一种基于EMD算法的脑电信号抑郁症识别系统技术方案

本发明专利技术提供一种基于EMD算法的脑电信号抑郁症识别系统，将脑电信号电极通道中隐含的空间信息与时域、频域信息相结合，提高分类准确率，对抑郁症的临床诊断起到辅助作用。所述系统包括脑电数据预处理模块、图像构建模块、特征提取和分类识别模块；脑电数据预处理模块用于将原始的脑电信号进行预处理，自动去除工频噪声、肌电、眼电伪迹；图像构建模块用于采用EMD算法将脑电信号分解成不同频域的IMF分量，提取主要IMF分量的功率谱密度时间帧；将脑电信号电极通道的空间位置与IMF分量的功率谱密度时间帧相结合，生成对应于每个IMF分量的二维图像；特征提取和分类识别模块用于构造卷积神经网络模型对生成的二维图像进行特征提取和分类识别。

A Depression Recognition System Based on EMD Algorithms for EEG Signals

The invention provides an electroencephalogram signal depression recognition system based on EMD algorithm, which combines the spatial information implied in the electrodes channel of the electroencephalogram signal with the time domain and frequency domain information, improves the classification accuracy, and plays an auxiliary role in the clinical diagnosis of depression. The system includes EEG data preprocessing module, image building module, feature extraction and classification recognition module; EEG data preprocessing module is used to preprocess the original EEG signal and automatically remove power frequency noise, EMG and EEG artifacts; image building module is used to decompose EEG signal into IMF components in different frequency domains using EMD algorithm and extract the work of main IMF components. Rate spectral density time frame; combining the spatial position of electrodes channel of EEG signal with power spectral density time frame of IMF component to generate two-dimensional image corresponding to each IMF component; feature extraction and classification recognition module is used to construct convolutional neural network model to extract and classify the generated two-dimensional image.

【技术实现步骤摘要】
一种基于EMD算法的脑电信号抑郁症识别系统
本专利技术涉及计算机辅助医疗
，特别是涉及一种基于EMD算法的脑电信号抑郁症识别系统。
技术介绍
抑郁症又称抑郁障碍，以显著而持久的心境低落为主要临床特征，是心境障碍的主要类型。目前抑郁症诊断的主要依据是医患问答和量表分析。该方法存在着较大的缺陷。例如：一些患者考虑到个人隐私问题，常常拒绝与心理医生进行面对面交流，如果交谈，也可能会隐藏自己的真实情绪。不同的医生可能会受到选取何种抑郁检测量表和医生的从业经验的影响，使用不同的诊断和测试标准，导致不同的诊断结果。脑电信号是一种多通道的时间序列，具有一定的规律性和非平稳性。它会随着个体的生理因素的变化而变化，当脑部尤其是皮层有病变时，规律性受到破坏，波形即发生变化，对其波形进行分析，可辅助临床对及脑部疾病进行诊断。目前，计算机辅助EEG诊断领域绝大多数基于癫痫、精神分裂症，在抑郁症方面的研究较少。传统的抑郁症诊断研究方法通常使用FFT算法对脑电信号进行分解，基于分解的脑电信号进行手动提取特征，进而使用该特征对抑郁症患者进行识别。然而，脑电信号是非线性、非稳态信号，FFT并不适用于脑电信号的分解。此外，同音频信号相似，脑电信号的特征不仅体现在时域和频域中,传统的研究方法通常只考虑脑电信号的时间的特性和频域的特性，而忽略电极通道中隐含的空间信息。此外，手动提取特征的方法主观性较大，并且消耗大量的时间。EMD算法即经验模态分解(EmpiricalModeDecomposition，EMD)，是一种针对非线性、非平稳信号的自适应信号分解算法，可以对信号进行时间序列平稳化处理，它能够将所有的时域信号转化为“线性稳态”。不同于FFT算法需要预先制定基函数，EMD分解信号取决于信号本身，它是自适应分解，且有很高的效率。深度学习是机器学习研究中的一个新的领域，与传统模式识别方法的最大不同在于它是从数据中自动学习特征。因此，本专利技术基于EMD算法，将脑电信号电极通道中隐含的空间信息与时间，频域信息相结合，采用深度学习的方法自动进行特征提取，提高对抑郁症临床诊断的辅助作用。
技术实现思路
本专利技术的主要目的在于提供一种基于EMD算法的脑电信号抑郁症识别系统，将脑电信号电极通道中隐含的空间信息与时域、频域信息相结合，采用深度学习的方法自动进行特征提取，提高分类准确率，对抑郁症的临床诊断起到辅助作用。本专利技术的技术方案是：1.一种基于EMD算法的脑电信号抑郁症识别系统，其特征在于，包括脑电信号刺激采集模块、脑电数据预处理模块、图像构建模块、特征提取和分类识别模块；所述脑电信号刺激采集模块用于生成刺激任务呈现给被试，采集被试在刺激任务下产生的脑电信号；所述脑电数据预处理模块用于对采集的原始脑电信号进行预处理，自动去除工频噪声、肌电、眼电伪迹；所述图像构建模块用于采用EMD算法将脑电信号分解成不同频域的IMF分量，提取主要IMF分量的功率谱密度时间帧，将电极通道的空间位置与IMF分量的功率谱密度时间帧相结合，生成对应于每个IMF分量的二维图像；所述特征提取和分类识别模块用于构造卷积神经网络模型对生成的二维图像进行特征提取和分类识别。2.所述脑电信号刺激采集模块为情感脑电信号刺激采集模块，用于生成情感图片刺激任务呈现给被试，采集被试注视情感图片时的脑电信号；所述情感图片来源于中国面部情感图片系统CFAPS。3.所述脑电数据预处理模块的数据预处理包括：去噪，裁剪；通过以下操作去除脑电数据中的噪声：S21:采用基于LMS算法的自适应噪声消除技术，把脑电信号中的噪声和原始脑电信号进行分离，降低或抑制环境噪声的影响，提高原始脑电信号清晰度；S22:对脑电信号进行频域0-40Hz的带通截取，获取2-35Hz能量集中区域的脑电信号；S23:采用FastICA算法去除频率范围在0-16Hz的眼电伪迹信号；所述裁剪是指去除时域边界值，保留脑电信号中间的数据，将原始脑电信号的10s片段长度裁剪边界值，保留脑电信号中间8s的数据，消除滤波器等预处理操作对边界值的影响。4.所述图像构建模块采用EMD算法对脑电信号进行分解的步骤包括：S31：找到输入脑电信号X的极值点；使用三次样条算法分别将所有的极大值点、极小值点连接起来，从而得到了极大值和极小值的两条上下包络线max(X)和min(X)；S32:计算两条包络线在脑电信号各个时间点均值序列，即X1＝(max(X)+min(X))/2；S33:从原始脑电信号中减去X1，I1＝X-X1；S34:检测所得到的I1是不是满足IMF分量的定义，如果I1满足IMF分量的定义，则保留I1作为输入脑电数据分解的第一条IMF分量；如果I1不满足IMF分量的定义，则将I1作为输入信号即X＝I1；重复S31-S33，直到得到一条IMF分量为止，得到原始脑电信号X的第一条IMF分量IMF1；S35:得到一条IMF分量后改变输入信号为X＝X-I1，利用新的输入信号X，重复S31-S34，直到原始脑电信号变为一条单调函数信号为止。5.所述图像构建模块提取主要IMF分量的功率谱密度时间帧的步骤包括：从分解的IMF分量中，按IMF分量频率分布范围的显著程度，选择若干条IMF分量为主要IMF分量，设置适当长度的滑动时间窗，在每个时间窗长度内，使用AR模型分别计算主要IMF分量的所有电极通道的功率谱密度：其中，M为AR模型的次序，为白噪声方差，α为AR模型的系数。6.所述图像构建模块生成二维图像的步骤包括：S41:采用AEP算法将电极通道从三维空间映射到二维平面，同时保留从投影中心到其他点的距离；S42:应用Clough-Tocher算法将每个IMF分量的电极通道的功率谱密度进行插值，得到对应于每个IMF分量的脑拓扑图；S43:构建基于单IMF分量的灰度图像和基于三个IMF分量的RGB图像，将三个IMF分量的脑拓扑图合并在一起形成RGB彩色图像；灰度图像由单一的IMF分量生成。7.所述特征提取和分类识别模块采用卷积层与非线性激活层交替的结构构造卷积神经网络模型，进行特征提取和分类识别；所构造的卷积神经网络模型包括若干个依次连接的提取单元，每个提取单元包括若干层卷积层和1层最大池化层，若干层卷积层用于提取脑拓扑图特征，若干层最大池化层用于保留空间要素、减小过拟合；若干个提取单元之后连接1层全连接层和1层softmax层，全连接层用于进行分类识别，区分抑郁症患者与正常被试；softmax层用于将全连接层的输出映射为0-1之间的实数，并且归一化保证和为1。8.所述若干个提取单元包括三个提取单元：第一提取单元包括4层卷积层和1层最大池化层，其中，卷积核的大小设定为3ⅹ3，步长设定为1，每层卷积层过滤器的数量分别设置为32；第二提取单元包括2层卷积层和1层最大池化层，其中，卷积核的大小设定为3ⅹ3，步长设定为1，每层卷积层过滤器的数量分别设置为64；第三提取单元包括1层卷积层和1层最大池化层，其中，卷积核的大小设定为3ⅹ3，步长设定为1，每层卷积层过滤器的数量分别设置为128；所述全连接层神经元的个数设置为512。9.所述若干个提取单元包括四个提取单元，每个提取单元分别由2层卷积层和1层最大池化层组成；其中，卷积核的大小设定为3ⅹ3，步长设定为1；四个提本文档来自技高网...

【技术保护点】
1.一种基于EMD算法的脑电信号抑郁症识别系统，其特征在于，包括脑电信号刺激采集模块、脑电数据预处理模块、图像构建模块、特征提取和分类识别模块；所述脑电信号刺激采集模块用于生成刺激任务呈现给被试，采集被试在刺激任务下产生的脑电信号；所述脑电数据预处理模块用于对采集的原始脑电信号进行预处理，自动去除工频噪声、肌电、眼电伪迹；所述图像构建模块用于采用EMD算法将脑电信号分解成不同频域的IMF分量，提取主要IMF分量的功率谱密度时间帧，将电极通道的空间位置与IMF分量的功率谱密度时间帧相结合，生成对应于每个IMF分量的二维图像；所述特征提取和分类识别模块用于构造卷积神经网络模型对生成的二维图像进行特征提取和分类识别。

【技术特征摘要】
1.一种基于EMD算法的脑电信号抑郁症识别系统，其特征在于，包括脑电信号刺激采集模块、脑电数据预处理模块、图像构建模块、特征提取和分类识别模块；所述脑电信号刺激采集模块用于生成刺激任务呈现给被试，采集被试在刺激任务下产生的脑电信号；所述脑电数据预处理模块用于对采集的原始脑电信号进行预处理，自动去除工频噪声、肌电、眼电伪迹；所述图像构建模块用于采用EMD算法将脑电信号分解成不同频域的IMF分量，提取主要IMF分量的功率谱密度时间帧，将电极通道的空间位置与IMF分量的功率谱密度时间帧相结合，生成对应于每个IMF分量的二维图像；所述特征提取和分类识别模块用于构造卷积神经网络模型对生成的二维图像进行特征提取和分类识别。2.根据权利要求1所述的基于EMD算法的脑电信号抑郁症识别系统，其特征在于，所述脑电信号刺激采集模块为情感脑电信号刺激采集模块，用于生成情感图片刺激任务呈现给被试，采集被试注视情感图片时的脑电信号；所述情感图片来源于中国面部情感图片系统CFAPS。3.根据权利要求2所述的基于EMD算法的脑电信号抑郁症识别系统，其特征在于，所述脑电数据预处理模块的数据预处理包括：去噪，裁剪；通过以下操作去除脑电数据中的噪声：S21:采用基于LMS算法的自适应噪声消除技术，把脑电信号中的噪声和原始脑电信号进行分离，降低或抑制环境噪声的影响，提高原始脑电信号清晰度；S22:对脑电信号进行频域0-40Hz的带通截取，获取2-35Hz能量集中区域的脑电信号；S23:采用FastICA算法去除频率范围在0-16Hz的眼电伪迹信号；所述裁剪是指去除时域边界值，保留脑电信号中间的数据，将原始脑电信号的10s片段长度裁剪边界值，保留脑电信号中间8s的数据，消除滤波器等预处理操作对边界值的影响。4.根据权利要求3所述的基于EMD算法的脑电信号抑郁症识别系统，其特征在于，所述图像构建模块采用EMD算法对脑电信号进行分解的步骤包括：S31：找到输入脑电信号X的极值点；使用三次样条算法分别将所有的极大值点、极小值点连接起来，从而得到了极大值和极小值的两条上下包络线max(X)和min(X)；S32:计算两条包络线在脑电信号各个时间点均值序列，即X1＝(max(X)+min(X))/2；S33:从原始脑电信号中减去X1，I1＝X-X1；S34:检测所得到的I1是不是满足IMF分量的定义，如果I1满足IMF分量的定义，则保留I1作为输入脑电数据分解的第一条IMF分量IMF1；如果I1不满足IMF分量的定义，则将I1作为输入信号即X＝I1；重复S31-S33，直到得到一条IMF分量为止，得到原始脑电信号X的第一条IMF分量IMF1；S35:得到一条IMF分量后改变输入信号为X＝X-I1，利用新的输入信号X，重复S31-S34，直到原始脑电信号变为一条单调函数信号为止。5.根据权利要求4所述的基于EMD算法的脑电信号抑郁症识别系统，其特征在于，所述图像构建模块提取主要IMF分量的功率谱密度时间帧的步...

【专利技术属性】
技术研发人员：胡斌，李小伟，张鑫，祝婧，蔡涵书，
申请(专利权)人：兰州大学，
类型：发明
国别省市：甘肃,62