【技术实现步骤摘要】
用于检测阿兹海默症罹患风险的方法、装置及终端设备
本专利技术属于计算机
，尤其涉及一种用于检测阿兹海默症罹患风险的方法、装置及终端设备。
技术介绍
阿兹海默症(AD)是一种常见中枢神经系统变性病，起病缓慢而且隐匿，病人及病人家属说不清何时起病。其临床表现为认知能力下降，记忆力减退，注意力难以集中，严重影响其日常生活，并伴随着脑部萎缩现象。目前，医学上通常采用脑电图作为阿兹海默症的诊断依据，脑电图具有高时间分辨率且相对廉价，医生对于获取的脑电图，多凭借经验给出风险评估结果，该方法需要医生大量的临床累积，处理效率慢且准确性低下。
技术实现思路
有鉴于此，本专利技术实施例提供了一种用于检测阿兹海默症罹患风险的方法、装置及终端设备，以解决现有技术中阿兹海默症罹患风险评估效率低下及准确性差的问题。本专利技术实施例的第一方面提供了一种用于检测阿兹海默症罹患风险的方法，包括：获取被试者的N个通道对应的脑电数据，所述N≥1；根据各个通道对应的脑电数据计算全局能量谱，并根据所述全局能量...
【技术保护点】
1.一种用于检测阿兹海默症罹患风险的方法，其特征在于，包括：/n获取被试者的N个通道对应的脑电数据，所述N≥1；/n根据各个通道对应的脑电数据计算全局能量谱，并根据所述全局能量谱和各个通道的脑电数据确定预设类别的微状态特征；/n根据所述全局能量谱中各个时间点对应的全局场功率标记各个时间点对应的微状态特征，得到全局特征；/n将所述全局特征及所述脑电数据输入深度卷积神经网络模型，得到所述被试者的阿兹海默症风险评估结果。/n
【技术特征摘要】
1.一种用于检测阿兹海默症罹患风险的方法，其特征在于，包括：
获取被试者的N个通道对应的脑电数据，所述N≥1；
根据各个通道对应的脑电数据计算全局能量谱，并根据所述全局能量谱和各个通道的脑电数据确定预设类别的微状态特征；
根据所述全局能量谱中各个时间点对应的全局场功率标记各个时间点对应的微状态特征，得到全局特征；
将所述全局特征及所述脑电数据输入深度卷积神经网络模型，得到所述被试者的阿兹海默症风险评估结果。
2.如权利要求1所述的用于检测阿兹海默症罹患风险的方法，其特征在于，所述获取被试者的N个通道对应的脑电数据，包括：
获取所述被试者在静息状态下第一通道的脑电原始数据；所述第一通道为任一通道；
对所述第一通道的脑电原始数据进行带通滤波、降采样、坏道修复和重参考处理，得到所述第一通道对应的第一数据；
对所述第一通道对应的第一数据进行数据分段，并对经数据分段后的第一数据进行伪迹去除操作，得到所述第一通道对应的第二数据；
选取任一数据分段的第二数据作为所述被试者的所述第一通道对应的脑电数据。
3.如权利要求1所述的用于检测阿兹海默症罹患风险的方法，其特征在于，所述脑电数据包括脑电压值；所述根据各个通道对应的脑电数据计算全局能量谱，包括：
计算
得到所述全局能量谱；
其中，GFP(t)表示t时间点的全局场功率，K表示通道总个数，i表示第i个通道，vi(t)表示第i个通道在t时间点的脑电压值；vmean(t)表示t时间点各通道的平均脑电压值。
4.如权利要求1所述的用于检测阿兹海默症罹患风险的方法，其特征在于，所述根据所述全局能量谱和各个通道的脑电数据确定预设类别的微状态特征，包括：
提取所述全局能量谱的峰值位置对应的时间作为峰值时间；
从各个通道对应的脑电数据中提取所述峰值时间对应的脑电数据作为各个通道对应的目标脑电数据；
对所有目标脑电数据进行聚类分析，得到预设类别的微状态特征。
5.如权利要求1所述的用于检测阿兹海默症罹患风险的方法，其特征在于，所述预设类别为四类，所述根据所述全局能量谱中各个时间点对应的全局场功率标记各个时间点对应的微状态特征，得到全局特征，包括：
根据所述全局能量谱中各个时间点的全...
【专利技术属性】
技术研发人员：史玉盼，冯春雨，黎彤亮，李晓云，王怀瑞，黄世中，
申请(专利权)人：河北省科学院应用数学研究所，
类型：发明
国别省市：河北;13
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。