[发明专利]一种抑郁症自杀行为的多模式特征信息融合预测方法

说明书

本发明公开一种抑郁症自杀行为的多模式特征信息融合预测方法，包括采集脑电信号，数据采集以单侧乳突作参考电极，对侧乳突作记录电极，同时对测试者进行三维心理痛苦量表，仿真气球冒险任务进行神经心理学行为指标的评判；对数据预处理，将预处理后的EEG数据通过计算各个脑电极之间的PLV值检测脑电信号同步性，并且采用PLV值来进行脑网络构建；再通过模式识别方法对高风险自杀行为的抑郁病人样本与低风险自杀行为的抑郁病人样本进行分类；本发明有效提高分类精度，对预测重性抑郁障碍高自杀风险的更加客观，有效减少自杀行为的现象发生。

技术领域

本发明涉及医学领域，特别是涉及一种抑郁症自杀行为的多模式特征信息融合预测方法。

背景技术

预防自杀是全球卫生服务关注的重点，据世界卫生组织2015年统计数据，全球每年有近一百万人自杀；近年来自杀人数不断上升，自杀已经成为15到29岁人群致死的第二大原因，其中重性抑郁障碍(Major Depressive Disorder,MDD)是最常与自杀相关联的精神病，其自杀风险比总人口的自杀风险高约20倍，患者的自杀比率为2.2～6.2％，因此重性抑郁障碍(Major Depressive Disorder,MDD)被大多数自杀研究当做研究的靶向人群。

预测和评估自杀风险是一个重要而艰巨的临床问题，现有技术中提出了多种自杀成因理论并建立预测模型，如无望感理论，冲动性理论，自杀的人际心理理论，以及心理痛苦理论等，其中心理痛苦理论强调自杀的认知与动机因素，近年来获得了许多实证依据的支持。从心理痛苦理论所强调的痛苦逃避角度来说，自杀也可以被看作是在进行风险决策过程后所采取的主动行为，而对风险决策加工机制的研究将促进对自杀行为潜在机制的理解。事实上，已有大量研究表明：抑郁障碍患者存在风险决策能力的损伤，而其在风险决策中的表现还与自杀风险存在关联。然而传统上对自杀行为还主要停留在定性与简单主观评价上，传统的预测技术通常是基于单模式特征样本的预测方法，但是自杀行为患者是一种复杂的精神问题，涉及到行为，认知及神经信息的异常，因此，传统的检测方法无法有效客观的对自杀行为作出精确的预测。

发明内容

本发明的目的是提供一种抑郁症自杀行为的多模式特征信息融合预测方法，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了如下方案：本发明提供一种抑郁症自杀行为的多模式特征信息融合预测方法，包括如下步骤：

S1：采集脑电信号，数据采集以单侧乳突作参考电极，对侧乳突作记录电极，同时对测试者进行三维心理痛苦量表，仿真气球冒险任务进行神经心理学行为指标的评判；

S2：对S1中的数据预处理，包括：

S21：去眼电：通过EOG相关法消除眼电干扰；

S22：转参考：将双侧乳突作为参考电极；

S23：数字滤波：主要为了提高信噪比，消除50周或高频信号的干扰，采用频带宽为0.5-30Hz进行滤波；

S24：降采样率：将采样率降至250Hz重采样；

S25：去除伪迹：剔除幅值超出±100μV的脑电波；

S3：对步骤S2中的预处理后的EEG数据通过计算各个脑电极之间的PLV值检测脑电信号同步性，并且采用PLV值来进行脑网络构建；

S4：对步骤S3分析得到的PLV脑网络的神经信息与S1中自杀行为与决策认知行为特征融合与机器学习的分类判断；

优选的，步骤S3中：所述脑网络构建包括：

a、选取带通滤波的频率，相位锁定值是表示两组信号在特定频段上的同步程度，在分析前，有必要对信号进行某一频段的带通滤波，以便提取目标频段；