基于脑电信号分析的抑郁障碍识别系统、装置及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于脑电信号分析的抑郁障碍识别系统、装置及存储介质，该系统包括处理器，所述处理器被配置为执行以下抑郁障碍识别方法：确定被测者脑电信号的预设特征数据集合，所述预设特征数据集合至少包括动态功能连接特征数据；如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果；如果识别目标为抑郁亚型目标，则将所述预设特征数据集合输入已训练的第二分类模型，以得到被测者的抑郁亚型识别结果。解决了现有抑郁障碍诊断方式存在客观检查手段缺乏的问题。碍诊断方式存在客观检查手段缺乏的问题。碍诊断方式存在客观检查手段缺乏的问题。

【技术实现步骤摘要】
基于脑电信号分析的抑郁障碍识别系统、装置及存储介质


[0001]本专利技术实施例涉及计算机程序领域，尤其涉及一种基于脑电信号分析的抑郁障碍识别系统、装置及存储介质。

技术介绍

[0002]抑郁症(Depression)是一种精神科常见病，目前的抑郁障碍诊断筛查方式缺乏客观检查手段，医生仅能根据被测者的家庭病史、精神状况和症状评定量表等信息的主观判断来对疾病进行诊疗，存在漏诊或误诊的情况。

技术实现思路

[0003]本专利技术实施例提供了一种基于脑电信号分析的抑郁障碍识别系统、装置及存储介质，解决了现有抑郁障碍诊断方式存在客观检查手段缺乏的问题。
[0004]第一方面，本专利技术实施例提供了一种抑郁障碍识别系统，包括处理器，所述处理器被配置为执行以下基于脑电信号分析的抑郁障碍识别方法，包括：
[0005]获取被测者脑电信号的预设特征数据集合，所述预设特征数据集合至少包括动态功能连接特征数据；
[0006]如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果；
[0007]如果识别目标为抑郁亚型目标，则将所述预设特征数据集合输入已训练的第二分类模型，以得到被测者的抑郁亚型识别结果。
[0008]第二方面，本专利技术实施例还提供了一种基于脑电信号分析的抑郁障碍确定装置，包括：
[0009]获取模块，用于获取被测者脑电信号的预设特征数据集合，所述预设特征数据集合至少包括动态功能连接特征数据；
[0010]第一识别模块，用于如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果；
[0011]第二识别模块，用于如果识别目标为抑郁亚型目标，则将所述预设特征数据集合输入已训练的第二分类模型，以得到被测者的抑郁亚型识别结果。
[0012]第三方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行以下方法，包括：
[0013]获取被测者脑电信号的预设特征数据集合，所述预设特征数据集合至少包括动态功能连接特征数据；
[0014]如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果；
[0015]如果识别目标为抑郁亚型目标，则将所述预设特征数据集合输入已训练的第二分类模型，以得到被测者的抑郁亚型识别结果。
[0016]本专利技术实施例提供的基于脑电信号分析的抑郁障碍识别系统的技术方案，通过将包含动态功能连接特征数据的预设特征数据集合输入已训练的第一分类模型得到抑郁初筛结果，以及通过将包含动态功能连接特征数据的预设特征数据集合输入已训练的第二分类模型得到抑郁亚型结果，实现了基于被测者脑电信号确定的动态功能连接特征数据确定被测者抑郁识别结果的目的，为临床抑郁诊断提供了有力、客观的技术支持，有助于提高临床抑郁诊断的诊断准确率。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例提供的基于脑电信号分析的抑郁障碍识别系统的结构框图；
[0019]图2是本专利技术实施例提供的基于脑电信号分析的抑郁障碍识别方法的流程图；
[0020]图3A是本专利技术实施例提供的功能连接状态模板一的发生次数在不同人群中的统计分布图；
[0021]图3B是本专利技术实施例提供的功能连接状态模板一的时间占比在不同人群中的统计分布图；
[0022]图3C是本专利技术实施例提供的功能连接状态模板一的持续时间在不同人群中的统计分布图；
[0023]图3D是本专利技术实施例提供的功能连接状态模板二的发生次数在不同人群中的统计分布图；
[0024]图3E是本专利技术实施例提供的功能连接状态模板二的时间占比在不同人群中的统计分布图；
[0025]图3F是本专利技术实施例提供的功能连接状态模板二的持续时间在不同人群中的统计分布图；
[0026]图4是本专利技术实施例提供的功能连接状态模板一与功能连接状态模板二的发生次数、时间占比和持续时间的分布雷达图；
[0027]图5是本专利技术又一实施例提供的基于脑电信号分析的抑郁障碍识别方法的流程图；
[0028]图6是本专利技术又一实施例提供的基于脑电信号分析的抑郁障碍识别方法的流程图；
[0029]图7是本专利技术实施例提供的基于脑电信号分析的抑郁障碍识别装置的结构框图；
[0030]图8是本专利技术又一实施例提供的基于脑电信号分析的抑郁障碍识别装置的结构框图。
具体实施方式
[0031]为使本专利技术的目的、技术方案和优点更加清楚，以下将参照本专利技术实施例中的附图，通过实施方式清楚、完整地描述本专利技术的技术方案，显然，所描述的实施例是本专利技术一
部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]图1是本专利技术实施例提供的基于脑电信号分析的抑郁障碍识别系统，该系统包括处理器101、存储器102以及存储于存储器102上的计算机程序，该处理器101执行计算机程序时实现基于脑电信号分析的抑郁障碍识别方法。在一个实施例中，该系统在包括处理器101和存储器102的同时，还包括输入装置103和输出装置104；其中，处理器101的数量可以是一个或多个，图1中以一个处理器101为例；设备中的处理器101、存储器102、输入装置103以及输出装置104可以通过总线或其他方式连接，图1中以通过总线连接为例。
[0033]存储器102作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本专利技术实施例中的基于脑电信号分析的抑郁障碍识别方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现任意实施例所述的基于脑电信号分析的抑郁障碍识别方法。
[0034]存储器102可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器102可进一步包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0035]输入装置103可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号分析的抑郁障碍识别系统，其特征在于，包括处理器，所述处理器被配置为执行以下抑郁障碍识别方法，包括：获取被测者脑电信号的预设特征数据集合，所述预设特征数据集合至少包括动态功能连接特征数据；如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果；如果识别目标为抑郁亚型目标，则将所述预设特征数据集合输入已训练的第二分类模型，以得到被测者的抑郁亚型识别结果。2.根据权利要求1所述的系统，其特征在于，所述预设特征数据集合还包括脑区能量频谱对称性数据、功率谱密度数据、功率谱密度比值数据和时序特征数据中的至少一种特征数据。3.根据权利要求1所述的系统，其特征在于，所述如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果之后，还包括：在所述抑郁初筛结果为抑郁障碍时，将所述预设特征数据集合输入已训练的第二分类模型以得到被测者的抑郁亚型识别结果。4.根据权利要求1所述的系统，其特征在于，所述如果识别目标为抑郁初筛目标，则将所述预设特征数据集合输入已训练的第一分类模型，以得到被测者的抑郁初筛结果之前，还包括：基于设定筛选方法从当前的预设特征数据集合中筛选出符合设定识别条件的预设特征数据，以再次更新预设特征数据集合，所述设定筛选方法包括相关系数筛选方法和/或评分排序筛选方法。5.根据权利要求4所述的系统，其特征在于，当所述筛选方法为评分排序筛选方法时，所述基于设定筛选方法从当前的预设特征数据集合中筛选出符合设定识别条件的预设特征数据，以再次更新预设特征数据集合，包括：基于设定算法确定当前预设特征数据集合中各预设特征数据的评分，并根据评分排序结果确定符合预设识别条件的至少三个候选特征数据；根据检测到的特征分数调整请求调整所述至少三个候选特征数据中的至少一个候选特征数据的评分，以更新评分排序结果；根据更新后的评分排序结果确定至少两个符合预设识别条件的预设特征数据以再次更新预设特征数据集合，其中，再次更新后的预设特征数据集合中的预设特征数据的数量小于候选特征数据的数量。6.根据权利要求4所述的系统，其特征在于，所述基于设定筛选方法从当前的预设特征数据集合中筛选出符合设定识别条件的预设特征数据，以再次更新预设特征数据集合之前，还包括：获取被测者的第一附加特征数据，所...

【专利技术属性】
技术研发人员：雷燕琴，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：