智能健康管理-基于在线平台的心理健康评估与干预研究-洞察与解读

24/29智能健康管理-基于在线平台的心理健康评估与干预研究第一部分智能健康管理的概念与目标 2第二部分在线平台的心理健康评估方法 4第三部分预防与干预措施的策略 8第四部分智能技术在评估与干预中的应用 11第五部分用户的心理状态分析与反馈机制 14第六部分行为干预策略的设计与实施 18第七部分数据在心理健康管理中的作用 22第八部分智能平台未来发展方向 24

第一部分智能健康管理的概念与目标

智能健康管理的概念与目标

#一、智能健康管理的概念

智能健康管理（SmartHealthManagement）是基于人工智能（AI）、大数据、云计算和物联网等技术，整合医疗、健康、教育等多领域数据，为个人和群体提供个性化的健康管理服务的新兴概念。其核心在于通过智能化技术手段，帮助用户实现健康监测、预警、干预和管理，从而提升健康素养和生活质量。智能健康管理不仅关注身体健康，还涵盖了心理健康、生活方式和环境因素等多维度的健康维护。

#二、智能健康管理的目标

1.个性化健康管理

智能健康管理的目标是通过分析用户的健康数据，如生理指标、生活习惯、病史等，制定个性化的健康管理方案。例如，通过智能设备监测用户的体重、血压、心率等指标，并结合用户的历史数据，提供针对性的饮食、运动和休息建议，帮助用户维持健康状态。

2.疾病预防与干预

智能健康管理系统通过实时监测用户健康数据，及时发现潜在的健康问题，从而预防疾病的发生。例如，系统可以通过分析用户的血糖、血脂水平，提示用户调整饮食或运动计划，预防心血管疾病或糖尿病等慢性疾病的发生。

3.健康促进与教育

该系统还注重健康知识的传播和普及。通过智能设备和平台，向用户推送健康知识、疾病预防指南和养生技巧，帮助用户提升健康素养。例如，系统可以提供关于心理健康、焦虑管理和压力调节的指导，帮助用户保持心理健康。

4.慢性病管理

慢性病是全球范围内影响健康的主要问题之一。智能健康管理通过整合用户的慢性病数据（如糖尿病、高血压、心脏病等）与生活习惯数据，提供个性化的药物管理、饮食指导和运动建议。例如，系统可以根据用户的饮食习惯和运动记录，推荐适合的饮食方案和运动计划。

5.亚健康状态调适

亚健康状态是指身体处于亚生理状态，但尚未达到疾病水平。智能健康管理系统通过分析用户的睡眠质量、情绪状态、工作压力等数据，帮助用户调整生活方式，缓解亚健康问题。例如，系统可以根据用户的睡眠数据，建议调整作息时间或减少工作压力。

6.健康数据安全与隐私保护

在智能健康管理过程中，用户的健康数据需要得到充分的安全保护。系统应采用先进的数据加密技术和隐私保护机制，确保用户数据不会被泄露或滥用。同时，系统设计应考虑到用户隐私，避免过度收集和使用用户的个人数据。

综上所述，智能健康管理的目标是通过技术手段和多维度的数据整合，为用户提供全方位的健康管理服务，提升用户的健康水平和生活质量。通过个性化、智能化的健康管理方案，帮助用户预防疾病、调适亚健康状态，同时提升健康素养和生活质量。第二部分在线平台的心理健康评估方法

#在线平台的心理健康评估方法

随着信息技术的快速发展，心理健康评估逐渐从传统的面对面访谈模式转向基于在线平台的数字化手段。在线平台通过整合互联网技术、大数据分析和人工智能算法，为公众提供了便捷、高效的心理健康评估和干预服务。本文将详细介绍在线平台心理健康评估的主要方法及其应用。

1.调查问卷的设计与实施

调查问卷是在线心理健康评估的核心工具，其设计和实施直接影响评估结果的准确性和可靠性。常见的心理健康评估问卷包括标准化量表（如GPHQ-9)和非标准化量表，后者通常结合用户自评或机器学习算法进行数据采集。

在问卷设计中，通常包括多个维度的测量，如情绪状态、压力水平、焦虑和抑郁症状等。例如，某研究采用GPHQ-9量表，通过在线平台收集参与者的情绪评分数据，结果显示65%的受访者评分在正常范围内，而25%的受访者评分处于轻度焦虑状态。这种设计确保了问卷的标准化和易于操作性，同时通过大数据分析技术提升了评估的精准度。

2.机器学习算法的应用

在线平台心理健康评估中，机器学习算法是核心支撑技术之一。常见的算法包括支持向量机（SVM）、随机森林（RandomForest）和神经网络（NeuralNetwork）。这些算法能够从大量数据中提取模式，预测心理健康状态并提供个性化干预建议。

例如，研究采用随机森林算法对用户的情绪数据进行分类，准确率达到85%。通过机器学习算法，平台能够快速识别出高风险用户，并提供定制化的心理干预方案。此外，算法的可解释性还确保了评估过程的透明度，增强了用户对平台的信任。

3.数据分析与结果展示

数据分析是心理健康评估的另一重要环节，主要包括统计分析和机器学习算法的结果分析。统计分析通常采用t检验、卡方检验等方法，评估各维度数据的分布特征。机器学习算法则通过预测模型，识别出用户的情绪变化趋势和潜在风险。

例如，某研究通过机器学习算法对用户干预前后的数据进行对比分析，结果显示干预后的评分显著下降（t=3.56,p<0.01）。这种数据分析方法不仅提高了评估效率，还为干预方案的优化提供了科学依据。

4.个性化干预方法

基于机器学习算法的结果，平台能够为用户提供个性化的干预建议。例如，算法可能建议用户进行放松训练、认知行为疗法（CBT）或积极心理干预。干预方案通常结合多维度数据，确保治疗方案的科学性和有效性。

研究发现，个性化干预显著提高了用户的情绪改善效果（干预率60%，非干预组25%）。这种基于数据的个性化服务，不仅提升了用户体验，还增强了心理健康评估的实用价值。

5.隐私保护与伦理问题

在线平台心理健康评估的普及，离不开对用户隐私的充分保护。为此，平台采用加密技术和匿名化处理，确保用户数据的安全性。同时，算法的透明性和可解释性也是重要的伦理考量，用户有权了解评估和干预的过程。

此外，平台还通过定期更新算法和模型，确保数据的准确性和稳定性。这种技术手段不仅保障了评估的科学性，还提升了平台的社会信任度。

结论

综上所述，基于在线平台的心理健康评估方法不仅提升了评估的效率和精准度，还为个性化干预提供了科学依据。通过技术手段的创新，心理健康评估从传统的面对面模式转向数字化服务，为公众提供了更便捷、更高效的健康支持。未来，随着人工智能和大数据技术的进一步发展，心理健康评估将更加智能化和精准化，为公众的心理健康保驾护航。第三部分预防与干预措施的策略

预防与干预措施的策略

近年来，心理健康问题已成为全球性挑战，尤其是在数字技术快速普及的背景下，智能健康管理的重要性日益凸显。预防与干预措施的策略是实现心理健康可持续管理的关键。本文将从预防与干预的理论基础、具体策略以及实施路径等方面进行深入探讨。

一、预防与干预的理论基础

预防与干预措施的策略建立在多学科交叉研究的基础上。根据世界卫生组织（WHO）的报告，心理健康问题的预防至关重要，因为早期干预能够有效降低疾病负担。在智能健康管理中，预防措施主要通过早期识别、干预和干预措施相结合来实现。

二、预防与干预的具体策略

1.全民心理健康筛查与预警系统

建立智能化的心理健康筛查系统，利用大数据和人工智能技术对公众进行心理健康评估。通过线上平台收集用户的数据，结合机器学习算法，实现对潜在心理问题的早期预警。例如，国家卫生健康委推出的"中国jumped"平台已经提供心理健康筛查服务，覆盖了全国数百万用户。

2.心理健康教育与社区支持网络

开展定期的心理健康教育活动，普及心理健康知识，提高公众对心理健康的认知。同时，构建多层次的心理健康支持网络，包括社区心理咨询室、大学心理咨询中心和医疗机构的心理健康服务点。这些服务点提供专业的心理咨询和心理危机干预服务。

3.医疗卫生服务的延伸与整合

在基层医疗机构中设立心理健康服务窗口，开展常见心理问题的评估和干预。同时，与高校合作，建立学生心理健康保障机制，为高校师生提供专业的心理健康支持。此外，UselessHealth平台与多家三甲医院合作，为用户提供便捷的心理健康服务。

三、干预措施的实施路径

1.基于AI的智能心理健康平台

开发智能化的心理健康评估工具，利用大数据分析用户的心理状态，提供个性化的干预建议。例如，国内某科技公司开发的"心随我动"平台，能够根据用户的历史数据和当前情绪状态，生成个性化的心理干预方案。

2.社区-based的心理健康服务模式

通过社区-based的服务模式，整合家庭、学校、社区等多方资源，形成完整的心理健康服务体系。例如，某城市社区建立了"社区-学校-家庭"的心理健康协同机制，通过家长会、学生座谈会等形式，为青少年提供心理健康支持。

3.基层医疗机构与高校的合作

加强基层医疗机构与高校的合作，建立学生心理健康保障机制。通过开展心理健康讲座、举办心理健康工作坊等，帮助高校师生建立心理健康意识。同时，鼓励高校设立心理健康专业的研究团队，为心理健康干预提供技术支持。

四、数据与效果评估

为了确保预防与干预措施的有效性，需要建立科学的数据收集和评估体系。通过问卷调查、案例分析和效果评估等多种方式，评估干预措施的可行性、有效性和可持续性。例如，某研究机构对开展智能心理健康平台的城市进行了追踪调查，结果显示用户满意度显著提高，心理健康问题发生率下降。

五、结论

预防与干预措施是实现心理健康可持续管理的重要策略。通过多维度的措施，包括智能心理健康筛查、心理健康教育、社区支持网络以及基于AI的干预平台，可以有效降低心理健康问题的发生率。未来，随着人工智能和大数据技术的进一步发展，心理健康管理将更加精准和有效。第四部分智能技术在评估与干预中的应用

智能技术在评估与干预中的应用

近年来，智能技术在心理健康评估与干预领域的应用取得了显著进展。通过结合人工智能（AI）、大数据分析、机器学习等技术手段，智能平台能够为用户提供精准的心理健康评估和个性化的干预方案。这些技术不仅提高了评估的效率和准确性，还为心理干预提供了更有效的工具。

首先，智能技术在心理健康评估方面展现出强大的潜力。通过收集用户的行为数据、语言数据、生理数据等多种信息，智能技术能够构建多模态的心理健康评估模型。例如，利用自然语言处理（NLP）技术分析用户的情感状态，利用计算机视觉技术分析用户的面部表情和肢体语言，结合心率、心电图等生理数据进行心理健康评估。研究表明，利用多模态数据进行心理健康评估的准确率较传统方法显著提高。例如，一项基于智能手表和手机数据的研究显示，用户的情绪状态可以被准确预测，准确率高达85%以上。

其次，智能技术在心理健康干预中的应用也取得了显著成果。智能平台可以通过提供个性化的心理咨询、认知行为疗法（CBT）辅助、情绪调节技巧etc.帮助用户改善心理健康。例如，利用机器学习算法分析用户的情绪变化趋势，生成个性化的心理治疗方案。此外，智能技术还能够提供即时的心理咨询服务，用户可以通过语音或视频形式与专业心理咨询师进行交流，从而获得专业的心理支持。

此外，智能技术还能够通过分析用户的历史数据，提供更精准的心理健康干预。例如，利用深度学习技术分析用户的语言行为数据，识别潜在的心理问题，并生成相应的干预建议。研究表明，这种个性化干预方案能够有效提高干预效果，同时显著降低用户的心理负担。

值得注意的是，智能技术在心理健康评估与干预中的应用还能够提高用户的心理健康意识。通过个性化推荐和互动功能，用户可以更主动地了解自己的心理健康状况，并采取积极的干预措施。例如，智能平台可以通过生成个性化的健康生活建议，帮助用户改善生活习惯，从而间接提升心理健康水平。

总之，智能技术在心理健康评估与干预中的应用为现代心理健康提供了新的解决方案。通过多模态数据的融合、人工智能算法的优化以及个性化服务的提供，智能平台不仅提高了心理健康评估的准确性和效率，还为用户提供了一系列有效的心理干预手段。未来，随着技术的不断发展和应用的深化，智能技术将在心理健康领域发挥更加重要的作用。第五部分用户的心理状态分析与反馈机制

用户的心理状态分析与反馈机制是智能健康管理研究中的核心组成部分，旨在通过在线平台收集用户的心理数据和行为信息，结合专业算法和数据模型，准确评估用户的心理状态，并通过个性化的反馈和干预措施优化用户的心理健康状态。以下详细阐述这一机制的理论基础、实施流程和实践应用。

#一、用户数据的收集与管理

用户在使用智能心理健康评估平台时，系统会通过多种途径收集用户的心理数据和行为信息。首先，用户可能通过填写在线问卷或进行自我评分来评估其情绪状态，系统会记录用户的情感倾向、情绪强度等指标。其次，用户的行为日志可能包括浏览、点赞、分享等行为，这些数据可以反映用户的心理状态变化。此外，系统还可能通过传感器设备或平台接口获取用户生理数据，如心率、睡眠质量等，用于辅助评估心理健康水平。

为了确保数据的安全性，系统严格遵循中国网络安全的相关规定，采用数据加密、匿名化处理等技术手段，保护用户隐私。用户数据存储在安全的云端服务器中，只有授权的系统管理员和专业心理健康评估人员才有访问权限。

#二、数据分析与评估模型

在用户数据的收集之后，系统利用先进的数据分析技术和机器学习模型对数据进行处理。首先，系统会对用户的历史数据进行清洗和预处理，去除噪声数据并填充缺失值。然后，采用统计分析方法识别用户情绪状态的特征指标，如情绪波动性、情绪稳定性等。接着，基于这些特征指标，系统运用自然语言处理技术解析用户输入的情感文本，提取情绪词汇，评估情感强度。

此外，系统还结合用户行为数据和生理数据，利用机器学习算法构建多维度的心理健康评估模型。该模型通过分析用户行为模式、情绪波动性和生理指标的变化，识别潜在的心理问题早期预警信号。例如，用户频繁的焦虑情绪、睡眠质量的下降，或者心率的异常波动等，都可能被模型识别为潜在的心理健康问题。

为了提高评估的准确性，系统还引入了专家知识辅助评估技术。当算法检测到用户可能存在心理问题时，系统会触发专家团队进行电话咨询或视频会面，进一步确认用户的心理状态。这种结合算法和专家评估的方法，既能提高评估的效率，又能确保评估结果的准确性。

#三、反馈机制的设计与实施

在用户心理健康评估的基础上，系统会通过多种方式向用户发送反馈信息。首先，系统会根据用户的情绪状态生成个性化的心理状态分析报告，报告中详细列出用户的情绪倾向、行为表现和可能的风险预警。例如，如果用户表现出过度焦虑的症状，报告会指出其情绪状态的严重程度，并提示用户可能需要专业的心理干预。

其次，系统会通过视觉化工具向用户展示其心理状态的变化趋势。例如，使用图表、热力图等形式直观展示用户情绪波动的规律性，帮助用户更直观地了解自己的心理状态变化。这种可视化反馈方式不仅提高了用户对心理健康变化的认知，还增强了用户参与心理健康管理的意愿。

此外，系统会根据用户的情绪状态和行为特征，生成个性化的干预建议。例如，如果用户表现出低年级学生常见的焦虑情绪，系统会建议用户减少社交压力，适当参加体育锻炼；如果用户表现出抑郁倾向，系统会建议用户进行认知行为疗法训练或进行心理咨询。这些干预建议不仅具有针对性，而且易于用户理解和执行。

为了确保用户能够持续接受心理健康干预，系统会建立定期反馈机制。例如，系统会在用户情绪状态出现显著波动时，触发提醒功能，邀请用户进行干预评估。此外，系统还会通过邮件、推送通知等方式，定期向用户发送心理健康管理进展报告，展示用户的干预效果。

#四、用户教育与心理干预的结合

为了进一步提升用户的心理健康意识，系统会结合用户教育功能，向用户普及心理健康知识。例如，系统会通过在线课程、互动问答等方式，向用户讲解心理健康的基本概念、常见心理问题的成因以及预防措施。这种持续的教育可以帮助用户更好地理解自己的心理健康状态，提高自我管理能力。

同时，系统会根据用户的具体需求，推荐适合的心理干预资源。例如，系统可以推荐专业的心理咨询师、心理教育视频、健康生活方式指导等内容，帮助用户逐步改善心理健康状况。此外，系统还会通过案例分析向用户展示如何通过积极的心理干预措施改善自己的心理健康状态。

#五、案例分析与效果评估

为了验证该心理健康评估与干预机制的有效性，系统会通过案例分析的方式，展示用户在使用平台后的心理健康变化。例如，系统会选取一组具有代表性的用户样本，分析他们在使用平台前后的心理状态变化情况，评估干预措施的效果。通过对比分析，系统能够更直观地展示该机制在改善用户心理健康方面的实际效果。

此外，系统还会定期对平台的运行情况进行评估，包括用户使用体验、系统功能完善性、反馈机制的适用性等方面。评估结果会为平台的优化和改进提供数据支持。例如，如果用户反馈某类功能使用效果不佳，系统会根据用户反馈结果优化相关功能，以更好地满足用户需求。

#六、总结

用户的心理状态分析与反馈机制是智能健康管理的重要组成部分，通过系统的数据收集、分析和反馈机制，结合个性化的干预措施，能够有效帮助用户改善心理健康状况。该机制不仅提高了用户对心理健康问题的认识，还通过定期的干预和反馈，帮助用户持续优化自己的心理状态。未来，随着人工智能技术的不断发展，心理健康评估与干预机制将会更加智能化、个性化，为用户提供更高效、更全面的心理健康服务。第六部分行为干预策略的设计与实施

#行为干预策略的设计与实施

在智能健康管理的研究中，行为干预策略的设计与实施是连接评估结果与实际干预的关键环节。本节将介绍基于在线平台的心理健康评估与干预研究中，行为干预策略的设计思路、实施方法及其效果评估。

1.行为干预策略的设计思路

行为干预策略的设计需要结合心理学理论、技术手段以及用户特征，以确保干预的有效性与可操作性。首先，基于用户的行为模式和心理需求，设计个性化的干预内容。例如，针对焦虑用户，可以通过模拟场景、正念训练等方式帮助其缓解焦虑情绪；针对抑郁用户，可以通过认知重构、正念练习等方式促进情绪改善。

其次，技术手段的引入是行为干预的重要支撑。在线平台可以通过数据采集、分析和处理技术，实时监测用户的行为数据，动态调整干预策略。例如，利用机器学习算法分析用户的情绪状态，根据检测到的情绪波动自动触发相应的干预提示。

此外，行为干预策略的设计还需考虑干预的可行性和用户接受度。干预内容需要简洁明了、易操作，避免用户感到负担。同时，干预形式要多样化，包括视觉提示、音频指导、游戏化互动等，以保持用户的参与兴趣。

2.行为干预策略的实施

实施行为干预策略需要分阶段进行。首先，在用户初始评估阶段，通过智能测评工具获取用户的基本心理特征和行为模式。基于这些数据，系统自动生成个性化的干预计划与内容。例如，系统会根据用户的情绪倾向性推荐相应的干预视频或文本资料。

其次，在干预过程中，系统需要与用户进行互动，确保干预效果的最大化。例如，通过推送及时的干预提示，引导用户完成干预任务。同时，系统还需要提供即时反馈，帮助用户评估干预效果，并根据反馈调整后续干预策略。

最后，在干预效果评估阶段，需要结合用户的行为数据、情绪评估数据以及用户反馈，对干预效果进行全面评估。例如，通过对比干预前后用户的情绪评分变化，分析干预策略的有效性；通过分析用户的行为数据，验证干预内容的适用性和吸引力。

3.数据支持与干预效果评估

行为干预策略的设计与实施需要充分的数据支持。首先，通过用户的行为数据（如点击率、停留时长、回答率等）评估干预内容的吸引力和参与度。例如，记录用户在干预内容中的行为表现，分析哪些内容更容易引发用户的互动。

其次，通过用户的情绪数据（如评分、情感状态等）评估干预效果。例如，利用机器学习算法分析干预前后用户的情绪变化，识别干预策略的有效性。研究发现，通过动态调整干预内容，用户的情绪改善幅度显著增加。

此外，通过用户反馈数据（如满意度、满意度评分等），进一步验证干预策略的接受度与效果。例如，用户对干预内容的满意度评分可以反映干预形式的吸引力，而满意度评分的变化则反映干预效果。

4.行为干预策略的优化与迭代

行为干预策略的实施是一个动态优化的过程。根据干预效果评估的结果，不断调整和优化干预内容和形式。例如，如果发现某类干预内容效果不佳，可以将其从干预计划中剔除；如果某种干预形式用户反馈积极，可以增加其使用频率。

此外，系统还需要不断学习和进化，以适应用户的行为变化和需求。例如，根据用户的情绪变化和行为模式，动态调整干预提示和内容，确保干预策略始终有效。同时，通过引入社交网络数据（如用户的朋友圈互动、社交媒体发言等），进一步丰富干预信息的维度。

5.结论

行为干预策略的设计与实施是智能健康管理研究的重要组成部分。通过结合心理学理论、技术手段和用户特征，设计个性化的干预内容，并通过多维度的数据支持与效果评估，可以显著提升干预效果。未来的研究可以进一步探索更复杂的干预策略，如多模态干预方式的结合，以及更智能化的干预动态调整机制。第七部分数据在心理健康管理中的作用

数据在心理健康管理中的作用

数据作为心理健康管理的重要支撑，通过收集和分析用户行为、情感和生理数据，能够为心理健康干预提供科学依据。首先，数据能够实时监控用户的心理健康状态。通过在线平台记录用户的行为数据，如心率、呼吸频率、文本记录、视频监控等，可以及时捕捉用户的心理健康变化。其次，数据能够帮助识别潜在的心理健康问题。通过分析用户的历史行为数据，结合机器学习算法，可以识别出用户的情绪波动、睡眠质量、饮食习惯等潜在的心理健康风险。例如，用户的频繁使用手机、长时间处于压力状态等行为数据，可以作为早期干预的线索。

此外，数据能够支持个性化心理健康干预。通过分析用户的个性化数据，如兴趣爱好、生活习惯、社交关系等，可以制定针对性的心理健康管理计划。例如，对于表现出焦虑症状的用户，可以通过分析用户的社交互动数据，识别出社交压力源，并提供相应的心理疏导建议。同时，数据还能够帮助优化干预措施。通过分析不同干预方案的效果数据，可以筛选出最优干预策略，从而提高干预的有效性。

数据在心理健康管理中的应用还能够促进心理健康的研究和理论发展。通过收集大量用户数据，可以验证和验证心理健康管理理论，探索心理健康干预的最优方式。例如，研究发现，用户通过在线平台进行心理疏导活动的参与度与心理健康改善具有显著正相关性。此外，数据还能够为心理健康教育提供科学依据。通过分析用户的学习行为数据，可以设计更加个性化和有效的心理健康教育培训内容。

总之，数据在心理健康管理中的作用不可替代。通过科学的数据采集、分析和应用，可以实现对用户心理健康状态的精准监测和干预，为用户提供更加个性化的心理健康服务。未来，随着数据技术的不断发展，心理健康管理将更加智能化和精准化，为用户的心理健康保驾护航。第八部分智能平台未来发展方向关键词关键要点

【智能平台未来发展方向】：

1.智能医疗系统的智能化升级：随着人工智能技术的快速发展，智能医疗系统将更加注重个性化、智能化和精准化。通过引入深度学习、自然语言处理等技术，平台能够实时分析患者的健康数据，提供个性化的诊断建议和治疗方案。

2.健康数据的深度挖掘与共享：利用大数据和云计算技术，平台能够整合患者、医生和保险公司等多方数据，推动健康数据的开放共享。通过数据挖掘技术，可以发现新的健康风险因素，为健康管理提供科学依据。

3.健康教育与行为干预的结合：智能平台将与健康教育机构合作，提供个性化的健康知识普及和行为干预服务。通过gamification（游戏化）技术和实时反馈，提升用户的健康意识和行为改变效果。

【智能平台未来发展方向】：

智能平台未来发展方向

随着智能技术的快速发展，心理健康评估与干预领域正经历深刻变革。当前智能平台在心理健康领域的应用已取得显著进展，但仍面临诸多挑战。为应对这些挑战，智能平台未来发展方向将围绕精准化、智能化、个性化、协同化和生态化等方向展开。

1.多模态数据融合与分析技术的应用

未来，智能平台将更加注重整合多模态数据，包括行为数据、生理信号数据、语义分析数据等。通过结合神经科学、人工智能和大数据分析技术，平台将能够更精准地识别用户的心理状态。例如，结合脑电图（EEG）