基于共空间模式算法的脑电信号抑郁检测制造技术

本发明专利技术涉及一种基于共空间模式算法的脑电信号抑郁检测方法，其中基于共空间模式算法的脑电信号抑郁检测方法包括：首先获取了抑郁相关的数据集，对数据集做预处理，利用最小均方算法(LMS)、带通滤波器、FastICA算法消除EMG、EOG等伪迹，得到干净的信号；然后使用基于共空间模式算法提取特征；为降低输入脑电信号数据矩阵的维数，采用基于排序的特征选择方法进行降维，该方法以ROC为准则。将显著特征在LR模型进行训练和测试。最后，对LR分类器进行100次10

【技术实现步骤摘要】
基于共空间模式算法的脑电信号抑郁检测

：
[0001]本专利技术涉及到脑机接口领域，尤其涉及一种基于共空间模式算法的脑电信号抑郁检测方法。

技术介绍
：
[0002]目前，脑电在抑郁症的研究领域已经有了很多重要发现。中国科学院大学的盖淑萍等人提取了静息态下的脑电信号的小波包节点功率谱熵特征，发现其能够作为鉴别抑郁症的有效量化指标。Zhu等根据静息状态功能磁共振成像研究重度抑郁症患者自发性脑部活动的变化，发现了双侧正中前额叶皮质、楔前叶、角回、右侧海马旁回、右侧颞极自发脑区活动的改变。Dharmadhikari等人在静息态theta波段发现了前额叶区域的不对称性，证明前额叶的theta不对称是一种潜在性的生物标志。此外，Esther在对成年人抑郁患者的研究中发现，静息状态下抑郁患者产生的心理伤害在脑电beta波段的左额叶和右额叶存在联系。Lee等在研究中发现，高alpha波段(10～12Hz)功率能够对抑郁组和正常组进行区分，受试者工作曲线值达到了70％。Mumtaz等使用静息态脑电数据，提取额叶alpha不对称和信号频段功率作为特征，发现在顶区、中心区域、颞区、枕区抑郁患者的右半脑特征比左半脑的特征显著。Bachmann等通过静息态脑电图(Electroencephalogram，EEG)对中年女性抑郁患者进行了分类研究，并通过对单导联电极Pz的特征提取和分类研究，提出单导联检测抑郁的可行性。

技术实现思路
：
[0003]本专利技术的目的是克服现有方法的不足，提出一种改进的脑电信号抑郁检测方法,特别是涉及一种基于共空间模式算法的脑电信号抑郁检测方法，以解决脑电信号抑郁检测准确率低的问题。
[0004]基于共空间模式算法的脑电信号抑郁检测，包括如下步骤：
[0005]步骤1：获取Mumtaz,Wajid等人公开的数据，对于获取的数据集进行一个去噪处理，利用基于最小均方算法(LMS)的自适应噪声消除技术从原始信号中将噪声分离出来，将带通滤波器范围设置为0.5
‑
40Hz，得到消除EMG伪迹的信号，使用FastICA算法消除EOG伪迹，得到干净的信号。
[0006]步骤2：使用基于共空间模式算法提取特征。
[0007]步骤3：为降低输入脑电信号数据矩阵的维数，采用基于排序的特征选择方法进行降维，该方法以ROC为准则。因此，最显著的特征被识别出来，并在分类模型的训练和测试中进一步利用，即logistic回归(LR)分类器。最后，将EEG特征识别出来作为输入数据，对LR分类器进行100次10
‑
CV迭代训练和测试。
[0008]步骤1的实现包括：
[0009]步骤1.1：申请获取Mumtaz,Wajid等人公开的数据，数据集由34例重度抑郁症患者和30例健康个体的脑电图信号组成。34例重度抑郁症患者中，男性17例，女性17例，平均年
龄40.3
±
12.9岁。30例健康个体中，男性21例，女性9例，平均年龄38.3
±
15.6岁。重度抑郁症患者的诊断依据是DSM
‑
IV标准(美国精神病学协会1994)。马来西亚医院大学(HUSM)人类伦理委员会已接受上述研究。
[0010]步骤1.2：利用基于最小均方算法(LMS)的自适应噪声消除技术从原始信号中将噪声分离出来。
[0011]步骤1.3：使用带通滤波器，将带通滤波器的范围设置为0.5
‑
40Hz，去除EMG的影响。
[0012]步骤1.4：EOG是EEG的主要伪迹。EOG的频率范围在0
‑
16Hz之间，它与EEG的频率范围相互重叠。因此，通过FastICA算法来减少EOG对EEG的影响。
[0013]步骤2的实现包括：
[0014]步骤2.1：将预处理的数据使用共同空间模式算法提取特征，将脑电信号矩阵设为X，X是N*T维矩阵。N是脑电信号采集的通道数，T代表每个通道采样点数。
[0015]步骤3的实现包括：
[0016]步骤3.1：特征选择方法是根据每个受试者特征(ROC)准则进行排序。
[0017]步骤3.2：分类器采用logistic回归(LR)模型对脑电图特征与类标签关系进行建模。
[0018]步骤3.3：分类结果的验证由10倍交叉验证(10
‑
CV)的100次迭代提供，其中包括置换检验方法。
附图说明：
[0019]图1是一种基于共空间模式算法的脑电信号抑郁检测方法的流程图。
[0020]图2是共空间模式算法流程图。
[0021]图3是10折交叉验证流程图。
具体实施方式：
[0022]下面将结合本专利技术实施例中的附图对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅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作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。
[0023]图1是本专利技术实施的具体流程示意图，如图1所示，该方法包括：
[0024]1.针对训练数据集做预处理：
[0025]申请获取Mumtaz,Wajid等人公开的数据，数据集由34例重度抑郁症患者和30例健康个体的脑电图信号组成。利用基于最小均方算法(LMS)的自适应噪声消除技术从原始信号中将噪声分离出来，当给予一个输入样本X(n)和对应的期望输出d(n)，计算：
[0026]e(n)＝d(n)
‑
X(n)w
T
(n)
[0027]w(n+1)＝w(n)+uX(n)e(n)
[0028]其中X(n)为原始脑电信号，w(n)为权值向量，e(n)为实际得到的数据，d(n)代表的是我们希望得到的干净数据，n代表的是迭代次数；
[0029]使用带通滤波器，将带通滤波器的范围设置为0.5
‑
40Hz，去除EMG的影响。EOG是
EEG的主要伪迹。EOG的频率范围在0
‑
16Hz之间，它与EEG的频率范围相互重叠。因此，我们通过FastICA算法来减少EOG对EEG的影响。
[0030]2.使用共空间模式算法对数据集做特征提取：
[0031]将预处理的数据使用共同空间模式算法提取特征，将脑电信号矩阵设为X，X是N*T维矩阵。N是脑电信号采集的通道数，T代表每个通道采样点数。
[0032]用R
l
和R
r
分别表示左右手的协方差矩阵，混合空间矩阵R
c
由各实验的平均协方差矩阵组成
[0033]R＝R
l
+R
r
[0034]可由特征值和特征向量表示为R＝UθU
T
，U代表矩阵的特征向量，θ代表特征向量相对应的特征值
[0035]对混合空间协方差矩阵R按式进行特征值分解：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于共空间模式算法的脑电信号抑郁检测方法，其特征在于，包括如下步骤：步骤1：获取Mumtaz,Wajid等人公开的数据，对于获取的数据集进行一个去噪处理，利用基于最小均方算法(LMS)的自适应噪声消除技术从原始信号中将噪声分离出来，将带通滤波器范围设置为0.5
‑
40Hz，得到消除EMG伪迹的信号，使用FastICA算法消除EOG伪迹，得到干净的信号；步骤2：使用基于共空间模式算法提取特征；步骤3：为降低输入脑电信号数据矩阵的维数，采用基于排序的特征选择方法进行降维，该方法以ROC为准则。因此，最显著的特征被识别出来，并在分类模型的训练和测试中进一步利用，即logistic回归(LR)分类器。最后，将EEG特征识别出来作为输入数据，对LR分类器进行100次10
‑
CV迭代训练和测试。2.根据权利要求1所述的基于共空间模式算法的脑电信号抑郁检测方法，其特征在于，所述步骤1包括如下步骤：步骤1.1：申请获取Mumtaz,Wajid等人公开的数据，数据集由34例重度抑郁症患者和30例健康个体的脑电图信号组成。34例重度抑郁症患者中，男性17例，女性17例，平均年龄40.3
±
12.9岁。健康个体男性21例，女性9例，平均年龄38.3
±
15.6岁。度抑郁症患者的诊断依据是DSM

【专利技术属性】
技术研发人员：陈宇，王胜，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：