基于脑电图时域数据的精神分裂症辅助诊断分类方法技术

本发明专利技术提供了一种基于脑电图时域数据的精神分裂症辅助诊断分类方法，该方法利用自发脑电技术，在没有诱导的情况下获得受外界干扰较小的脑电图作为精神分裂症辅助诊断的数据来源。脑电图数据具有较高的时间分辨率特性，将脑电图的时域数据经过划分，类比计算机视觉中的图像数据格式，使用在图像识别领域占有主导地位的卷积神经网络，将其作为基础来实现一种包含加入权重值的改进CNN、线性L2‑SVM分类器和分类结果投票器三个模块的分类算法，解决基于EEG时域数据的精神分裂症的首次发作阶段(First‑Episode Schizophrenia，FES)和健康状态(Health Control，HC)二阶段分类问题，实现基于脑电图数据的精神分裂症辅助诊断。

Classification of Schizophrenia Assistant Diagnosis Based on EEG Time Domain Data

The invention provides an assistant diagnosis and classification method for schizophrenia based on time domain data of electroencephalogram. The method uses spontaneous electroencephalogram technology to obtain electroencephalogram which is less disturbed by outside environment as data source for assistant diagnosis of schizophrenia without induction. EEG data has high temporal resolution. The time-domain data of EEG is divided into three modules: improved CNN, linear L2 SVM classifier and voter of classification results, which are based on convolutional neural network, which is dominant in the field of image recognition, by analogizing the image data format of computer vision. Class I algorithm solves the two-stage classification problem of first episode of schizophrenia (FES) and health control (HC) based on EEG time domain data, and realizes the assistant diagnosis of schizophrenia based on EEG data.

【技术实现步骤摘要】
基于脑电图时域数据的精神分裂症辅助诊断分类方法
本专利技术涉及精神分裂症辅助诊断分类领域，尤其涉及基于脑电图时域数据的精神分裂症辅助诊断分类方法。
技术介绍
精神分裂症是一种易复发、易致残的慢性迁延性疾病，其可能对个人生活和心理健康产生较为严重的影响，在某些特定的情况下甚至可能对其家庭、治安和社会经济造成负担。在这样的情形下，对于精神分裂症的研究与治疗显得尤为重要。目前，有两种常用的脑电生理技术被广泛应用于精神疾病临床和科研，分别是自发脑电技术和诱发脑电技术。自发脑电技术是指在不施加外部刺激的情形下人类脑部活动时自发产生的生物电位变化，通常包含静息态脑电图(resting-stateEEG)、脑电地形图、多导睡眠图等；而诱发脑电技术是在视觉、听觉等外部任务刺激下产生的有规律的脑部生物电位变化，包括视觉诱发电位(VEP)、听觉诱发电位(AEP)、P300等，其在精神分裂症的诊断中的作用较多地体现在患者对任务的完成情况分析。两者相比，自发脑电技术在诊断中是一种更新颖的方式，在没有诱导的情况下获得的脑电数据更能代表受试者自主的脑部活动情况，有利于获得受外界干扰较小的脑波特征并进一步探寻疾病本文档来自技高网...

【技术保护点】
1.基于脑电图时域数据的精神分裂症辅助诊断分类方法，其特征在于，包括以下步骤：步骤一、利用自发脑电波技术，使用电极帽，获得个体的脑电图时域数据；步骤二、对所述脑电图时域数据进行数据预处理，所述数据预处理包括数据降噪和数据分段；步骤三、建立精神分裂症辅助诊断模型并对其进行训练，首先确定网络架构，以AlexNet为模板搭建基础卷积神经网络，包括卷积层、池化层、激活函数、全连接层、Softmax层以及Dropout单元，在所述基础卷积神经网络第一个卷积层之后构建通道权重层，并用SVM分类单元代替最后一个全连接层和Softmax层，在SVM分类单元之后加入分类结果投票器，得到精神分裂症辅助诊断模型；其...

【技术特征摘要】
1.基于脑电图时域数据的精神分裂症辅助诊断分类方法，其特征在于，包括以下步骤：步骤一、利用自发脑电波技术，使用电极帽，获得个体的脑电图时域数据；步骤二、对所述脑电图时域数据进行数据预处理，所述数据预处理包括数据降噪和数据分段；步骤三、建立精神分裂症辅助诊断模型并对其进行训练，首先确定网络架构，以AlexNet为模板搭建基础卷积神经网络，包括卷积层、池化层、激活函数、全连接层、Softmax层以及Dropout单元，在所述基础卷积神经网络第一个卷积层之后构建通道权重层，并用SVM分类单元代替最后一个全连接层和Softmax层，在SVM分类单元之后加入分类结果投票器，得到精神分裂症辅助诊断模型；其次优化所述精神分裂症辅助诊断模型的网络超参数，利用已得到的脑电波数据样本，样本经过预处理后，将样本输入到所述精神分裂症辅助诊断模型中，网络超参数设置为随机，得到表示预测输入属于各个类别的概率输出结果；构建损失函数，衡量样本预测分类与已知样本分类的距离，利用随机梯度下降算法，调整网络超参数，尽可能减小损失函数，迭代多次，得到训练好的网络超参数；步骤四、将经过预处理的脑电图时域数据输入上一步骤已经训练好网络超参数的精神分裂症辅助诊断模型，得到精神分裂症分类结果。2.如权利要求1所述的基于脑电图时域数据的精神分裂症辅助诊断分类方法，其特征在于，所述数据降噪用于去除基线漂移干扰、伪迹干扰和...

【专利技术属性】
技术研发人员：刘海春，潘常春，章敏敏，王宏武，杨根科，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31