[发明专利]一种脑电与温度相结合的抑郁人群判定方法

说明书

技术领域

本发明涉及脑电采集领域，具体为一种脑电与温度相结合的抑郁人群判定方法。

背景技术

抑郁症是一种非常常见的疾病。由于抑郁症不仅对患者本人而且也对于她的配偶和亲属的生活行为表现和生活质量也产生破坏性的影响，因此，对于如何实现早期诊断并随后进行早期治疗很重要。现今，借助于详细的对患者的问诊来诊断抑郁症，包括对患者的配偶和/或亲属的问诊。为此使用标准评估量表(例如，Hamilton的抑郁量表)缺少抑郁症的客观度量，也缺少抑郁症复发的客观度量。

生物电信号是最主要的人体心理参数之一，可广泛应用于生物医学研究、病人监护和临床诊断等。多年来，脑电活动已广泛应用于体育训练、思维控制技术和个性化的医疗保健等领域。作为能最直接表征生物电信号的特征之一，体表温度易于测量。

本发明通过对人体的脑电采集和温度采集相结合，通过客观的数据然后判断此人是否为抑郁症人群。

发明内容

本发明的目的在于提供一种脑电与温度相结合的抑郁人群判定方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种脑电与温度相结合的抑郁人群判定方法，包括采集电极及信号处理系统，所述采集电极包括EEG采集电极和温度采集电极，所述采集电极连接信号处理系统；所述信号处理系统包括温度信号放大单元、滤波单元、温度信号A/D模数转换单元、静电防护单元、EEG信号放大单元、EEG信号A/D模数转换单元、微处理器单元、数据存储单元、蓝牙传输单元、电源管理单元及显示输入单元，所述温度信号放大单元、滤波单元、温度信号A/D模数转换单元、微控制器单元依次相连，所述静电防护单元、EEG信号放大单元、EEG信号A/D模数转换单元、微处理器单元依次相连；所述微处理器单元连接数据存储单元、蓝牙传输单元、电源管理单元及显示输入单元；所述电源管理单元包括稳压供电单元、电池充电单元及电量检测单元，所述显示输入单元包括按键输入单元和状态灯显示单元；通过采集的信号判别是否为抑郁症患者，步骤如下：

第一步：去噪

通过传感器采集的脑电信号中含有大量的噪声，通过一种基于离散小波变换和自适应噪声抵消的眼电伪迹自动去除模型来去除我们采集的脑电信号中的噪声，噪声去除步骤如下：

(1)应用多尺度离散小波变换对原始脑电信号进行小波分解，得到小波系数，选择Daubechies 4小波群作为小波分解的母小波函数，对原始信号进行多尺度分解，选择的小波分解层数为7层；

(2)根据最小风险值准则，选择软阈值法对第一步中分解后的特定小波系数作阈值处理，对小波系数作阈值处理时，仅对小波分解后的最后三层小波系数进行处理，因为最后三层小波系数包含了原始记录信号的低频信息，也就基本包含了眼电信息，阈值处理后得到新的三层小波系数；

(3)通过小波重构对新的七层小波系数进行信号重构，这样便从原始受污染脑电信号中提取到了眼电信号；

(4)将提取到的眼电信号作为滤波单元的参考输入，原始受污染脑电信号作为滤波单元的原始输入，这样系统的输出就得到了去除眼电噪声后的干净脑电信号；

第二步：特征提取

1、renyi熵

利用FIR滤波器滤出alpha波(8-13HZ)，对其进行特征分析，renyi熵可以有效的评价抑郁症患者的alpha波活动；

renyi熵的计算公式为：

其中N表示根据alpha波幅值大小划分的子区间个数；P_i为第i个子区间在整个区间集中出现的概率，满足抑郁症患者相对与正常人有较高的renyi熵；

2、功率谱

利用AR模型谱估计的Burg算法，估计脑电Alpha波的功率谱，并计算绝对功率和最大功率；

使用AR模型谱估计计算功率谱的公式如下：

其中P_xx表示平均功率，为方差，α_k为AR模型的参数。

利用Burg算法求取AR模型的模型参数，具体过程是首先通过预测误差格型滤波器，然后再求取向前和向后预测误差的平均功率P_xx，计算合适的阶数K值记为K_p，再计算模型参数和输入噪声误差；

第三步：分类

利用K邻近(KNN)分类算法分辨抑郁症患者和正常人两类人群，步骤如下：

(1)根据所设置的特征renyi熵和功率谱来描述文本向量；