[发明专利]一种基于音乐诱发脑电的抑郁症识别方法

说明书

本发明提供一种基于音乐诱发脑电的抑郁症识别方法，涉及抑郁症识别领域，该方法的步骤为：步骤一、采集受试者接受中性、负性和正性音乐刺激时的脑电数据，然后对脑电数据进行预处理；步骤二、提取三种不同音乐刺激下预处理脑电信号的线性和非线性特征；步骤三、利用特征级融合技术对不同模态下提取的脑电信号特征进行线性组合；步骤四、采用t检验特征选择方法选择不同模态下脑电信号线性组合特征并进行遗传算法特征加权，获得加权后的特征；步骤五、将加权后的特征输入到待训练的分类器，构建抑郁识别模型。本发明对不同融合模态的特征进行分类，KNN分类器在正负音乐刺激的融合中识别准确率最高，可以为抑郁症的辅助识别提供客观的指标和依据。

技术领域

本发明涉及用于抑郁症检测的医疗技术领域，尤其涉及一种基于音乐诱发脑电的抑郁症识别方法。

背景技术

抑郁症又称抑郁障碍，是一种发病率较高的情感障碍精神疾病。抑郁症患者通常具有心境低落、兴趣和愉快感丧失、精力不济或疲劳感等典型症状。抑郁症的诊断主要应根据病史、临床症状、病程及体格检查和实验室检查。目前，国际上通用的诊断标准一般有ICD-10和DSM-IV，国内主要采用ICD-10。由于抑郁症患者数量逐年增加，潜在的神经机制和病理原理不清，诊断结果受主观因素的影响，使得抑郁症的临床诊断变得非常困难。因此，急需采取更加客观便捷的诊断方法，打破传统医学诊断的限制，提高抑郁症的医疗防治识别率，帮助患者得到及时有效的治疗。

脑电信号是神经元从头皮表面自发的、有节律的放电活动。它包含了大量生理与病理信息，是进行神经系统疾病诊断的主要依据。脑电图因具有安全、价廉、操作简便和无创等特点，广泛应用于辅助脑部疾病的诊断。近年来，众多研究发现，抑郁症患者和健康对照者的脑电数据在波段、功率和波幅等参数上有不同的变异规律。Leuchter等分析了121例中度抑郁患者和37例健康对照者的静息EEG数据，发现δ、θ、α和β波段的抑郁患者总体上表现出高于正常对照者，并且前额叶α波段的功率和同步性与正常对照组有显著差异。

音乐作为常见的刺激材料可以显著诱发人的情绪。音乐通过声波有规律的频率变化，作用于大脑皮质，并对丘脑下部和边缘系统产生效应，提高皮层神经的兴奋性，活跃和改善情绪状态。Dharmadhikari AS等人比较了抑郁患者和对照组在听音乐之前和期间在额叶theta能力的半球差异，研究发现在没有抑郁的对照组中，听音乐期间左半球的平均额叶theta功率和额叶theta不对称性显着增加。在抑郁症患者中，听音乐时额叶theta不对称性被逆转。Marko Punkanen等人研究了抑郁症患者对音乐中的情绪感知，研究表明抑郁症患者在幸福、悲伤、恐惧、愤怒和温柔等音乐刺激中感知更多的负面情绪，这为抑郁症的识别提供了一种手段。本发明采用中性、负性、正性三种音乐刺激诱发相应的脑电信号，建立一种有效的抑郁症识别模型，提高对抑郁症临床诊断的辅助作用。

发明内容

本发明提供一种基于音乐诱发脑电的抑郁症识别方法，通过音乐刺激诱发相应的脑电信号，建立一种新的模型来区分轻度抑郁症患者和正常对照组。采用特征融合技术对不同模型脑电图数据进行融合，构建抑郁识别模型。同时记录抑郁组和正常对照组在不同音乐刺激下的脑电图信号。然后从各模型的脑电图信号中提取线性和非线性特征，利用遗传算法对特征进行加权提高识别框架的整体性能。

实现本发明目的的技术解决方案为：一种基于音乐诱发脑电的抑郁症识别方法，该方法由以下步骤实现：

步骤1、使用脑电采集装置在受试者接受中性、负性和正性音乐刺激时，同步采集其脑电数据，然后对脑电数据进行预处理；

步骤2、采用线性分析法(如小波变换)和非线性分析法，分别提取三种不同音乐刺激脑电信号的频率、功率谱等线性特征和功率谱熵、样本熵、相关维数等非线性特征；

步骤3、利用特征级融合技术对不同模态下提取脑电信号的线性和非线性特征进行线性组合，获得多模态融合特征；

步骤4、采用t检验特征选择方法选取融合特征并采用遗传算法进行特征加权，获得加权后的特征；