[发明专利]一种基于睡眠脑网络的抑郁症患者数据分类方法及装置

说明书

本发明公开了一种基于睡眠脑网络的抑郁症患者数据分类方法及装置，所述方法包括：获取待检测对象的睡眠脑网络的脑电数据，所述脑电数据包括若干导脑电图通道数据；采用WPLI算法对所述若干导脑电图通道数据进行相位同步计算，得到相位特征集；采用预设的筛选算法对所述相位特征集进行筛选，得到筛选特征集；对所述筛选特征集进行二分类检测，得到检测结果。本发明可以对多导联的脑电信号进行同步计算，减少信号干扰，从而有效评估抑郁症患者，大大检测的准确率。

技术领域

本发明涉及医疗辅助的技术领域，尤其涉及一种基于睡眠脑网络的抑郁症患者数据分类方法及装置。

背景技术

抑郁症(depression)最常见的抑郁障碍，以显著而持久的心境低落为主要临床特征。患病者轻则闷闷不乐、无愉快感、兴趣减退，重则悲观绝望、度日如年，该症状不但影响患者的日常生活，也增加患者亲友的生活压力。

为了及早确定患者的患病情况，目前常用的检测方式有两种，第一种是记录患者在一段时间内的行为与症状，再结合患者当前所处的环境进行检测判断。第二种是采集患者的脑电信号，根据脑电信号确定患者大脑内部的工作状态，再根据工作状态进行检测判断。

但目前常用的检测方法有如下问题：通过行为与环境进行检测判断需要记录一段时间内的症状，导致检测周期长，检测效率低；而采用脑电信号进行检测，需要处理的数据量大，冗余量大，数据处理难，不但处理时间长，而且检测准确率低。

发明内容

本发明提出一种基于睡眠脑网络的抑郁症患者数据分类方法及装置，所述方法可以对多导联的脑电信号进行同步计算，减少信号干扰，从而检测的准确率。

本发明实施例的第一方面提供了一种基于睡眠脑网络的抑郁症患者数据分类方法，所述方法包括：

获取待检测对象的睡眠脑网络的脑电数据，所述脑电数据包括若干导脑电图通道数据：

采用WPLI算法对所述若干导脑电图通道数据进行相位同步计算，得到相位特征集；

采用预设的筛选算法对所述相位特征集进行筛选，得到筛选特征集；

对所述筛选特征集进行二分类检测，得到分类结果。

在第一方面的一种可能的实现方式中，所述采用WPLI算法对所述若干导脑电图通道数据进行相位同步计算，得到相位特征集，包括：

采用WPLI算法计算所述若干导脑电图通道数据两两之间的通道相位差，得到若干个相位差值；

分别计算所述若干个相位差值对应的正弦值，得到若干个正弦值；

将所述若干个正弦值集合生成相位特征集。

在第一方面的一种可能的实现方式中，所述WPLI算法的计算公式如下：

其中WPLI_i，j，τ介于0～1之间，E{·}是期望值操作符，Δω_i，j，τ为节点i与j的相位差，Δω_i，j，τ的计算如下式所示：

Δω_i，j，τ＝ω_i(τ)-ω_j(τ)。

在第一方面的一种可能的实现方式中，所述采用预设的筛选算法对所述相位特征集进行筛选，得到筛选特征集，包括：

采用预设的筛选算法对所述相位特征集的每一个相位特征值进行评测，得到若干个评测特征值；

根据预设的百分比从所述若干个评测特征值中提取N个评测特征值，将所述N个评测特征值集合生成筛选特征集，其中N为大于或等于1的正整数。