[发明专利]一种脑电与温度相结合的抑郁人群判定方法有效
申请号: | 201610709400.9 | 申请日: | 2016-08-23 |
公开(公告)号: | CN106236027B | 公开(公告)日: | 2017-11-03 |
发明(设计)人: | 胡斌;赵庆林;彭宏;周昱;李志学;彭茹;马永昊 | 申请(专利权)人: | 兰州大学 |
主分类号: | A61B5/01 | 分类号: | A61B5/01;A61B5/0476;A61B5/0478 |
代理公司: | 北京高航知识产权代理有限公司11530 | 代理人: | 赵永强 |
地址: | 730000 甘肃省兰州*** | 国省代码: | 甘肃;62 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了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,采集电极包括EEG采集电极和温度采集电极,采集电极连接信号处理系统;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,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,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;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;通过采集的信号判别是否为抑郁症患者。 | ||
搜索关键词: | 一种 温度 相结合 抑郁 人群 判定 方法 | ||
【主权项】:
一种脑电与温度相结合的抑郁人群判定系统,其特征在于: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;所述信号处理系统进一步通过采集的信号判别是否为抑郁症患者,其处理步骤如下: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:R(q)=log(Σi=1Npiq)1-q]]>其中N表示根据alpha波幅值大小划分的子区间个数;Pi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:Pxx(ejω)=σω2(1+Σk=1pake-jωk)2]]>其中Pxx表示平均功率,为方差,αk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Pxx,计算合适的阶数K值记为Kp,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;(2)接收新文本之后,确定其向量表示;(3)在训练集合中,定位新文本,找出与它邻近的K个文本,公式如下:Sim(di,dj)=Σk=1MWik×Wjk(Σk=1MWik2)(Σk=1MWjk2)]]>其中W为特征向量;Sim(di,dj)为相似度计算公式(4)在选择了与其邻近的K个样本后,然后再做出每一类的权重,公式如下:p(x‾,cj)=ΣSim(x‾,d‾j)y(di‾,Cj)]]>其中x是特征向量,属于新文本;而是类别属性函数,即如果属于类Cj,那么函数值为1,否则为0,即函数值为1时,则该样本为抑郁人群,函数值为0时,则该样本为正常人群;其中,在判断一个被试的抑郁倾向之前,利用KNN分类器进行训练,使KNN分类器的分类成功率达到较高水平,之后就可以对新采集的脑电样本进行判断,得出该样本是否为抑郁人群,抑郁组的renyi熵要高于正常组,抑郁组的绝对功率和最大功率高于正常组的绝对功率和最大功率;温度采集电极采集的温度信号作为一个有效的辅助指标,对抑郁症人群进行标记,抑郁症患者前额叶的温度相比正常人的前额叶温度而言相对较低。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于兰州大学,未经兰州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610709400.9/,转载请声明来源钻瓜专利网。
- 上一篇:一种多功能电子宠物
- 下一篇:猪的智能化可穿戴设备