一种基于结缔组织电势的焦虑判别方法及装置制造方法及图纸

本发明专利技术公开了一种基于结缔组织电势的焦虑判别方法，包括：数据采集模块，用于目标的采集结缔组织电势信号，所述结缔组织电势信号包括目标的静默期信号和问答期信号；数据分析模块，对采集到结缔组织电势信号进行分析，得到用于判断目标是否焦虑的预测结果；分析的具体过程如下：步骤1、对采集获得的结缔组织电势信号进行去伪迹处理；步骤2、根据处理后的结缔组织电势信号，分别对静默期信号和问答期信号进行特征的提取，并构建融合特征矩阵；步骤3、根据融合特征矩阵，采用SVM分类模型进行分析，输出对应的预测结果。本发明专利技术还提供了一种焦虑判别装置。本发明专利技术提供的方法操作简单，检测时间短，准确率高，能够降低检测的时间成本和人力成本。成本。成本。

【技术实现步骤摘要】
一种基于结缔组织电势的焦虑判别方法及装置


[0001]本专利技术涉及医疗辅助的
，尤其涉及一种基于结缔组织电势的焦虑判别方法及装置。

技术介绍

[0002]焦虑是一种精神状态，在高速发展的信息化社会，这种精神状态越来越普遍。长期处于焦虑状态则易成为焦虑障碍。生理信号被认为对情绪变化的检测十分有用，研究发现心电图(ECG)、脑电图(EEG)等广泛使用的生理信号，与情绪密切相关。但这些生理信号的检测条件相对严格，人力成本较高。研究表明皮肤电化学反应(GSR)也是一种与情绪变化相关的生理信号，结缔组织电势是一种记录GSR的方法，其信号包含着与情绪变化有关的生理信息。现有的研究中，没有基于结缔组织电势信号进行焦虑状态的判别的方法和系统。
[0003]学术文献，基于N170的情绪识别方法及识别系统，中国，202011396623.7[P]，2020.公开了针对EEG信号中的多个特征进行识别分析，从而获得准确率较高的情绪状态识别结果。但是EEG信号在日常生活中无法得到普适，其采集设备和过程都比较复杂。
[0004]学术文献，Affective body expression perception andrecognition:Asurvey[J].IEEE Transactions on Affective Computing,2013,4(1):15
‑
33.公开了人们在特定场合的肢体语言，如身体姿势等也能够传递出面部表情或语音等无法提供的情绪信息。但是该方法需要采集特定任务状态下的信号进行识别，应用性不强。
[0005]专利文献CN115114953A公开了一种基于循环神经网络的情绪脑信号识别方法，包括：1)获取训练的情绪脑信号并预处理操作，得到重新分割后的信号片段；2)对重新分割后的每个信号片段，分别针对时域信息与空域信息进行微分熵特征与黎曼特征的计算，得到相应特征向量；3)将特征向量输入构建的循环神经网络进行训练，得到训练好的循环神经网络；4)调用训练好的循环神经网络，实现对情绪脑信号分类，得到最终的识别结果。该方法通过提取原脑信号中的有效特征，从而提高识别的准确率，但原脑信号中存在大量噪音，对于识别模型的要求非常高，同时需要目标保证稳定的活动状态才能实现。

技术实现思路

[0006]为了解决上问题，本专利技术提供了一种焦虑判别方法，该方法可以实现实时对目标的精神状态监测，为后续的治疗方案提供有效指导。
[0007]一种基于结缔组织电势的焦虑判别方法，包括：
[0008]数据采集模块，用于目标的采集结缔组织电势信号，所述结缔组织电势信号包括目标的静默期信号和问答期信号；
[0009]数据分析模块，对采集到结缔组织电势信号进行分析，得到用于判断目标是否焦虑的预测结果；
[0010]所述分析的具体过程如下：
[0011]步骤1、对采集获得的结缔组织电势信号进行去伪迹处理；
[0012]步骤2、根据处理后的结缔组织电势信号，分别对静默期信号和问答期信号进行特征的提取，并构建融合特征矩阵；
[0013]步骤3、根据步骤2获得的融合特征矩阵，采用SVM分类模型进行分析，输出对应的预测结果。
[0014]本专利技术通过采集结缔组织电势信号的特征，并根据采集状态划分为静默期和问答期进行特征融合，从而获得更加准确的识别结果。
[0015]具体的，采集结缔组织电势信号时，采集电极分别置于目标左手中指的指腹处与手腕外侧中间结缔组织处。
[0016]具体的，所述结缔组织电势信号包括至少一组4分钟的静默期信号和4分钟的问答期信号。
[0017]具体的，所述特征包括频域特征与非线性特征；
[0018]所述频域特征通过获取静默期信号和问答信号对应的频谱，计算所述频谱一阶导数和二阶导数的平均值、中位值和标准差获得；
[0019]所述非线性特征通过提取静默期信号和问答期信号的每个时期信号平均交叉频率获得。
[0020]具体的，在步骤2中，所述融合特征矩阵采用串联静默期信号特征和问答期信号特征获得。
[0021]具体的，在步骤3中，所述SVM分类模型的核函数如下：
[0022]K(x
i
,x
j
)＝x
iT
x
j
[0023]式中，x
i
为特征矩阵中的一维向量，x
j
为特征矩阵中另一维向量，即在原始空间两个向量做内积。
[0024]具体的，在步骤3中，所述SVM分类模型采用100次10折交叉验证法训练获得：轮流在数据样本中随机选出10％的样本作为测试集，剩下的作为训练集，得出10份相应的分类准确率并求平均值，总共重复100次10折交叉验证的过程，对其正确率结果求平均值，以判定该分类模型的有效性。
[0025]本专利技术还提供了一种焦虑判别装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现上述的焦虑判别方法，其具体步骤如下：采集目标的结缔组织电势信号，根据焦虑判别方法进行分析，输出用于判断目标是否焦虑的预测结果。
[0026]与现有技术相比，本专利技术的有益效果：
[0027]根据结缔组织位置的电势信号，对目标的精神状态进行识别，无需额外的设备投入，同时无需进行特定行为进行数据采样，在保证识别准确率的条件下，实现快速、实时反馈目标的精神状态，为后续治疗方案提供有效的指导。
附图说明
[0028]图1为本专利技术提供的一种基于结缔组织电势信号的焦虑判别方法的流程图；
[0029]图2为本专利技术提供的数据处理模块的流程图；
[0030]图3为结缔组织电势信号的识别流程图；
[0031]图4为是识别结果的准确率曲线图。
具体实施方式
[0032]面结合附图对专利技术的技术方案进行详细说明。本专利技术的核心是提供一种基于结缔组织电势信号的焦虑判别方法，包括以下步骤：
[0033]如图1所示，由用户佩戴采集装置，采集其左手中指的指腹处和手腕外侧中间结缔组织的电势信号，由监测数据软件来记录采集设备采集的数据。
[0034]数据采集模块结缔组织电势信号采集设备对佩戴者进行左手中指的指腹处与手腕外侧之间的结缔组织电势信号采集，对采集的信号进行放大、滤波、记录和保存，然后传输到数据分析模块；
[0035]数据分析模块对接收到的结缔组织电势信号进行分析和识别分类，输出判别的结果(0或1)，获得用户的精神状态(健康/焦虑)。
[0036]如图2所示，数据分析模块进行数据分析的过程包括：
[0037]步骤1、对接收的信号通过移动平均法进行去伪迹处理；
[0038]步骤2、从干净的结缔组织电势信号中提取频域特征和非线性特征，以静默期和问答期进行特征划分，并通过串联方式将两时期的特征融合，获得融合特征矩阵；
[0039]步骤3、将获得的融合特征矩阵输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结缔组织电势的焦虑判别方法，其特征在于，包括：数据采集模块，用于目标的采集结缔组织电势信号，所述结缔组织电势信号包括目标的静默期信号和问答期信号；数据分析模块，对采集到结缔组织电势信号进行分析，得到用于判断目标是否焦虑的预测结果；所述分析的具体过程如下：步骤1、对采集获得的结缔组织电势信号进行去伪迹处理；步骤2、根据处理后的结缔组织电势信号，分别对静默期信号和问答期信号进行特征的提取，并构建融合特征矩阵；步骤3、根据步骤2获得的融合特征矩阵，采用SVM分类模型进行分析，输出对应的预测结果。2.根据权利要求1所述的基于结缔组织电势的焦虑判别方法，其特征在于，采集结缔组织电势信号时，采集电极分别置于目标左手中指的指腹处与手腕外侧中间结缔组织处。3.根据权利要求1所述的基于结缔组织电势的焦虑判别方法，其特征在于，所述结缔组织电势信号包括至少一组4分钟的静默期信号和4分钟的问答期信号。4.根据权利要求1所述的基于结缔组织电势的焦虑判别方法，其特征在于，在步骤2中，所述特征包括频域特征与非线性特征；所述频域特征通过获取静默期信号和问答期信号对应的频谱，计算所述频谱一阶导数和二阶导数的平均值、中位值和标准差获得；所述非线性特...

【专利技术属性】
技术研发人员：江海腾，李晓晶，孙静，李涛，
申请(专利权)人：杭州市第七人民医院，
类型：发明
国别省市：