一种基于聚类-融合的脑电信号特征识别分析方法技术

本申请公开了一种基于聚类

【技术实现步骤摘要】
一种基于聚类
‑
融合的脑电信号特征识别分析方法


[0001]本申请涉及医疗辅助研究领域，尤其涉及一种基于聚类
‑
融合的脑电信号特征识别分析方法。

技术介绍

[0002]抑郁症(Major Depressive Disorder，MDD)作为全球范围内高发性的精神障碍疾病，给个人、家庭乃至社会造成了严重危害。近年来，大量科研工作者通过结合神经影像技术与机器学习算法在探索开发诊断性的生物标志物方面已经做出了巨大努力。
[0003]目前的抑郁脑电信号识别研究中仍未获得可以作为抑郁特征的可靠生物标志物。所以，如何发现脑电信号的异质性抑郁特征，仍是当前抑郁相关研究的难点。目前，基于功能连接的脑电信号抑郁特征研究，通常采用一些传统的特征选择方法，如信息增益、ReliefF及递归特征消除
‑
支持向量机特征选择方法等，来降低功能连接特征的高维性，以实现对脑电信号判断是否有抑郁特征。但是，这些方法通常受到高计算成本和跨不同数据集性能差异较大的限制，进而导致阻碍可再现生物标记的发现。层次聚类(Hiera本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类
‑
融合的脑电信号特征识别分析方法，其特征在于，所述方法包括：分别获取预设时间内的若干个正常脑电信号和若干个有抑郁特征的脑电信号；对所有脑电信号进行预处理，获得预处理后的脑电信号；计算所述预处理后的脑电信号的功能连接矩阵；通过聚类算法，获取所述功能连接矩阵的异质性分布；基于异质性分布，通过融合算法，分别得到正常脑网络图谱和有抑郁特征的脑网络图谱；筛选出所述正常脑网络图谱与所述有抑郁特征的脑网络图谱之间的若干个差异最大的特征；将若干个所述差异最大的特征作为分类器的输入，得到用于分析脑电信号抑郁特征的差异特征子集。2.根据权利要求1所述的方法，其特征在于，所述通过聚类算法，获取所述功能连接矩阵的异质性分布为：将每个功能连接矩阵视为一个不同的簇，通过欧几里得距离算法计算簇与簇之间的距离；将距离最近的一对簇合并，重新计算不同簇之间的欧几里得距离，直到所有功能连接矩阵都在一个簇中为止。3.根据权利要求1所述的方法，其特征在于，所述对所述脑电信号进行预处理，获得预处理后的脑电信号为：通过FIR带通滤波器去除所述脑电信号低频漂移、高频噪声、肌电伪迹，得到第一处理脑电信号；通过FastICA算法去除所述第一处理脑电信号中的眼电伪迹，得到第二处理脑电信号；采用全脑平均参考技术消除所述第二处理脑电信号中的误差，得到第三处理脑电信号；截取第三处理脑电信号连续的若干段信号，作为第四处理脑电信号；通过Hanning滤波器提取第四处理脑电信号中的delta波段、theta波段、alpha波段和beta波段的脑电信号，获得预处理后的脑电信号。4.根据权利要求3所述的方法，其特征在于，所述计算所述预处理后的脑电信号的功能连接矩阵为：计算复数相干性，公式如下：其中，P
xy
(f)表示在频率f下电极/脑区信号x和电极/脑区信号y之间的交叉功率谱密度，P
xx
(f)表示在频率f下电极/脑区信号x的功率谱密度；P
yy
(f)表示在频率f下电极/脑区信号y的功率谱密度；Real{C
xy
(f)}表示C
xy
(f)的实部，Imag{C
xy
(f)}表示C
xy
(f)的虚部；其中，ICoh定义为复数相干性的虚部：ICoh
xy
(f)＝imag(C
xy
(f))
ꢀꢀꢀ
(2)利用Fisher Z变换对ICoh连接矩阵进行处理，用以获取近似正态分布，计算过程如下：
FC(x,y)＝mean(ICoh
xy
(f1):ICoh
...

【专利技术属性】
技术研发人员：胡斌，孙淑婷，严畅，李小伟，邵学晓，董群喜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：