用于评估情绪状态的方法和设备技术

本申请提出用于评估情绪状态的方法和设备。该方法包括：获取受试者的原始脑电图(EEG)信号；从EEG信号生成用于评估受试者的情绪状态的可用特征集合；以及使用评估模型基于可用特征集合和预定的情绪状态类别确定与受试者对应的情绪状态类别。本申请的方法和设备可以减少干扰，从多角度表征电脑活动，提高评估性能。能。能。

【技术实现步骤摘要】
用于评估情绪状态的方法和设备


[0001]本申请涉及信号处理，更具体地，涉及用于基于脑电图(EEG)信号评估情绪状态的方法、设备和计算机存储介质。

技术介绍

[0002]随着社会的发展，情绪相关的疾病成为现代人日益关注的问题。
[0003]常规的情绪状态评估和进一步的情绪疾病的诊疗基于量表评估和医生经验来实现。脑电图EEG信号记录大脑皮层产生的电活动，其具有高分辨率，无创性和低成本的特点，可以用于反映人脑各种功能区(脑区)的神经活动，因此在脑疾病诊断，运动恢复，神经系统疾病的评估辅助中存在应用。
[0004]神经系统疾病属于有器质性病变的脑部疾病，可以通过能够对脑部组织进行扫描成像的设备和方法检测。情绪疾病不属于神经系统疾病，而是属于更精神层面的无法定位病灶的脑部疾病，因此常规的检测手段和数据无法给出令人满意的信息。填写量表再由医生评估受试者的常规情绪评估方式过程繁琐，并且受试者在填表时的情绪状态不稳定也造成一定误诊率。可以说，大部分检测方法无法精确到具体的脑部活动的特征表征上。
[0005]目前基于脑电图EEG信号的评估方案无法做到普适数据而没有稳定的评估效果。近年来在心理学和认知神经科学领域，基于脑电图EEG信号探究情绪的研究也呈上升趋势。
[0006]因此，存在设计和改进情绪状态的评估方案的需求。

技术实现思路

[0007]根据本申请的实施例旨在解决上文中提及的问题，提出用于进行情绪状态评估的方法和设备等。
[0008]根据本申请的一方面，提出一种用于评估情绪状态的方法，包括：获取受试者的原始脑电图(EEG)信号；从EEG信号生成用于评估受试者的情绪状态的可用特征集合，其中，可用特征集合选自从EEG信号生成的多维度特征集合，多维度特征集合与EEG信号的频带能量特征、脑功能连接性特征和频谱特征中的至少一项相关联；使用评估模型基于可用特征集合和预定的情绪状态类别确定与受试者对应的情绪状态类别。
[0009]根据本申请的另一方面，提出一种用于评估情绪状态的设备，包括：获取单元，其被配置为获取受试者的原始脑电图(EEG)信号；特征确定单元，其被配置为从EEG信号生成用于评估受试者的情绪状态的可用特征集合，其中，可用特征集合选自从EEG信号生成的多维度特征集合，多维度特征集合与EEG信号的频带能量特征、脑功能连接性特征和频谱特征中的至少一项相关联；评估单元，其被配置为使用评估模型基于可用特征集合和预定的情绪状态类别确定与受试者对应的情绪状态类别。
[0010]根据本申请的又一方面，提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施如上所述的方法。
[0011]根据本申请的再一方面，提出一种电子设备，其包括处理器；以及用于存储所述处
理器的可执行指令的存储器，其中，所述处理器被配置为执行所述可执行指令以实施根据如上所述的方法。
[0012]通过采用本申请提出的评估情绪状态的方案，可以基于特征构建和筛选来尽可能减弱受试者的个体差异带来的干扰，将表现单一且易受伪差影响的脑电图EEG信号转化为多元并且表现相对稳定的多维度特征，可以从多角度表征大脑活动。从传统脑电图EEG信号的分析角度进行特征提取，使得部分特征可解释性高而便于评估者理解。在特征提取中，本申请的特征筛选机制可以得到在不同数据集上均具有稳定表现效果的优势特征，从而提升后续评估任务的泛化能力。通过上述方式，本申请能够获得情绪状态的评估和分类结果相对稳定的方法和设备，并以诸如概率的形式给出受试者属于不同情绪状态类别的状态的可能性和程度。该方案可以辅助医生诊疗以确定受试者的情绪状态是否存在情绪障碍问题，并且可以针对存在情绪障碍的患者，进一步辅助评估和确定情绪障碍的状态属于抑郁(MDD)和双相情感障碍(BD)中的具体类别。在评估方案中，情绪状态类别的评估结果可被定量统计和进行可视化展示，更加方便医生在诊疗时参考。
附图说明
[0013]通过参照附图详细描述其示例性实施例，本申请的上述和其它特征及优点将变得更加明显。
[0014]图1为根据本申请的实施例的用于评估情绪状态的方法的示意性流程图。
[0015]图2为根据本申请的实施例的用于评估情绪状态的设备结构的示意性框图。
[0016]图3为根据本申请的实施例的一种电子设备的示意框图。
具体实施方式
[0017]现在将参考附图更全面地描述示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本申请的内容变得全面和完整，并将示例性实施例的构思全面地传达给本领域的技术人员。在图中，为了清晰，可能会夸大部分元件的尺寸或加以变形。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
[0018]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、元件等。在其它情况下，不详细示出或描述公知结构、方法或者操作以避免模糊本申请的各方面。
[0019]传统的情绪状态或疾病的评估和诊断过程中，通常使用量表评估结合医生经验来完成。由受试者主动填写量表(例如，调查问卷)不仅存在情绪状态甚至是情绪障碍或疾病影响填表时的状态的问题，量表本身也可能存在填写者的主观理解与制定量表的客观标准之间的差异。如果由医生或专业医师对受试者询问并代为完成量表填写再进行医生评估，虽然在一定程度上能克服受试者情绪不稳定以及主观理解的问题，但是由于涉及医生的经验评价，仍然不能去除主观因素。
[0020]基于EEG信号进行情绪评估来辅助确定受试者的情绪状态为正常或存在情绪障碍
的可能性或者进一步辅助确定存在哪种情绪障碍(例如，抑郁和双相情绪障碍)，主要包括使用特征工程结合机器学习。不具有普适数据是指由于不同年龄、性别的受试者在EEG信号的信号特征表现上不同，因此很多基于EEG信号的方法不对数据的年龄和性别做校正，大概率使得结果产生偏差。
[0021]本申请使用EEG信号进行处理可以从与量表独立的不同维度的数据来源进行评估而不引入主观因素，从数据驱动的角度选择出可以区分不同类别的情绪状态(例如，情绪正常/情绪障碍(例如MDD+BD)，抑郁/双相情感障碍等)的客观指标。医生在诊断过程中也以EEG信号为客观标准来评估情绪状态和具体的疾病状况。
[0022]进一步，本申请从特征工程角度出发，覆盖与时域、频域、功能连接性相关的更广泛的特征，然后从中筛选出适用更多种情况(例如不同性别/年龄)的特征维度，从而增加特征的临床解释。在特征构建和筛选中，本申请期望尽可能减弱受试者的个体差异干扰来创建结果相对稳定的评估方法，可以在医生诊疗受试者是否存在情绪障碍，以及被确认存在情绪疾病的患者是否属于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于评估情绪状态的方法，包括：获取受试者的原始脑电图(EEG)信号；从所述EEG信号生成用于评估所述受试者的情绪状态的可用特征集合，其中，所述可用特征集合选自从所述EEG信号生成的多维度特征集合，所述多维度特征集合与所述EEG信号的频带能量特征、脑功能连接性特征和频谱特征中的至少一项相关联；使用评估模型基于所述可用特征集合和预定的情绪状态类别确定与所述受试者对应的情绪状态类别。2.根据权利要求1所述的方法，其特征在于，从所述EEG信号生成用于评估所述受试者的情绪状态的可用特征集合进一步包括：从所述EEG信号生成多维度特征集合；从所述多维度特征集合中选择所述可用特征集合。3.根据权利要求2所述的方法，其特征在于，从所述EEG信号生成多维度特征集合进一步包括：基于脑区和信号质量确定与所述受试者的脑区对应的脑区EEG信号，其中所述脑区EEG信号包括多个EEG信号片段；从所述脑区EEG信号生成所述多维度特征集合。4.根据权利要求3所述的方法，其特征在于，基于脑区和信号质量确定与所述受试者的脑区对应的EEG信号进一步包括：针对EEG信号的每个导联通道，移除信号功率值异常的导联通道；针对所述受试者的每个脑区，融合具有正常信号功率值的导联通道的EEG信号以生成所述脑区EEG信号。5.根据权利要求4所述的方法，其特征在于，从所述脑区EEG信号生成所述多维度特征集合进一步包括：基于所述脑区EEG信号和预定频带计算所述脑区EEG信号的频带能量特征，所述频带能量特征包括脑区相对频带能量特征，脑区相对频带能量不对称性和脑区相对频带能量复杂性中的至少一项；基于所述脑区EEG信号和所述预定频带计算所述脑区EEG信号的脑功能连接性特征，所述脑功能连接性特征包括振幅连接性特征和相位连接性特征中的至少一项；将所述脑区EEG信号变换为时频图数据以确定所述脑区EEG信号的频谱特征，所述频谱特征包括频谱熵，频谱质心，频谱带宽，频谱峰值，频谱偏度，频谱峰度，频谱延展度，频谱平坦度，频谱斜率和频谱衰减度中的至少一项；以及分别计算所述脑区EEG信号的所述频带能量特征、所述脑功能连接性特征和所述频谱特征在所述多个EEG信号片段上的中位数和复杂度以构成所述多维度特征集合，其中所述中位数和所述复杂度基于所述预定的情绪状态类别进行标记。6.根据权利要求2所述的方法，其特征在于，从所述多维度特征集合中选择所述可用特征集合进一步包括：从所述多维度特征集合中选择优势特征，以及将所选择的优势特征构成第一候选特征集合；修改所述多维度特征集合中的至少一个特征的所标记的情绪状态类别；
再次从所述多维度特征集合中选择优势特征，以及将所选择的优势特征构成第二候选特征集合；基于所述第一候选特征集合和所述第二候选特征集合确定所述可用特征集合。7.根据权利要求6所述的方法，其特征在于，从所述多维度特征集合中选择优势特征进一步包括：基于所述受试者的年龄和性别对所述多维度特征集合进行分组；从经分组的所述多维度特征集合进行多轮次的特征样本抽取，其中每轮次特征样本抽取获得的特征样本构成一个特征样本批次；针对每个特征样本批次，确定所述多维度特征集合中的每个特征在对应特征样本批次中的排名；基于每个特征在所有特征样本批次中的排名确定每个特征在所述多维度特征集合中的最终排名；选择所述最终排名满足优势条件的特征作为优势特征。8.根据权利要求7所述的方法，其特征在于，从经分组的所述多维度特征集合进行多轮次的特征样本抽取进一步包括：在每轮次特征样本抽取中，基于具有最小特征数量的分组中的特征数量从所有分组中抽取该最小特征数量的特征样本；以及在下一轮次特征样本抽取之前，将每个分组中被抽取的特征样本放回。9.根据权利要求7所述的方法，其特征在于，确定所述多维度特征集合中的每个特征在对应特征样本批次中的排名进一步包括：针对每个特征样本批次，基于每个特征的在交叉验证的分类实验中的重要性确定每个特征在该特征样本批次中的第一排名；基于每个特征的在所述预定的情绪状态类别之间的效应量确定每个特征在该特征样本批次中的第二排名；基于每个特征的在所述预定的情绪状态类别之间的信息熵确定该特征在该特征样本批次中的第三排名。10.根据权利要求9所述的方法，其特征在于，使用有监督学习的分...

【专利技术属性】
技术研发人员：闫宇翔，赵童，崔洢，李珂，
申请(专利权)人：灵犀云医学科技北京有限公司，
类型：发明
国别省市：