一种抑郁症和精神分裂症识别方法技术

本发明专利技术涉及一种抑郁症和精神分裂症识别方法，步骤如下：S1，获取静息态下患者睁眼和闭眼的脑电数据；S2，对步骤S1所述的脑电数据进行预处理；S3，将对步骤S2中预处理得到的数据转换成功率谱密度即为PSD；S4，提取步骤S3中PSD的各种特征，构成特征向量；S5，利用步骤S4中的特征向量作为分类器的输入，对上述数据进行分类；S6，对步骤S5分类结果进行模型评估，得到泛化能力良好的分类模型；S7，将测试集输入到步骤S6中的分类器模型中进行分类，实现抑郁症和精神分裂症的识别。该抑郁症和精神分裂症分类方法中利用支持向量机分类方法来对患者的脑电进行处理分类，对于数据有较好的可分性，准确率较高，优于其它分类方法。

【技术实现步骤摘要】
一种抑郁症和精神分裂症识别方法
本专利技术涉及静息态脑电
，具体为一种抑郁症和精神分裂症识别方法。
技术介绍
精神分裂症(schizophrenia,SCZ)和抑郁症(depression,DP)是现代社会高发的高危害疾病。及时准确的诊断将非常有利于此类疾病的预防和治疗，脑电(EEG)是通过大脑皮层记录到的神经细胞的电活动信号，研究表明，抑郁症和精神分裂症患者的脑电在节律、波幅、功率等参数中表现出异常现象，故通过脑电的对比分析研究，有助于此两种疾病的区分诊断，但现在市面上现有的，现有的分类方法准确率较低。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种抑郁症和精神分裂症识别方法。为实现上述目的，本专利技术提供如下技术方案：一种抑郁症和精神分裂症识别方法，步骤如下：S1，获取静息态下患者睁眼和闭眼的脑电数据；S2，对步骤S1所述的脑电数据进行预处理；S3，将对步骤S2中预处理得到的数据转换成功率谱密度即为PSD；S4，提取步骤S3中PSD的各种特征，构成特征向量；S5，利用步骤S4中的特征向量作为分类器的输入，对上述数据进行分类；S6，对步骤S5分类结果进行模型评估，得到泛化能力良好的分类模型；S7，将测试集输入到步骤S6中的分类器模型中进行分类，实现抑郁症和精神分裂症的识别。优选的，所述步骤S1中的数据采集为患者深呼吸3分钟，深呼吸停止后缓和10s，再睁眼、闭眼交替进行3次，每次在5-10s之间。优选的，所述步骤S2中的预处理为a、定位电极：用EEGLAB处理数据，对数据的电极进行重新定位；b、剔除无用电极：针对数据的特性，剔除了数据中的无用电极；c、滤波：设置0.5Hz-45Hz的滤波带通，50Hz的陷波；d、分段：以睁、闭眼标签为节点对数据进行分段处理；e、ICA除伪迹：用独立成分分析方法ICA，人工去除心电和眼动等伪迹；f、重参考：以所有电极的平均值作为参考电极的参考值，进行电极重参考。优选的，所述的步骤S4中包括S41：计算PSD的特征，将每段PSD数据，看成包含16个电极信息的一个样本，求该段PSD数据中的每个电极的各种特征；S42：特征提取：计算每个电极上的数据特征，扩展成一个特征向量用来描述每一段PSD数据。优选的，所述步骤S42中将得到的样本熵SAMEN、近似熵APEN、信息熵SEN组成熵向量E；均值、方差、峰度、偏度组成统计学向量T；四个频段的相对功率谱密度组成相对功率谱密度向量P，构成原始特征数据集。与现有技术相比，本专利技术的有益效果是：抑郁症和精神分裂症分类方法中利用支持向量机分类方法来对患者的脑电进行处理分类，对于数据有较好的可分性，准确率较高，优于其它分类方法。该方法将静息态脑电的时域信号转换成频域的PSD信号，提取PSD信号的特征向量，利用特征向量对分类器进行训练得到分类识别模型，该模型降低了医生的劳动强度，提高了准确识别率，同时相对功率谱密度在本方法的模型中具有很好的可分性，可作为生物标记区分这两种疾病，在临床上有很重要的意义。附图说明图1为本专利技术结构框图；图2为静态数据预处理流程图；图3为本专利技术中不同的分类器模型和特征向量的分类实验结果图；图4为本专利技术中支持向量机最优模型对测试集的分类实验结果图；图5为本专利技术中使用留出法对数据集的分类实验结果图；图6为本专利技术中四个节律的相对功率谱密度分类效果对比图.具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-6，本专利技术提供一种技术方案：一种抑郁症和精神分裂症识别方法，步骤如下：S1，获取静息态下患者睁眼和闭眼的脑电数据；S2，对步骤S1所述的脑电数据进行预处理；S3，将对步骤S2中预处理得到的数据转换成功率谱密度即为PSD；S4，提取步骤S3中PSD的各种特征，构成特征向量；S5，利用步骤S4中的特征向量作为分类器的输入，对上述数据进行分类；S6，对步骤S5分类结果进行模型评估，得到泛化能力良好的分类模型；S7，将测试集输入到步骤S6中的分类器模型中进行分类，实现抑郁症和精神分裂症的识别。进一步的，所述步骤S1中的数据采集为患者深呼吸3分钟，深呼吸停止后缓和10s，再睁眼、闭眼交替进行3次，每次在5-10s之间。进一步的，所述步骤S2中的预处理为a、定位电极：用EEGLAB处理数据，对数据的电极进行重新定位；b、剔除无用电极：针对数据的特性，剔除了数据中的无用电极；c、滤波：设置0.5Hz-45Hz的滤波带通，50Hz的陷波；d、分段：以睁、闭眼标签为节点对数据进行分段处理；e、ICA除伪迹：用独立成分分析方法ICA，人工去除心电和眼动等伪迹；f、重参考：以所有电极的平均值作为参考电极的参考值，进行电极重参考。进一步的，所述的步骤S4中包括S41：计算PSD的特征，将每段PSD数据，看成包含16个电极信息的一个样本，求该段PSD数据中的每个电极的各种特征；S42：特征提取：计算每个电极上的数据特征，扩展成一个特征向量用来描述每一段PSD数据。进一步的，所述步骤S42中将得到的样本熵SAMEN、近似熵APEN、信息熵SEN组成熵向量E；均值、方差、峰度、偏度组成统计学向量T；四个频段的相对功率谱密度组成相对功率谱密度向量P，构成原始特征数据集。具体的为，选取抑郁症和精神分裂症患者各100例。所有患者的年龄均在32岁到51岁之间，且服从正态分布，利用上述方法的到PSD数据，其中PSD的特征包括信息熵、近似熵，样本熵；信息熵作为不确定性和信息量大小的度量，其计算公式为：H(x)＝-∑ipilog(pi)其中H(x)表示信息熵的大小，pi表示事件发生的概率，i表示样本数量。通过以上公式就可以度量整个样本空间的信息量，或者可以看成是整个系统不确定性的期望，可将本方法中的每个电极看成是一个频率f∈[055]的固定序列，每个频率点对应的PSD的值为pi且i∈[055]，通过归一化后表示为PNi∈[01]，则求PSD数据的某一个电极的信息熵公式可表示为如下：En(x)＝-∑iPNilog(PNi)，其中PNi＝Pi/∑iPi，且∑PNi＝1。利用下述方法进来计算近似熵：1、等时间间隔的N维时间序列T(1),T(2),…,T(N)，定义相关参数m,r；其中m表示重构向量的长度。r是‘相似系数’，用于重构向量之间相似度的度量。2、定义d＝d[X(i),X(j)]＝max|T(a)-T'(a)|表示重构向量之间的距离，即两个重构向量之间的距离d定义为：两个向量对应元素之差的绝对值最大时的距离。其中T(a),T'(a)表示重构向量X(i),X(j)对应位置的元素，且i,j∈[1(N-m+1)]。3、对于上述序列，重构m维向量X(1),X(2),…X(i),…,X(N-m+1)，其中X(i)＝[T(i),T(i+1),…,T(i+m-1)]。4、对于i,j∈[1(N-m+1)]，依次取i，计算重构向量X(i)与X(j)间的距离，若d≤r时，认为此时两重构向量相似。n＝number(d≤r)表示相似重构向量个数。本文档来自技高网...

【技术保护点】
1.一种抑郁症和精神分裂症识别方法，其特征在于：步骤如下：S1，获取静息态下患者睁眼和闭眼的脑电数据；S2，对步骤S1所述的脑电数据进行预处理；S3，将对步骤S2中预处理得到的数据转换成功率谱密度即为PSD；S4，提取步骤S3中PSD的各种特征，构成特征向量；S5，利用步骤S4中的特征向量作为分类器的输入，对上述数据进行分类；S6，对步骤S5分类结果进行模型评估，得到泛化能力良好的分类模型；S7，将测试集输入到步骤S6中的分类器模型中进行分类，实现抑郁症和精神分裂症的识别。

【技术特征摘要】
1.一种抑郁症和精神分裂症识别方法，其特征在于：步骤如下：S1，获取静息态下患者睁眼和闭眼的脑电数据；S2，对步骤S1所述的脑电数据进行预处理；S3，将对步骤S2中预处理得到的数据转换成功率谱密度即为PSD；S4，提取步骤S3中PSD的各种特征，构成特征向量；S5，利用步骤S4中的特征向量作为分类器的输入，对上述数据进行分类；S6，对步骤S5分类结果进行模型评估，得到泛化能力良好的分类模型；S7，将测试集输入到步骤S6中的分类器模型中进行分类，实现抑郁症和精神分裂症的识别。2.根据权利要求1所述抑郁症和精神分裂症识别方法，其特征在于：所述步骤S1中的数据采集为患者深呼吸3分钟，深呼吸停止后缓和10s，再睁眼、闭眼交替进行3次，每次在5-10s之间。3.根据权利要求1所述的抑郁症和精神分裂症识别方法，其特征在于：所述步骤S2中的预处理为a、定位电极：用EEGLAB处理数据，对数据的电极进行重新定位；b、剔除无用电极：针对数...

【专利技术属性】
技术研发人员：张军鹏，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51