本发明专利技术涉及生命健康技术领域，特别是涉及一种针对阿尔兹海默症的早期智能分类方法及装置，本发明专利技术根据空间方向的语言理解的脑机接口刺激范式指引，被测试者做出操作，预设的脑接口机提取所述被测试者的脑电信号；针对早期阿尔茨海默症患者脑电信号的多频段、跨个体以及差异不显著的特点，对所述脑电信号进行数据降维处理，并对其分类，整个过程检测成本低，且对被测试者的文化水平要求较低，检测精度较高。高。高。
【技术实现步骤摘要】
一种针对阿尔兹海默症的早期智能分类方法及装置
[0001]本专利技术涉及生命健康
，具体而言，涉及一种针对阿尔兹海默症的早期智能分类方法及装置。
技术介绍
[0002]据中国阿尔茨海默病协会2011年的公布调查结果显示，全球有约3650万人患有痴呆症，每7秒就有一个人患上此病，平均生存期只有5.9年，是威胁老人健康的“四大杀手”之一。现目前的医疗技术水平，尚未发现对应阿尔茨海默症的有效疗法，但如果能在早期尽快发现并加以干预治疗，就能大大延缓疾病发展趋势，延长患者寿命。
[0003]目前，阿尔兹海默症早期筛查常用的方法包括核磁共振(MRI)影像和认知量表评估。核磁共振(MRI)影像可以反映出阿尔茨海默病各个演变阶段的大脑组织结构差异，但是核磁共振(MRI)影像的设备和人力检测成本较高且花费时间长。认知量表评估方法，具体的，可以基于简易智力状态检查表(MMSE)和蒙特利尔认知评估量表(MoCA)，通过评分测试来进行早期阿尔茨海默病的筛查，检测成本低，但诊断精度欠缺，且对被测试者的文化水平等条件要求较高。
技术实现思路
[0004]本专利技术提供一种针对阿尔兹海默症的早期智能分类方法及装置，用以克服现有技术中存在的至少一个技术问题。
[0005]根据本专利技术一方面提供一种针对阿尔兹海默症的早期智能分类方法，所述方法包括：基于预设的第一脑电信号，根据本专利技术一方面提供一种针对阿尔兹海默症的早期智能分类方法，对所述脑电信号的不同频段进行滤波，生成脑电信号的度量结构，基于所述度量结构获取频段特征，基于所述频段特征生成第一分类结果；基于所述频段特征，将所述频段特征的分散数据集转移到同一分布进行去漂移化处理，生成标准特征集，基于所述标准特征集生成第二分类结果；基于所述标准特征集的能量分布区域，根据所述能量分布区域的差异获取最可分特征，基于最可分特征生成第三分类结果；对所述第一分类结果、所述第二分类结果和所述第三分类结果进行硬投票处理，生成最终分类结果。
[0006]可选的，所述基于预设的脑电信号，对所述脑电信号的不同频段进行滤波，生成脑电信号的度量结构，基于所述度量结构获取频段特征，基于所述频段特征生成第一分类结果的步骤，包括：将预设的脑电信号分成多个子频段，以及对所述子频段进行滤波处理，生成第二脑电信号；将所述第二脑电信号映射到黎曼流形中，生成所述第二脑电信号的度量结构；对所述度量结构进行降维处理，获取频段特征；基于所述频段特征进行第一分类，生成第一分类结果。
[0007]可选的，所述基于所述频段特征，将所述频段特征的分散数据集转移到同一分布进行去漂移化处理，生成标准特征集，基于所述标准特征集生成第二分类结果的步骤，包括：基于所述频段特征，将所述频段特征的分散数据集投射到黎曼流形中，并转移至同一分
布进行去漂移处理，生成所述频段特征的协方差特征；对所述协方差特征进行数据降维处理，获取所述标准特征集；基于所述标准特征集进行第二分类，生成第二分类结果。
[0008]可选的，所述基于所述标准特征集的能量分布区域，基于所述能量分布区域的差异获取最可分特征，基于最可分特征生成第三分类结果的步骤，包括：基于所述标准特征集，提取所述标准特征集相对应的能量分布区域；基于所述能量分布区域，对所述能量分布区域进行联合对角化处理，获取最可分特征；基于所述最可分特征进行第三分类，生成第三分类结果。
[0009]可选的，所述对所述度量结构进行降维处理，获取频段特征的步骤，包括：对所述度量结构的数据进行降维处理，获得低维的黎曼子流形；将所述度量结构投射到黎曼子流形对应的切空间中，获取频段特征。
[0010]根据本专利技术另一方面提供一种针对阿尔兹海默症的早期智能分类装置，所述装置包括：提取模块，用于基于预设的第一脑电信号，对所述脑电信号的不同频段进行滤波，生成脑电信号的度量结构，基于所述度量结构获取频段特征，基于所述频段特征生成第一分类结果；去漂移化模块，用于基于所述频段特征，将所述频段特征的分散数据集转移到同一分布进行去漂移化处理，生成标准特征集，基于所述标准特征集生成第二分类结果；最可分模块，用于基于所述标准特征集的能量分布区域，根据所述能量分布区域的差异获取最可分特征，基于最可分特征生成第三分类结果；输出模块，对所述第一分类结果、所述第二分类结果和所述第三分类结果进行硬投票处理，生成最终分类结果。
[0011]可选的，所述提取模块包括：第一提取子模块，用于将预设的脑电信号分成多个子频段，以及对所述子频段进行滤波处理，生成第二脑电信号；第二提取子模块，用于将所述第二脑电信号映射到黎曼流形中，生成所述第二脑电信号的度量结构；第三提取子模块，用于对所述度量结构进行降维处理，获取频段特征；第四提取子模块，用于基于所述频段特征进行第一分类，生成第一分类结果。
[0012]可选的，所述去漂移化模块包括：第一漂移化子模块，用于基于所述频段特征，将所述频段特征的分散数据集投射到黎曼流形中，并转移至同一分布进行去漂移处理，生成所述频段特征的协方差特征；第二漂移化子模块，用于对所述协方差特征进行数据降维处理，获取所述标准特征集；第三漂移化子模块，用于基于所述标准特征集进行第二分类，生成第二分类结果。
[0013]可选的，所述最可分模块包括：第一最可分子模块，用于基于所述标准特征集，提取所述标准特征集相对应的能量分布区域；第二最可分子模块，用于基于所述能量分布区域，对所述能量分布区域进行联合对角化处理，获取最可分特征；第三最可分子模块，用于基于所述最可分特征进行第三分类，生成第三分类结果。
[0014]可选的，所述第三提取子模块包括：第四提取子模块，用于对所述度量结构的数据进行降维处理，获得低维的黎曼子流形；第五提取子模块，用于将所述度量结构投射到黎曼子流形对应的切空间中，获取频段特征。
[0015]本专利技术实施例的创新点包括：
[0016]1、本专利技术可以通过针对早期阿尔茨海默症患者脑电信号的多频段、跨个体以及差异不显著的特点，对诱发到的脑电信号进行特征提取，提取到跨频段、去漂移的标准特征集，进行对所述特征集进行数据降维，得到差异化最大特征，并分类。所述可分特征之间的
差异化特点，可以使分类的结果更为精确。本专利技术提出的针对阿尔兹海默症的早期智能分类方法不仅检测成本低，对被测试者的文化水平要求较低，而且模型充分考虑阿尔茨海默病脑电特点，致使检测精度较高；是本专利技术实施例的创新点之一。
[0017]2、本专利技术可以通过针对任务态脑电信号特性的黎曼机器学习算法，将测试者在空间方向和词语理解上的认知障碍特性编码到脑电信号当中，再通过黎曼机器学习对被测试者的脑电信号进行处理，实现对阿尔茨海默病的认知编码和脑电解码，高效辨别早期阿尔茨海默症，具有一定的先进性。其中，黎曼机器学习算法具体可以包括基于多频段滤波的黎曼流形映射模块，基于跨个体迁移的黎曼中心化模块和基于差异最大化的黎曼联合对角化模块；是本专利技术实施例的创新点之一。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种针对阿尔兹海默症的早期智能分类方法，其特征在于，所述方法包括：基于预设的第一脑电信号，对所述脑电信号的不同频段进行滤波，生成脑电信号的度量结构，基于所述度量结构获取频段特征，基于所述频段特征生成第一分类结果；基于所述频段特征，将所述频段特征的分散数据集转移到同一分布进行去漂移化处理，生成标准特征集，基于所述标准特征集生成第二分类结果；基于所述标准特征集的能量分布区域，根据所述能量分布区域的差异获取最可分特征，基于最可分特征生成第三分类结果；对所述第一分类结果、所述第二分类结果和所述第三分类结果进行硬投票处理，生成最终分类结果。2.根据权利要求1所述的方法，其特征在于，所述基于预设的脑电信号，对所述脑电信号的不同频段进行滤波，生成脑电信号的度量结构，基于所述度量结构获取频段特征，基于所述频段特征生成第一分类结果的步骤，包括：将预设的脑电信号分成多个子频段，以及对所述子频段进行滤波处理，生成第二脑电信号；将所述第二脑电信号映射到黎曼流形中，生成所述第二脑电信号的度量结构；对所述度量结构进行降维处理，获取频段特征；基于所述频段特征进行第一分类，生成第一分类结果。3.根据权利要求1所述的方法，其特征在于，所述基于所述频段特征，将所述频段特征的分散数据集转移到同一分布进行去漂移化处理，生成标准特征集，基于所述标准特征集生成第二分类结果的步骤，包括：基于所述频段特征，将所述频段特征的分散数据集投射到黎曼流形中，并转移至同一分布进行去漂移处理，生成所述频段特征的协方差特征；对所述协方差特征进行数据降维处理，获取所述标准特征集；基于所述标准特征集进行第二分类，生成第二分类结果。4.根据权利要求1所述的方法，其特征在于，所述基于所述标准特征集的能量分布区域，基于所述能量分布区域的差异获取最可分特征，基于最可分特征生成第三分类结果的步骤，包括：基于所述标准特征集，提取所述标准特征集相对应的能量分布区域；基于所述能量分布区域，对所述能量分布区域进行联合对角化处理，获取最可分特征；基于所述最可分特征进行第三分类，生成第三分类结果。5.根据权利要求2所述的方法，其特征在于，所述对所述度量结构进行降维处理，获取频段特征的步骤，包括：对所述度量结构的数据进行降维处理，获得低维的黎曼子流形；将所述度量结构投射到黎曼子流形...
【专利技术属性】
技术研发人员：谢小峰，谢婧婧，
申请(专利权)人：海南大学三亚研究院，
类型：发明
国别省市：
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。