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 ...
【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
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。