[发明专利]用于精神分裂症早期检测和风险预测系统

摘要

本发明的一种用于精神分裂症早期检测和风险预测系统，可解决目前很难对精神分裂症进行准确客观地早期检测和风险预测的技术问题。包括测试模块，采集及预处理模块，数据分析模块，学习分类模块及分类性能评估模块；本发明的用于精神分裂症早期检测和风险预测系统综合利用认知测试、临床检测和P50感觉门控电生理特征，以及XGBoost(the Extreme Gradient Boosting)机器学习方法，对精神分裂症高危个体、超高危个体和首发人群，进行定量化、客观化的检测识别和风险预测；具体的说通过联合使用认知、临床和P50感觉门控实验，运用源定位、脑网络以及机器学习等分析方法，提取联合特征，对首发、高危、超高危和正常对照四类人群进行分类，提高分类准确率和灵敏度及特异度。

主权项

1.一种用于精神分裂症早期检测和风险预测系统，其特征在于：包括以下模块：测试模块，所述测试模块用于对精神分裂症首发、高危、超高危和正常对照组四类人群进行临床检查和认知测试；采集及预处理模块，所述采集及预处理模块应用高密度脑电图技术，采集所述四类人群在执行P50感觉门控任务时的脑电信号，并对所述四类人群的脑电信号进行预处理；数据分析模块，所述数据分析模块对采集及预处理模块处理后的数据进行事件相关电位分析、源定位分析和脑网络分析；学习分类模块，所述学习分类模块基于测试模块的测试结果和数据分析模块的分析结果，分别提取认知临床特征、认知临床和神经电生理特征，基于上述特征，利用XGBoost机器学习算法对四类人群进行分类；分类性能评估模块，所述分类性能评估模块基于学习分类模块的分类结果，比较基于认知临床特征、认知临床及神经电生理特征的分类效果，并且计算灵敏度、特异度和ROC曲线下面积AUC。