基于清醒静息态脑电识别失眠障碍症的电子设备制造技术

本发明专利技术公开了一种基于清醒静息态脑电识别失眠障碍症的电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时用于实现：根据被试者的清醒静息态EEG数据，构建该被试者的脑网络；将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症；其中，所述神经网络模型是以多个正常人以及失眠障碍症患者的清醒静息态EEG数据所构建的脑网络作为训练样本预先训练得到的。应用本发明专利技术可以辅助于对失眠障碍症做精准识别。用本发明专利技术可以辅助于对失眠障碍症做精准识别。用本发明专利技术可以辅助于对失眠障碍症做精准识别。

【技术实现步骤摘要】
基于清醒静息态脑电识别失眠障碍症的电子设备


[0001]本专利技术涉及计算机
，特别是指一种基于清醒静息态脑电识别失眠障碍症的电子设备。

技术介绍

[0002]失眠障碍是一种睡眠障碍性疾病，临床诊断主要基于病人主诉、量表测评与多导睡眠图(Polysomnogram,PSG)监测。其中病人主诉和量表测评可能受病人主观因素的影响，隐瞒、否认、虚报相关信息，导致指标缺乏真实性，从而出现误诊的情况；PSG监测无创采集脑电EEG等生理信号，时间分辨率高，能够客观真实地反映大脑内部的神经活动。
[0003]按照美国睡眠医学会(AASM)判读手册，判读PSG数据进行睡眠分期，可以得到睡眠连续性(总睡眠时长、睡眠效率、睡眠潜伏期时长、睡眠后清醒时长等)和睡眠结构(不同睡眠状态的持续时长和百分数占比)等参数，失眠障碍诊断过程中，这些参数是重要的客观依据。
[0004]PSG采集被试者一整夜的睡眠脑电等生理信号，然后医生通过判读得到其睡眠结构等参数，以此进行失眠障碍诊断，相对客观。然而由于PSG需要对被试者进行一整夜的睡眠监测，不仅采集过程耗时，而且被试者容易由于不适应睡眠环境产生“首夜效应”，使采集的数据无法反映其真实情况。
[0005]因此，现有的基于PSG的失眠障碍诊断过程中，PSG的采集工作比较耗时，并且在数据判读时，对医生专业性要求比较高，对不同水平的医生，他们判读PSG的结果可能不一致，这将直接影响失眠障碍症的诊断准确率。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提出一种基于清醒静息态脑电识别失眠障碍症的电子设备，可以辅助于对失眠障碍症做更快捷、精准的诊断。
[0007]基于上述目的，本专利技术提供一种基于清醒静息态脑电识别失眠障碍症的电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时用于实现：
[0008]根据被试者的清醒静息态EEG数据，构建该被试者的脑网络；
[0009]将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症；
[0010]其中，所述神经网络模型是以多个正常人以及失眠障碍症患者的清醒静息态EEG数据所构建的脑区网络作为训练样本预先训练得到的。
[0011]其中，所述被试者的清醒静息态EEG数据是在所述被试者处于清醒静息状态时，通过多个脑电电极按设定采样间隔采集的脑电信号数据，其中，包括N个采样样本；以及
[0012]所述处理器执行所述计算机程序实现所述根据被试者的清醒静息态EEG数据，构建该被试者的脑网络时，具体为：
[0013]根据N个采样样本，分别构建N个脑网络。
[0014]较佳地，所述处理器执行所述计算机程序实现所述根据N个采样样本，分别构建N个脑网络时，具体包括：
[0015]对于一个采样样本，将各脑电电极作为对应该采样样本所构建的脑网络中的各节点；
[0016]对于每个脑电电极，将该脑电电极在该采样样本中采集的脑电信号的功率谱密度，作为所述脑网络中对应于该脑电电极的节点的特征向量；
[0017]根据节点的特征向量计算节点间的相似性后，构建所述脑网络中具有相似性的节点之间的边连接。
[0018]较佳地，所述处理器执行所述计算机程序实现所述将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症时，具体为：
[0019]将构建的N个脑网络依次输入所述神经网络模型，通过所述神经网络模型识别所述被试者是否为失眠障碍症。
[0020]可选的，所述神经网络模型具体包括：
[0021]图卷积神经网络模块，用于对当前输入的脑网络进行多次卷积操作，提取所述脑网络的整体结构和所有节点的特征信息后，得到并输出网络拓扑变化的脑网络；
[0022]双向长短期记忆网络模块，用于对所述图卷积神经网络模块输出的一系列网络拓扑变化的脑网络提取双向时序特征；
[0023]归一化模块，用于根据所述双向长短期记忆网络模块提取的双向时序特征，输出所述被试者是否为失眠障碍症的识别结果。
[0024]可选的，所述图卷积神经网络模块中具体包括：n
‑
1层图卷积层；以及所述图卷积神经网络模块的输入具体为脑网络的节点特征矩阵；
[0025]其中，第l层图卷积层以所述脑网络的邻接矩阵和度矩阵作为卷积核，对输入的节点特征矩阵H
(l)
进行卷积操作，得到经过一次卷积操作后更新的节点特征矩阵H
(l+1)
。
[0026]可选的，n等于脑电电极的个数。
[0027]可选的，所述处理器执行所述计算机程序时还用于实现：对所述神经网络模型进行训练：
[0028]以采集的多个正常人的清醒静息态EEG数据，分别构建多个训练样本，并标记这些训练样本的标签为正常人；在一个标签为正常人的训练样本中，包括根据采集的该正常人的N个采样样本所构建的N个脑网络；
[0029]以采集的多个失眠障碍症患者的清醒静息态EEG数据，分别构建多个训练样本，并标记这些训练样本的标签为失眠障碍症患者；在一个标签为失眠障碍症患者的训练样本中，包括根据采集的该失眠障碍症患者的N个采样样本所构建的N个脑网络；
[0030]根据所述训练样本对所述神经网络模型进行多次迭代训练；其中，在一次迭代训练过程中，将一个训练样本中，根据采集的N个采样样本所构建的N个脑网络，按照对应的采样样本的采样顺序，依次输入所述神经网络模型，通过所述神经网络模型识别所述被试者是否为失眠障碍症；
[0031]计算该训练样本的识别结果与该训练样本的标签之间的差异；根据计算的差异，调整所述神经网络模型的参数。
[0032]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行上述的电子设备的操作。
[0033]本专利技术的技术方案中，根据被试者的清醒静息态EEG数据，构建该被试者的脑网络；将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症；其中，所述神经网络模型是以多个正常人以及失眠障碍症患者的清醒静息态EEG数据所构建的脑网络作为训练样本预先训练得到的。一方面，用清醒静息态EEG作为数据集相比于现有方法，能够在白天短时采集EEG数据，使得数据采集工作更为便捷，且不必在夜间影响被试者的睡眠，避免病人容易因为不适应睡眠环境导致的采集数据失真、影响诊断准确性；另一方面，对清醒静息态EEG使用神经网络模型自动检测被试者是否患有失眠障碍，有效缩短检测过程；因此，本专利技术技术方案可以改善被试者的就诊体验，帮助医生提高失眠障碍诊断效率和准确性。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于清醒静息态脑电识别失眠障碍症的电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时用于实现：根据被试者的清醒静息态脑电EEG数据，构建该被试者的脑网络；将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症；其中，所述神经网络模型是以多个正常人以及失眠障碍症患者的清醒静息态EEG数据所构建的脑区网络作为训练样本预先训练得到的。2.根据权利要求1所述的电子设备，其特征在于，所述被试者的清醒静息态EEG数据是在所述被试者处于清醒静息状态时，通过多个脑电电极按设定采样间隔采集的脑电信号数据，其中，包括N个采样样本；以及所述处理器执行所述计算机程序实现所述根据被试者的清醒静息态EEG数据，构建该被试者的脑网络时，具体为：根据N个采样样本，分别构建N个脑网络。3.根据权利要求2所述的电子设备，其特征在于，所述处理器执行所述计算机程序实现所述根据N个采样样本，分别构建N个脑网络时，具体包括：对于一个采样样本，将各脑电电极作为对应该采样样本所构建的脑网络中的各节点；对于每个脑电电极，将该脑电电极在该采样样本中采集的脑电信号的功率谱密度，作为所述脑网络中对应于该脑电电极的节点的特征向量；根据节点的特征向量计算节点间的相似性后，构建所述脑网络中具有相似性的节点之间的边连接。4.根据权利要求2所述的电子设备，其特征在于，所述处理器执行所述计算机程序实现所述将构建的脑网络通过预先训练的神经网络模型识别所述被试者是否为失眠障碍症时，具体为：将构建的N个脑网络依次输入所述神经网络模型，通过所述神经网络模型识别所述被试者是否为失眠障碍症。5.根据权利要求4所述的电子设备，其特征在于，所述神经网络模型具体包括：图卷积神经网络模块，用于对当前输入的脑网络进行多次卷积操作，提取所述脑网络的整体结构和所有节点的特征信息后，得到并输出网络拓扑变化的脑网络；双向长短期记忆网络模块，用于对所述图卷积神经网络模块输出的一系列网络拓扑变化的脑网络提取双向时序特征；归一化模块，用于根据所述双向长短期记忆网络模块提取...

【专利技术属性】
技术研发人员：罗涛，范艺晶，杨子贤，李剑峰，陶晓华，常静玲，
申请(专利权)人：北京中医药大学，
类型：发明
国别省市：