基于多尺度熵分析心身关联性的方法及系统技术方案

本发明专利技术提供了一种基于多尺度熵分析心身关联性的方法，该分析方法包括：采集受试者的脑电信号和心电信号；通过对数据采集步骤中采集的脑电信号和心电信号进行预处理，获取准确脑电数据和心率数据；通过多尺度熵算法对数据处理步骤中确定的准确脑电数据和心率数据进行计算，获取准确脑电数据和心率数据的多尺度熵值；通过对多尺度熵计算步骤中计算的准确脑电数据和心率数据的多尺度熵值进行相关性分析，确定受试者的心身关联度。本发明专利技术通过对脑电信号和心电信号的计算分析确定心身关联度，通过全面地对脑电信号和心电信号进行计算确定，使得计算结果客观科学，以便客观科学地对人体健康状况进行评估。

Method and system of psychosomatic correlation analysis based on multi-scale entropy

The present invention provides a method based on multi-scale entropy analysis of psychosomatic correlation, which includes the acquisition of EEG signals and ECG signals of the subjects. By preprocessing the EEG signals and ECG signals collected from the data acquisition steps, the accurate EEG data and heart rate data are obtained; and the multi-scale entropy algorithm is used. The accurate EEG data and heart rate data determined in the data processing step are calculated to obtain the multi-scale entropy value of accurate EEG data and heart rate data, and the correlation of the subjects' heart and body correlation is determined by the correlation analysis of the multi-scale entropy value of the accurate EEG data and heart rate data calculated in the multi-scale entropy calculation step. This invention determines the correlation degree of the heart and body by calculating and analyzing the brain electrical signal and ECG signal, and calculates the EEG and ECG signals in an all-round way, so that the calculation results are objective and scientific, so as to objectively and scientifically evaluate the health of the human body.

【技术实现步骤摘要】
基于多尺度熵分析心身关联性的方法及系统
本专利技术涉及医疗
，具体而言，涉及一种基于多尺度熵分析心身关联性的方法。
技术介绍
心与身的关系自古以来就一直是人们探索的一个不解之谜，我国古代中医理论中就有心身互相影响的论述，如《内经》：“怒伤肝、思伤脾、喜伤心、忧伤肺、恐伤肾”等，以及“精神内守，病安从来”。可视为心身医学理论思维的雏形。在西方，心与身的关系也一直为人们所关注。经历了实验生物医学的快速发展后，在肿瘤、AIDS、慢性疾病和精神疾病等的防治过程中，人们开始逐渐认识到心身医学的重要性。目前，通过量表统计及临床观测等方法研究表明，有意识的心理因素，如情绪会引起人体的生理、生化变化，而人体的生理、生化变化也会对人的心理因素产生影响。探索心身关联性是身心医学研究的重点，然而，现阶段对心身关联性的研究结论主要是通过经验总结或量表统计的方式获得的；这样的方法受主观因素影响较大，并不能采用客观量化的科学数据对身心关联性进行分析。心理活动是脑功能活动的表现，脑是心理活动的器官及物质基础，对脑电的研究是探索心理活动的一种重要方法；它作为一种动态的波形电位变化，能比较客观地反映脑中枢神经系统的机能状态；自主神经系统掌握着性命攸关的生理功能，如心脏搏动，对心电信号的分析从某种程度能够对人体生理功能进行评估。现阶段对心身关联性的研究较少，大部分研究仅从身或心其中一个角度对人体的健康状况进行检测评估；少数对心身关联性的研究主要通过量表统计及临床观测等手段进行评估；人们在疾病治疗和提高健康水平方面对于身心关联的意识较少。传统的方法虽然也能对人体的健康状况进行研究，但存在如下不足：第一，仅对身或心其中一个指标进行检测，对人体的健康状况进行研究，忽略了心身调节的机理研究；而实际上，有些疾病和健身方法是通过心身互相影响、调节作用下的结果，对于这些受到心与身相互调节、影响的情况，采用单指标的分析方法确定的分析结果比较片面，具有局限性；二、通过量表或临床观测对心身关联性进行评估的方法受主观因素影响较大，并不能通过客观量化的数据科学的测量解释心与身的具体关联特性，致使检测结果准确率低。
技术实现思路
鉴于此，本专利技术提出了一种基于多尺度熵分析心身关联性的方法及系统，旨在解决现有检测人体健康状况具有局限性和准确率低的问题。一方面，本专利技术提出了一种基于多尺度熵分析心身关联性的方法，该分析方法包括：数据采集步骤，采集受试者的脑电信号和心电信号；数据处理步骤，通过对所述数据采集步骤中采集的所述脑电信号和所述心电信号进行预处理，获取准确脑电数据和心率数据；多尺度熵计算步骤，通过多尺度熵算法对所述数据处理步骤中确定的所述准确脑电数据和所述心率数据进行计算，获取所述准确脑电数据和所述心率数据的多尺度熵值；关联性分析步骤，通过对所述多尺度熵计算步骤中计算的所述准确脑电数据和所述心率数据的多尺度熵值进行相关性分析，确定受试者的心身关联度。进一步地，上述基于多尺度熵分析心身关联性的方法，在所述多尺度熵计算步骤中，通过在不同的时间尺度下计算所述脑电信号和/或所述心电信号的特征序列的样本熵，确定所述准确脑电数据和/或所述心率数据的多尺度熵。进一步地，上述基于多尺度熵分析心身关联性的方法，所述多尺度熵计算步骤包括：子步骤1，按照如下公式构造所述准确脑电数据和/或所述心率数据粗粒化的时间序列其中，Xi为经过处理的第i个所述准确脑电数据或所述心率数据，N为所述准确脑电数据或所述心率数据的长度，为所述粗粒化时间序列{y(τ)}中的第j个元素，1≤j≤N/τ，τ为尺度因子；子步骤2，通过如下公式构造所述准确脑电数据和/或所述心率数据的特征序列的样本熵的m维向量Xm(i)：Xm(i)＝{yi+k:0≤k≤m-1}；其中，m为嵌入维数，i为经上述公式处理后确定的所述准确脑电数据和/或所述心率数据特征序列m维向量的编号，yi+k为所述粗粒化时间序列{y(τ)}中第i+k个元素；子步骤3，通过如下公式计算所述m维向量Xm(i)和其余向量Xm(j)之间的距离d[xm(i),xm(j)]：d[xm(i),xm(j)]＝max|y(i+k)-y(j+k)|；其中，0≤k≤m-1；i,j＝1～M-m+1；i≠j，M为时间序列{y(τ)}的序列长度，M＝int(N/τ)；子步骤4，确定对每一个i值d[xm(i),xm(j)]＜r的个数即模板匹配数Bm(i)，并计算所述模板匹配数与所述距离的个数之间的比值其中，r为公差阈值；子步骤5，计算所述模板匹配数与所述距离的个数之间的比值的平均值子步骤6，增加维数为m+1以构造m+1矢量，重复子步骤2至子步骤5通过计算并通过计算所述比值的平均值，如果M为有限值，通过如下公式确定序列长度为M时的样本熵估计值SampEn(m,r,M)：SampEn(m,r,M)＝-ln[Cm+1(r)/Bm(r)]；子步骤7，重复子步骤1至子步骤6，确定不同尺度下的所述准确脑电数据和所述心率数据的样本熵值。进一步地，上述基于多尺度熵分析心身关联性的方法，在所述关联性分析步骤中，通过互信息理论的算法确定受试者的心身关联度。进一步地，上述基于多尺度熵分析心身关联性的方法，在所述关联性分析步骤中，通过如下公式确定受试者的心身关联度I(X,Y)：I(X,Y)＝H(X)+H(Y)-H(XY)；其中，H(X)为所述准确脑电样本熵序列的熵值；H(Y)为所述心率样本熵序列的熵值；H(XY)为所述准确脑电样本熵序列和所述心率样本熵序列的联合熵值。进一步地，上述基于多尺度熵分析心身关联性的方法，所述准确脑电样本熵序列的熵值H(X)由确定；所述准确心率样本熵序列的熵值H(Y)由确定；所述准确脑电样本熵序列和所述心率样本熵序列的联合熵值H(XY)由确定；其中，为所述准确脑电样本熵序列的概率密度函数；为所述心率样本熵序列的概率密度函数；为所述准确脑电样本熵序列和所述心率样本熵序列的联合概率密度函数。进一步地，上述基于多尺度熵分析心身关联性的方法，所述多尺度熵计算步骤中，在所述脑电信号稳定后通过对所述脑电信号进行的预处理为滤波处理和去眼电处理。进一步地，上述基于多尺度熵分析心身关联性的方法，该分析方法还包括：预处理步骤，将测试环境调整至预设要求，并对受试者进行头发干度检测、电极点去角质和电极安置处理。本专利技术提供的基于多尺度熵分析心身关联性的方法，通过预处理步骤S1在采集数据前，对测试环境和受试者进行处理，确保了数据采集步骤S2中采集的脑电信号和心电信号的准确性，进而确保心身关联度的准确性；通过数据处理步骤对数据采集步骤采集的脑电信号和心电信号进行预处理，以便获取更为准确的准确脑电数据和心率数据，进而确保心身关联度的准确性；通过多尺度熵计算步骤基于多尺度熵算法对准确脑电数据和心率数据进行多尺度值的计算，以便了解准确脑电数据和所述心率数据的序列复杂度，进而对进行脑电信号和心电信号的相关性分析时对准确脑电数据和所述心率数据进行筛选，进而获取更为准确的心身关联度，同时计算的多尺度熵值具有的抗干扰和抗噪性，能够有效提取脑电信号和心电信号的特征信息，消除计算过程中产生的不确定性，大大提高了确定的心身关联度的准确性；通过关联性分析步骤对多尺度熵值进行分析，确定受试者的心身关联度，以便根据心身关联度本文档来自技高网...

【技术保护点】
一种基于多尺度熵分析心身关联性的方法，其特征在于，包括：数据采集步骤，采集受试者的脑电信号和心电信号；数据处理步骤，通过对所述数据采集步骤中采集的所述脑电信号和所述心电信号进行预处理，获取准确脑电数据和心率数据；多尺度熵计算步骤，通过多尺度熵算法对所述数据处理步骤中确定的所述准确脑电数据和所述心率数据进行计算，获取所述准确脑电数据和所述心率数据的多尺度熵值；关联性分析步骤，通过对所述多尺度熵计算步骤中计算的所述准确脑电数据和所述心率数据的多尺度熵值进行相关性分析，确定受试者的心身关联度。

【技术特征摘要】
1.一种基于多尺度熵分析心身关联性的方法，其特征在于，包括：数据采集步骤，采集受试者的脑电信号和心电信号；数据处理步骤，通过对所述数据采集步骤中采集的所述脑电信号和所述心电信号进行预处理，获取准确脑电数据和心率数据；多尺度熵计算步骤，通过多尺度熵算法对所述数据处理步骤中确定的所述准确脑电数据和所述心率数据进行计算，获取所述准确脑电数据和所述心率数据的多尺度熵值；关联性分析步骤，通过对所述多尺度熵计算步骤中计算的所述准确脑电数据和所述心率数据的多尺度熵值进行相关性分析，确定受试者的心身关联度。2.根据权利要求1所述的基于多尺度熵分析心身关联性的方法，其特征在于，在所述多尺度熵计算步骤中，通过在不同的时间尺度下计算所述脑电信号和/或所述心电信号的特征序列的样本熵，确定所述准确脑电数据和/或所述心率数据的多尺度熵。3.根据权利要求2所述的基于多尺度熵分析心身关联性的方法，其特征在于，所述多尺度熵计算步骤包括：子步骤1，按照如下公式构造所述准确脑电数据和/或所述心率数据粗粒化的时间序列{y(τ)}：其中，Xi为经过处理的第i个所述准确脑电数据或所述心率数据，N为所述准确脑电数据或所述心率数据的长度，为所述粗粒化时间序列{y(τ)}中的第j个元素，1≤j≤N/τ，τ为尺度因子；子步骤2，通过如下公式构造所述准确脑电数据和/或所述心率数据特征序列的m维向量Xm(i)：Xm(i)＝{yi+k:0≤k≤m-1}；其中，m为嵌入维数，i为经上述公式处理后确定的所述准确脑电数据和/或所述心率数据特征序列m维向量的编号，yi+k为所述粗粒化时间序列{y(τ)}中第i+k个元素；子步骤3，通过如下公式计算所述m维向量Xm(i)和其余向量Xm(j)之间的距离d[xm(i),xm(j)]：d[xm(i),xm(j)]＝max|y(i+k)-y(j+k)|；其中，0≤k≤m-1；i,j＝1～M-m+1；i≠j，M为时间序列{y(τ)}的序列长度，M＝int(N/τ)；子步骤4，确定对每一个i值d[xm(i),xm(j)]＜r的个数即模板匹配数Bm(i)，并计算所述模板匹配数与所述距离的个数之间的比值其中，r为公差阈值；子步骤5，计算所述模板匹配数与所述距离的个数之间的比值的平均值子步骤6，增加维数为m+1以构造m+1矢量，重复所述子步骤2至所述子步骤5通过计算并通过计算所述比值的平均值，如果M为有限值，通过如下公式确定序列长度为M时的样本熵估计值SampEn(m,r,M)：SampEn(m,r,M)＝-ln[Cm+1(r)/Bm(r)]；子步骤7，重复所述子步骤1至所述子步骤6，确定不同尺度下的所述准确脑电数据和所述心率数据的样本熵值。4.根据权利要求1至3任一项所述的基于多尺度熵分析心身关联性的方法，其特征在于，在所述关联性分析步骤中，通过互信息理论的算法确定受试者的心身关联度。5.根据权利要求4所述的基于多尺度熵分析心身关联性的方法，其特征在于，在所述关联性分析步骤中，通过如下公式确定受试者的心身关联度I(X,Y)：I(X,Y)＝H(X)+H(Y)-H(XY)；其中，H(X)为所述准确脑电样本熵序列的熵值；H(Y)为所述心率样本熵序列的熵值；H(XY)为所述准确脑电样本熵序列和所述心率样本熵序列的联合熵值。6.根据权利要求6所述的基于多尺度熵分析心身关联性的方法，其特征在于，所述准确脑电样本熵序列的熵值H(X)由确定；所述准确心率样本熵序列的熵值H(Y)由确定；所述准确脑电样本熵序列和所述心率样本熵序列的联合熵值H(XY)由确定；其中，为所述准确脑电样本熵序列的概率密度函数；为所述心率样本熵序列的概率密度函数；为所述准确脑电样本熵序列和所述心率样本熵序列的联合概率密度函数。7.根据权利要求1至3任一项所述的基于多尺度熵分析心身关联性的方法，其特征在于，所述多尺度熵计算步骤中，在所述脑电信号稳定后通过对所述脑电信号进行的预处理为滤波处理和去眼电处理。8.根据权利要求1至3任一项所述的基于多尺度熵分析心身关联性的方法，其特征在于，还包括：预处理步骤，将测试环境调整至预设要求，并对受试者进行头发干度检测、电极点去角质和电极安置处理。...

【专利技术属性】
技术研发人员：魏玉龙，张佳蕾，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北,13