹兹堡睡眠质量指数量表检查，轻躁狂症检查表(HCL-32)

医院外记录：

·生物信息和记录(例如，语音消息、声音信息、面部图像和视频、DNA报告、心率)、文本对话消息、情绪记录[包括表格10.4患者事件-情绪-思想记录(Leahy、Holland和McGinn，2011)]，定期自我评估，家庭和相关评估，自杀(自杀企图)记录

·行为记录[例如运动(类型、频率、强度)、冥想]参见表2.8，患者每周活动安排(Leahy、Holland和McGinn，2011)

精神障碍的分类和国际诊断代码

本系统和方法适用和涵盖的精神障碍的分类和国际诊断代码如下所示，其中，国际疾病分类第10版(ICD-10-CM)诊断代码和DSM-5已标明。

·焦虑和压力相关障碍：F93.0、F94.0、F40.228、F40.23x、F40.230、F40.231、F40.232、F40.233、F40.248、F40.298、F40.10、F41.0、F40.00、F41.1、F10.180、F10.280、F10.980、F15.180、F15.280、F15.980、F12.180、F12.280、F12.980、F16.180、F16.280、F16.980、F18.180、F18.280、F18.980、F11.188、F11.288、F11.988、F13.180、F13.280、F13.980、F15.180、F15.280、F15.980、F14.180、F14.280、F14.980、F19.180、F19.280、F19.980、F06.4、F41.8、F41.9

·抑郁障碍：F34.8、F32.0、F32.1、F32.2、F32.3、F32.4、F32.5、F32.9、F33.0、F33.1、F33.2、F33.3、F33.4、F33.5、F33.9、F34.1、N94.3、F10.14、F10.24、F10.94、F16.14、F16.24、F16.94、F18.14、F18.24、F18.94、F11.14、F11.24、F11.94、F13.14、F13.24、F13.94、F15.14、F15.24、F15.94、F14.14、F14.24、F14.94、F19.14、F19.24、F19.94、F06.31、F06.32、F06.34、F32.8、F32.9

·解离性障碍：F44.81、F44.0、F48.1、F44.89、F44.9

·进食与饮食障碍：F98.3、F98.21、F50.8、F50.01、F50.02、F50.2、F50.8、F50.9

·双相情感障碍及相关障碍：F31.11、F31.12、F31.13、F31.2、F31.71、F31.72、F31.9、F31.31、F31.32、F31.4、F31.5、F31.75、F31.76、F31.9、F31.81、F34.0、F10.14、F10.24、F10.94、F16.14、F16.24、F16.94、F13.14、F13.24、F13.94、F15.14、F15.24、F15.94、F14.14、F14.24、F14.94、F19.14、F19.24、F19.94、F31.89、F06.33、F06.34

·强迫症及相关障碍：F31.9、F42、F45.22、F63.3、L98.1；F15.188、F15.288F15.988、F14.188、F14.288、F14.988、F19.188、F19.288、F19.988；F06.8、F42

·人格障碍：F60.0、F60.1、F21、F60.2、F60.3、F60.4、F60.81、F60.6、F60.7、F60.5、F07.0、F60.89、F60.9

·精神分裂症谱系及其他精神病性障碍：F22、F23、F20.81、F20.9、F25.0、F25.1、F10.159、F10.259、F10.959、F12.159、F12.259、F12.959、F16.159；F16.259、F16.959、F18.159、F18.259、F18.959、F13.159、F13.259、F13.959、F15.159；F15.259、F15.959、F14.159、F14.259、F14.959、F19.159、F19.259、F28、F29

·性行为、性别认同障碍、性倒错以及其他与性有关的障碍：F64.2、F64.1、F64.8、F64.9、F65.3、F65.2、F65.81、F65.51、F65.52、F65.4；F65.0、F65.1、F65.89、F65.9

·身体症状及相关障碍：F45.1、F45.21、F44.4、F44.5、F44.6、F44.7、F54、F68.10、F45.8、F45.9

·物质相关和成瘾障碍：F10.10、F10.20、F10.129、F10.229；F10.929、F10.239、F10.232、F10.99、F15.929、F15.93、F15.99、F12.10、F12.20；F12.129、F12.229、F12.929、F12.288、F12.99、F16.10、F16.20、F16.129、F16.229、F16.929、F16.983、F16.99、F18.10、F18.20、F18.129、F18.229、F18.929、F18.99；F11.10、F11.20、F11.129、F11.229、F11.929、F11.122、F11.222、F11.922、F11.23；F11.99、F13.10、F13.20、F13.129、F13.229、F13.929、F13.239、F13.232、F13.99；F15.10、F15.20、F14.10、F14.20、F15.129、15.229、F15.929、F14.129、F14.229；F14.929、F15.122、F15.222、F15.922、F14.122、F14.222；F14.922、F15.23、F14.23；F15.99、F14.99、Z72.0、F17.200、F17.203、F17.209、F19.10、F19.20、F19.129、F19.229、F19.929、F19.239、F19.99、F63.0

·创伤后应激障碍：儿童期反应性依恋障碍、F94.1、F94.2、F43.10、F43.0、F43.21、F43.22、F43.23、F43.24、F43.25、F43.20、F43.8、F43.9

·破坏性冲动控制和行为障碍：F91.3、F63.81、F91.1、F91.2、F91.9、F60.2、F63.1、F63.2、F91.8、F91.9

·睡眠-觉醒障碍：F51.01、F51.11、G47.419、G47.411、G47.429、G47.33、G47.31、G47.37、R06.3、G47.34、G47.35、G47.36、G47.21、G47.22、G47.23、G47.24、G47.26、G47.20；F51.3、F51.4、F51.5、G47.52、G25.81、F10.182、F10.282、F10.982、F12.188、F12.288、F12.988、F13.182、F13.282、F13.982、F15.182、F15.282、F15.982、F14.182、F14.282、F14.982、F19.182、F19.282、F19.982、F11.182、F17.208、G47.09、G47.00、G47.19、G47.10、G47.8、G47.9

·性功能障碍：F52.32、F52.21、F52.31、F52.22、F52.6、F52.0、F52.4、F10.181、F10.281、F10.981、F13.181、F13.281、F13.981、F15.181、F15.281、F15.981、F14.181、F14.281、F14.981、F19.181、F19.281、F19.981、F11.181、F11.281、F11.981

·排泄障碍：F98.0、F98.1、N39.498、R15.9、R32

·神经发育障碍：智力障碍(精神发育障碍)F70、F71、F72、F73，智力障碍F70-F73、F88、F79、F80.2、F80.0、F80.81、F80.89、F80.9、F84.0、F90.2、F90.0、F90.1、F90.8、F90.9；F81.0、F81.81、F81.2、F82、F98.4、F95.2、F95.1、F95.0、F95.8、F95.9、F88

本系统和方法适用和涵盖的一些一般心理问题、严重心理问题和神经症心理问题的代码如下所示。本系统和方法采用了《疾病分类第10版》(ICD-10-CM)和《精神障碍诊断与统计手册》(DSM-5)中相关问题和病症的描述、解释、范围和详细信息。

·虐待和忽视：T74.12 XA、T74.12 XD、T76.12 XA、T76.12 XD、Z69.010、Z69.020、Z62.810、Z69.011、Z69.021、T74.22 XA、T74.22 XD、T76.22 XA、T76.22XD、Z69.010、Z69.020、Z62.810、Z69.011、Z69.021、T74.02 XA、T74.02 XD、T76.02XA、T76.02XD、Z69.010、Z69.020、Z62.810、Z69.011、Z69.021、T74.32 XA、T74.32XD、T76.32 XA、T76.32XD、Z69.010、Z69.020、Z62.810、Z69.011、Z69.021、T74.11XA、T74.11 XD、T76.11 XA、T76.11 XD、Z69.11、Z91.410、Z69.12、T74.21 XA、T74.21 XD、T76.21 XA、T76.21 XD、Z69.81、Z91.410、Z69.12、T74.01 XA、T74.01XD、T76.01 XA、T76.01XD、Z69.11、Z91.412、Z69.12、T74.31 XA、T74.31XD、T76.31 XA、T76.31 XD、Z69.11、Z91.411、Z69.12、T74.11XA、T74.11 XD、T76.11 XA、T76.11 XD、T74.21 XA、T74.21 XD、T76.21 XA、T76.21 XD、T74.31XA；T74.31 XD、T76.31 XA、T76.31 XD、Z69.81、Z69.82

·家庭育儿相关问题：Z62.820、Z62.891、Z62.29、Z62.898

·与关键支持成员相关的其他问题：Z63.0、Z63.5、Z63.8、Z63.4

·教育和职业问题：Z55.9、Z56.82、Z56.9

·住房和经济相关问题：Z59.0、Z59.1、Z59.2、Z59.3

·经济问题：Z59.4、Z59.5、Z59.6、Z59.7、Z59.9、Z59.8O

·社会环境的其他问题：Z60.0、Z60.2、Z60.3、Z60.4、Z60.5、Z60.9

·与犯罪或法律互动相关的问题：Z65.4、Z65.0、Z65.1、Z65.2、Z65.3

·咨询：Z70.9、Z71.9

·与社会心理、个人和环境条件相关的问题：Z65.8、Z64.0；Z64.1、Z64.4、Z65.4、Z65.5、Z71.81、Z65.9

·个人历史的其他情况：Z91.49、Z91.5、Z91.82、Z91.89、Z72.9；Z72.811、Z72.810

·与获得医疗和其他保健服务有关的问题：Z75.3、Z75.4

·不遵守医疗治疗：Z91.19、E66.9、Z76.5、Z91.83、R41.83

为便于解释，上述说明参照了具体的实施例。然而，上述示例性讨论并非详尽无遗，也并非要将权利要求的范围限制在所公开的精确形式上。鉴于上述指导，许多修改和变化都是可能实现的。选择这些实施例是为了更好地阐明权利要求的基本原理及其实际应用，从而使本领域的其他技术人员能够充分利用这些实施例，并根据具体的预期用途进行各种修改。