A depression recognition and analysis system based on resting state brain network is proposed, which comprises (a) resting state EEG data acquisition and pretreatment module for acquiring resting state EEG data of subjects, pretreatment of resting state EEG data, and (b) extraction of brain network measurement module for constructing personalized brain network node. Construct, find out the common active brain regions of depression group and normal control group respectively from the personalized brain network structure, find out the different brain regions based on the common active brain regions of the two groups, extract the brain network measurement; (c) Classification and recognition module for feature selection of the extracted brain network measurement and functional connectivity features, and complete the screening. The data were classified to realize the recognition of depressive patients and normal subjects. Its advantage is that the feature dimension is effectively reduced, the computational efficiency is improved, and the depression can be effectively recognized.
【技术实现步骤摘要】
一种基于静息态脑网络的抑郁识别分析系统
本专利技术涉及网络分析以及医疗辅助研究领域,特别是涉及一种基于静息态脑网络的抑郁识别分析系统。
技术介绍
抑郁症是一种常见的心理疾病,以显著而持久的心境低落为主要临床特征,具体表现在对生活缺乏兴趣、失眠或过度睡眠、缺乏精力、无法集中注意力、无价值感、充满内疚感以及自杀的反复思考。目前,抑郁症已经影响了全世界超出3.5亿人。在17个国家的世界心理健康调查结果表明平均约20人中有一人报告在前一年中有过抑郁发作。据世界卫生组织估计,到2020年抑郁症将成为世界第二大疾病。所以及时的检测抑郁,理解抑郁的神经机制,对于有效的治疗以及减轻经济压力是至关重要的。但是,现今对于抑郁症的检测并没有一个黄金标准,依然是采用医生问诊和量表相结合的方式,存在的问题有:病人配合度低、主观偏向性强、低敏感性以及低准确性。因此,我们亟需找到一种客观准确的方法检测抑郁,而脑电信号(EEG)已经显示了能够较准确的区分抑郁症患者和正常被试。在过去的几年中,有研究表明主要的抑郁症状与一个分布的神经网络的调节异常有关,它包括皮质和边缘区域,而不是一个单独的脑区的崩溃。因此,功能连接的研究将提供重要的信息,而图论在神经科学领域中越来越多的应用在理解人脑的大规模网络结构,基于功能连接的图论分析将会提供一些网络拓扑的额外信息。从图论分析中所获取的复杂的网络度量可以用来描述人的大脑,且这些度量是可靠的、易于计算的,并且可以与一些疾病或者行为联系起来,例如,揭示精神疾病的异常。一些研究已经基于功能连接或者不同的网络度量使用机器学习技术对抑郁疾病进行分类,并优化治疗方 ...
【技术保护点】
1.一种基于静息态脑网络的抑郁识别分析系统,其特征在于,包括(a)静息态脑电数据采集及预处理模块,用于采集被试者静息态脑电数据;对采集的静息态脑电数据进行预处理,(b)提取脑网络度量模块,用于构建个性化脑网络结构,从个性化的脑网络结构中分别找出抑郁组和正常对照组的共性活动脑区,基于两组的共性活动脑区找出差异脑区,提取脑网络度量;(c)分类识别模块,用于对提取的脑网络度量及功能连接特征进行特征选择,并对筛选完特征的数据进行分类,实现抑郁患者和正常被试的识别。
【技术特征摘要】
1.一种基于静息态脑网络的抑郁识别分析系统,其特征在于,包括(a)静息态脑电数据采集及预处理模块,用于采集被试者静息态脑电数据;对采集的静息态脑电数据进行预处理,(b)提取脑网络度量模块,用于构建个性化脑网络结构,从个性化的脑网络结构中分别找出抑郁组和正常对照组的共性活动脑区,基于两组的共性活动脑区找出差异脑区,提取脑网络度量;(c)分类识别模块,用于对提取的脑网络度量及功能连接特征进行特征选择,并对筛选完特征的数据进行分类,实现抑郁患者和正常被试的识别。2.所述静息态脑电数据采集及预处理模块包括脑电数据采集设备,包括脑电采集仪、128导的脑电帽以及放大器,电极的位置按照国际标准导联10-20系统标准安放,参考电极为Cz,采样频率250Hz,电极的阻抗都低于50kΩ,采集的是被试在设定时间段的闭眼静息状态下的脑电数据。3.所述静息态脑电数据采集及预处理模块的预处理,首先采用0.5Hz高通滤波器和40Hz低通滤波器进行滤波、使用FastICA算法进行去噪处理、再采用REST技术重置参考,最后进行数据分段,提取90s预处理后的脑电数据,对脑电数据按4s进行分割,叠加窗口为2s。4.所述提取脑网络度量模块包括全局相干性计算单元,首先依据预处理后的脑电数据,计算设定频段下全局相干性;依据各频率波段全局相干性做秩和检验,找出抑郁组和正常对照组有显著性差异的频率波段;再计算有显著性差异的频率波段的相干性矩阵。5.所述提取脑网络度量模块还包括脑网络构建单元,采取稀疏阈值法构建脑网络,构建出二值化的脑网络矩阵;所述稀疏阈值法是指在由相干性Cxy值所构成的相干性矩阵中,如果Cxy值大于阈值,则对应的相干性矩阵中的元素值为1;反之,对应的相干性矩阵中的元素值为0,从而完成相干性矩阵的二值化处理,构成的二值化矩阵即称为二值化的脑网络矩阵,其中,Cxy为两个脑电信...
【专利技术属性】
技术研发人员:胡斌,孙淑婷,李小伟,祝婧,李建秀,
申请(专利权)人:兰州大学,
类型:发明
国别省市:甘肃,62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。