基于稀疏低秩张量分解的抑郁症脑电分析方法技术

本发明专利技术公开一种基于稀疏低秩张量分解的抑郁症脑电分析方法。具体步骤为，首先采用复Morlet小波变换提取脑电信号时频特征，并按照通道顺序将其构造为样本张量；其次，根据样本张量低秩、稀疏的特点，提出SLraTucker分解提取样本张量的多域特征，对抑郁症患者(MDDs)和正常对照组(HCs)两类人群进行分类识别。为进一步研究两类人群在受到不同情绪刺激时活跃脑区的异同，本发明专利技术对两类人群的静态与动态活跃脑区差异进行分析。本实验提出的SLraTucker分解方法能够有效提取脑电信号中的多域特征，并准确、客观地对抑郁症做出诊断、分析，使患者或医生更好了解病情并及时的治疗或预防。或医生更好了解病情并及时的治疗或预防。或医生更好了解病情并及时的治疗或预防。

【技术实现步骤摘要】
基于稀疏低秩张量分解的抑郁症脑电分析方法


[0001]本专利技术涉及一种利用低秩稀疏张量分解对抑郁症脑电信号的分析方法，特别是基于抑郁症患者的脑电信号对不同情绪刺激下的静态和动态活跃脑区进行分析，属于智能模式识别


技术介绍

[0002]重度抑郁症(Major Depressive Disorder,MDD)是一种严重的情绪心理障碍精神疾病，近两年报告的抑郁症发病率呈逐年上升的趋势，发病年龄也趋于低龄化。脑电信号包含着大脑活动的重要信息，基于脑电信号的MDD患者活跃脑区研究、抑郁症客观诊断已被正式其有效性和可行性。
[0003]脑电图(Electroencephalogram,EEG)是一种以非侵入式的方式采集的神经生理学信号，在大脑自发的脑电信号中，存在一种由外界事物的刺激而产生的诱发电位——事件相关电位(event
‑
related potential,ERP)。已有的研究表明，MDD患者存在对负性情绪的注意力偏移现象，其ERP成分表现为潜伏期增长、活跃脑区不对称等现象。
[0004]大脑是一个相当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于稀疏低秩张量分解的抑郁症脑电分析方法，其特征在于，该方法包括如下步骤：步骤(1)采集抑郁症患者在不同情绪刺激下的多通道头皮脑电信号EEG；步骤(2)对EEG信号进行预处理、重参考和分段平均；对于每个个体，将同一刺激下的N个样本进行叠加平均，以提取ERP成分；步骤(3)生成ERP张量：1)将叠加后的样本按照通道依次通过复Morlet小波变换映射到时频域：其中σ代表带宽参数，对于二阶即channels
×
sample points的单个ERP信号样本通过计算小波函数，其中c代表导联，t代表采样时间点，得到一个单个样本ERP三阶张量，即channels
×
sample points
×
frequency，以表示，f代表频率；对于每个通道都得到一个201
×
40的二维矩阵，即time
×
frequency；2)将变换后的数据按通道的顺序在张量的第一维度排列，得到一个维度为channels
×
time
×
frequency的三维张量，其包含了每个ERP样本的空间、时间、频率信息；3)将得到的三维张量在第四个维度排列，生成一个维度为channels
×
time
×
frequency
×
samples的四维张量，此四维张量即为样本张量；步骤(4)提出稀疏正则的低秩逼近Tucker分解，并对脑电张量进行特征提取：采用低秩逼近Tucker分解对样本张量的前三维度同时进行张量分解；在传统Tucker分解基础上：其中代表原张量，代表核心张量，A
n
，n＝...

【专利技术属性】
技术研发人员：高云园，黄金诚，张卷卷，金可滢，何韦聪，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：