一种基于EEM和P300电生理指标早期识别抑郁症的方法技术

本发明专利技术提供一种基于EEM和P300电生理指标早期识别抑郁症的方法，涉及临床医学精神病诊断技术领域。该基于EEM和P300电生理指标早期识别抑郁症的方法，包括如下步骤：S1.收集和整理数据并构建原始数据集，数据为候选基因DNA甲基化的EWAS分析结果；S2.对原始数据集进行数据预处理得到输入数据集，将输入数据集划分为训练数据集和测试数据集；S3.创建识别抑郁症患者与健康人群的早期学习模型，然后利用训练数据集对构建的早期学习模型进行训练。通过EEM和P300电生理指标测量数据的应用，使得能够准确的识别抑郁症，极大的避免了误诊的发生，并且医生可以利用该方法在较短的时间内确定适合的治疗方案，从而缩短了诊疗时间，提高了工作效率与诊疗方案的准确性。了工作效率与诊疗方案的准确性。了工作效率与诊疗方案的准确性。

【技术实现步骤摘要】
一种基于EEM和P300电生理指标早期识别抑郁症的方法


[0001]本专利技术涉及临床医学精神病诊断
，具体为一种基于EEM和P300电生理指标早期识别抑郁症的方法。

技术介绍

[0002]抑郁症是一种严重影响患者社会功能的常见精神疾病，通常与一系列执行功能(包括记忆和注意力)的缺陷有关。世界卫生组织调查发现在重大经济负担疾病中抑郁症位列第三位，预计将在2030年成为第一位。抑郁症症状多样、病程较长、复发率高且治疗效果个体差异大，其检测、诊断经常给临床医生带来挑战，迫切需要客观、准确率高的辅助诊断方法。
[0003]事件相关电位(event
‑
related potential,ERP)是一种特殊的脑诱发电位，通过有意地赋予刺激以特殊的心理意义，利用多个或多样的刺激所引起的脑的电位。它反映了认知过程中大脑的神经电生理的变化，也被称为认知电位。在抑郁症诊断方面，P300波形被认为是与认知信息(包括工作记忆、注意力和执行功能)处理有关，是ERP中应用最广泛的成分。作为认知活动的电生理指标，P300是一种无创、廉价、方便的客观辅助诊断指标。由于其高时间分辨率，P300对认知变化比传统的神经心理测试方法更敏感。
[0004]除了事件相关电位P300，有研究发现探究性眼动(Exploratory Eye Movement，EEM)测定中的凝视点数(Number of Eye Fixation，NEF)和反应性探索评分(Responsive Searching Score，RSS)与人的精神状态和主动注意有关，与认知功能有一定的相关性。有学者提出感知周期的理论，认为感知周期包括预期和确认。视觉认知过程中关键的是预期阶段，它使人们准备接受某种特定的信息，从而控制了人们的注视行为，预期阶段指导了眼球的探索过程，人们常主动地移动眼球和头部来探察物体，希望从图形中得到更多的信息。抑郁症患者的NEF和RSS评分降低，反映了预期方面的功能障碍，而通常认为预期阶段与人的精神状态和主动注意是有关的，因此，认为通过EEM测定可以反映抑郁症患者注意力的障碍程度。
[0005]基于上述内容，表明事件相关电位P300、探索性眼动数据可以用来作为评判病人抑郁症症状的指标。为解决抑郁症诊断的困难，降低临床误诊率，本专利技术设计一种基于EEM和P300电生理指标早期识别抑郁症的方法，以解决上述提出的问题。

技术实现思路

[0006](一)解决的技术问题
[0007]针对现有技术的不足，本专利技术提供了一种基于EEM和P300电生理指标早期识别抑郁症的方法，能够准确的识别抑郁症，极大的避免了误诊的发生，并且医生可以利用该方法在较短的时间内确定适合的治疗方案，从而缩短了诊疗时间，提高了工作效率与诊疗方案的准确性。
[0008](二)技术方案
[0009]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于EEM和P300电生理指标早期识别抑郁症的方法，包括如下步骤：
[0010]S1.收集和整理数据并构建原始数据集，数据为候选基因DNA甲基化的EWAS分析结果；
[0011]S2.对原始数据集进行数据预处理得到输入数据集，将输入数据集划分为训练数据集和测试数据集；
[0012]S3.创建识别抑郁症患者与健康人群的早期学习模型，然后利用训练数据集对构建的早期学习模型进行训练；
[0013]S4.利用测试数据集对训练好的早期学习模型进行性能评估，并在验证评估过程中对模型进行不断优化，得到抑郁症早期识别模型；
[0014]S5.获取被试者的EEM和P300测量数据；
[0015]S6.对被试者的EEM和P300测量数据进行预处理；
[0016]S7.将步骤S6中预处理后的数据特征输入到步骤S4创建的模型中，输出早期抑郁症的识别结果。
[0017]优选的，所述步骤S1中收集和整理数据并构建原始数据集的具体步骤如下：
[0018]1)对符合标准入组的抑郁症患者和健康人群对照进行候选基因甲基化测序；
[0019]2)对测序后的下机数据进行处理，得到抑郁症患者和健康人群的候选基因DNA甲基化测序的EWAS分析结果；
[0020]3)将两组分析结果进行收集整理，构建原始数据集。
[0021]优选的，所述步骤S2中对原始数据集进行数据预处理得到输入数据集的过程如下：去除候选基因DNA甲基化测序位点中未被检测到的情况得到输入数据集。
[0022]优选的，所述步骤S2中将输入数据集划分为训练数据集和测试数据集的过程如下：将经过预处理之后得到的输入数据按比例分割训练集和测试集，得到训练集和测试集比例为7
‑
9∶1
‑
3。
[0023]优选的，所述步骤S3中创建识别抑郁症患者与健康人群的深度学习模型的具体步骤如下：
[0024]1)为训练数据集中的每一个目标位点构建一个神经网络，所述神经网络是以全连接神经网络模型与输出层sigmoid函数构建，包括输入层、隐藏层和输出层；
[0025]2)设定所述神经网络模型的输入层，假定训练样本数为m，候选基因甲基化的测序位点数为n，则候选基因甲基化测序数据对应的输入矩阵表示为X(m*n)，其中所述的每一行表示一个样本的甲基化测序数据，每一列对应所述甲基化测序数据的位点数据，输入神经元个数设置为N，使用的激活函数为Relu；
[0026]3)设定所述神经网络模型的隐藏层，隐藏层的输入数据为输入层的输出数据，隐藏层神经元个数设置为M，使用的激活函数为Relu；
[0027]4)设定所述神经网络模型的输出层，其中，输出层的输入数据为隐藏层的输出数据，输出层神经元个数设置为C，使用的激活函数为sigmoid；
[0028]5)将训练数据集输入到构建的深度学习模型中，其中，输入神经元个数N＝n＝406，隐藏层1神经元个数M＝8，隐藏层2神经元个数M＝4，输出层神经元个数C＝1，以输入向量所对应的输出值作为目标真实值训练模型。
[0029]优选的，所述步骤S5中获取的被试者EEM和P300测量数据包含如下任意一项:
[0030](1)EEM包括：NEF、RSS1、RSS2、RSS1+RSS2；
[0031](2)P300包括：P3潜伏期、P3波幅、D。
[0032]优选的，所述步骤S6中的数据预处理包含如下任意一项：
[0033](1)删除缺失值占比≥50％的特征，对于缺失值占比＜50％的特征，使用中位数来填充缺失值；
[0034](2)对数据进行均一化。
[0035]优选的，一种基于EEM和P300电生理指标早期抑郁症识别系统，包括数据预处理单元、模型创建单元、模型优化单元和数据识别单元；
[0036]数据预处理单元，用于对候选基因DNA甲基化的EWAS分析结果进行预处理；
[0037]模型创建单元，用于创建识别早期抑郁症患者与健康人群的早期识别模型；...

【技术保护点】

【技术特征摘要】
1.一种基于EEM和P300电生理指标早期识别抑郁症的方法，其特征在于：包括如下步骤：S1.收集和整理数据并构建原始数据集，数据为候选基因DNA甲基化的EWAS分析结果；S2.对原始数据集进行数据预处理得到输入数据集，将输入数据集划分为训练数据集和测试数据集；S3.创建识别抑郁症患者与健康人群的早期学习模型，然后利用训练数据集对构建的早期学习模型进行训练；S4.利用测试数据集对训练好的早期学习模型进行性能评估，并在验证评估过程中对模型进行不断优化，得到抑郁症早期识别模型；S5.获取被试者的EEM和P300测量数据；S6.对被试者的EEM和P300测量数据进行预处理；S7.将步骤S6中预处理后的数据特征输入到步骤S4创建的模型中，输出早期抑郁症的识别结果。2.根据权利要求1所述的一种基于EEM和P300电生理指标早期识别抑郁症的方法，其特征在于：所述步骤S1中收集和整理数据并构建原始数据集的具体步骤如下：1)对符合标准入组的抑郁症患者和健康人群对照进行候选基因甲基化测序；2)对测序后的下机数据进行处理，得到抑郁症患者和健康人群的候选基因DNA甲基化测序的EWAS分析结果；3)将两组分析结果进行收集整理，构建原始数据集。3.根据权利要求1所述的一种基于EEM和P300电生理指标早期识别抑郁症的方法，其特征在于：所述步骤S2中对原始数据集进行数据预处理得到输入数据集的过程如下：去除候选基因DNA甲基化测序位点中未被检测到的情况得到输入数据集。4.根据权利要求1所述的一种基于EEM和P300电生理指标早期识别抑郁症的方法，其特征在于：所述步骤S2中将输入数据集划分为训练数据集和测试数据集的过程如下：将经过预处理之后得到的输入数据按比例分割训练集和测试集，得到训练集和测试集比例为7
‑
9∶1
‑
3。5.根据权利要求1所述的一种基于EEM和P300电生理指标早期识别抑郁症的方法，其特征在于：所述步骤S3中创建识别抑郁症患者与健康人群的深度学习模型的具体步骤如下：1)为训练数据集中的每一个目标位点构建一个神经网络，...

【专利技术属性】
技术研发人员：王长虹，刁云恒，王慧颖，李晏，冯来鹏，谷景阳，
申请(专利权)人：河南省精神病医院新乡医学院第二附属医院，
类型：发明
国别省市：