System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于情绪脑电的抑郁症检测方法、系统和电子设备技术方案_技高网

基于情绪脑电的抑郁症检测方法、系统和电子设备技术方案

技术编号:40360509 阅读:8 留言:0更新日期:2024-02-09 14:47
本发明专利技术实施例提供一种基于情绪脑电的抑郁症检测方法、系统和电子设备。该方法包括:采集被试者观看情绪素材时的情绪脑电信号,从情绪脑电信号中提取情绪脑电微分熵特征;将情绪脑电微分熵特征输入至情绪图卷积网络模块;在情绪图卷积网络模块中,利用注意力简单图卷积内的各节点表示各通道的情绪脑电微分熵特征,聚合各通道的情绪脑电微分熵特征,捕捉聚合后各节点中通道间的脑电拓扑关系,基于自注意力机制从脑电拓扑关系提取高阶脑电特征;将脑电高阶特征输入至多层感知机分类器模块。本发明专利技术实施例利用情绪图卷积网络模块捕捉情绪脑电信号通道间的拓扑关系,学习具有更强的抑郁症检测能力的脑电表征,能够辅助临床抑郁症客观诊断。

【技术实现步骤摘要】

本专利技术涉及情感脑机接口,尤其涉及一种基于情绪脑电的抑郁症检测方法、系统和电子设备


技术介绍

1、mdd(major depressive disorder,重度抑郁症)是一种常见的精神障碍,对人们的身体健康以及个人、社会和职业功能产生持续负面影响,甚至会导致反复出现严重的不良企图。目前,抑郁症的临床诊断主要依靠基于症状的问卷访谈,然而,对于问卷,人们可以无意识、下意识或刻意地对问卷访谈调查做出错误的表达,使得常规的方法的检测可能不够准确和客观。eeg(electroencephalography,脑电图)是从头皮获取的大脑活动的脑电记录,可用于探索抑郁症的特异性脑电模式,辅助临床抑郁症客观诊断。

2、抑郁症的定量脑电图分析模式主要有六种类型,即频段功率、alpha不对称性、脑电警觉性、诱发电位、信号特征和功能连通性。比如,有研究在抑郁症患者中观察到静息期间alpha活动增多;使用卷积神经网络,有研究发现抑郁症患者右半球的脑电信号比来自左半球的更明显。

3、在实现本专利技术过程中,专利技术人发现相关技术中至少存在如下问题:

4、通过图分析,发现抑郁症患者存在右半球功能缺陷、对称性破缺和随机的网络结构。然而,由于抑郁症症状的异质性、不可预测的病程和不同的治疗反应,检测结果有时会出现不稳定,做出错误的判断结果。


技术实现思路

1、为了至少解决现有技术中由于抑郁症症状的异质性、不可预测,检测结果可能会出现不稳定,做出错误的判断结果的问题。

<p>2、第一方面,本专利技术实施例提供一种基于情绪脑电的抑郁症检测方法,包括:

3、采集被试者观看情绪素材时的情绪脑电信号,从所述情绪脑电信号中提取情绪脑电微分熵特征;

4、将所述情绪脑电微分熵特征输入至情绪图卷积网络模块,其中,所述情绪图卷积网络模块包括:注意力简单图卷积、自注意力机制;

5、在所述情绪图卷积网络模块中,利用所述注意力简单图卷积内的各节点表示各通道的情绪脑电微分熵特征,聚合各节点以及与所述各节点相关的邻居节点内的各通道的情绪脑电微分熵特征,捕捉聚合后各节点中通道间的脑电拓扑关系,基于所述自注意力机制从所述脑电拓扑关系提取高阶脑电特征;

6、将所述脑电高阶特征输入至多层感知机分类器模块,输出抑郁检测结果。

7、第二方面,本专利技术实施例提供一种基于情绪脑电的抑郁症检测系统,包括:

8、特征确定程序模块,用于采集被试者观看情绪素材时的情绪脑电信号,从所述情绪脑电信号中提取情绪脑电微分熵特征;

9、特征输出程序模块,用于将所述情绪脑电微分熵特征输入至情绪图卷积网络模块,其中,所述情绪图卷积网络模块包括:注意力简单图卷积、自注意力机制;

10、脑电高阶特征确定程序模块,用于在所述情绪图卷积网络模块中,利用所述注意力简单图卷积内的各节点表示各通道的情绪脑电微分熵特征,聚合各节点以及与所述各节点相关的邻居节点内的各通道的情绪脑电微分熵特征,捕捉聚合后各节点中通道间的脑电拓扑关系,基于所述自注意力机制从所述脑电拓扑关系提取高阶脑电特征;

11、检测程序模块,用于将所述脑电高阶特征输入至多层感知机分类器模块,输出抑郁检测结果。

12、第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例的基于情绪脑电的抑郁症检测方法的步骤。

13、第四方面,本专利技术实施例提供一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现本专利技术任一实施例的基于情绪脑电的抑郁症检测方法的步骤。

14、本专利技术实施例的有益效果在于:利用情绪图卷积网络模块捕捉情绪脑电信号通道间的拓扑关系,学习具有更强的抑郁症检测能力的脑电表征。使其能够有效辅助临床抑郁症客观诊断,得到较为准确的检测结果。

本文档来自技高网
...

【技术保护点】

1.一种基于情绪脑电的抑郁症检测方法,包括:

2.根据权利要求1所述的方法,其中,所述情绪图卷积网络模块及多层感知机分类器模块由情绪脑电微分熵训练特征以及对应的基准抑郁检测结果构成的训练集训练获得,包括:

3.根据权利要求2所述的方法,其中,所述情绪图卷积网络模块内注意力简单图卷积的结构移除了所有隐藏层的激活函数,合并所述所有隐藏层内的权重矩阵。

4.根据权利要求1所述的方法,其中,所述采集被试者观看情绪素材时的情绪脑电信号,从所述情绪脑电信号中提取情绪脑电微分熵特征包括:

5.根据权利要求4所述的方法,其中,在所述通过脑电信号采集模块采集被试者观看情绪素材时的情绪脑电信号之后,所述方法还包括:通过预处理模块对所述脑电信号进行预处理,以去除所述脑电信号中的无效信号、眼电和肌电噪声。

6.根据权利要求1所述的方法,其中,所述采集被试者观看情绪素材时的情绪脑电信号的脑电设备包括干电极脑电设备。

7.一种基于情绪脑电的抑郁症检测系统,包括:

8.根据权利要求7所述的系统,其中,所述情绪图卷积网络模块由情绪脑电微分熵训练特征以及对应的基准抑郁检测结果构成的训练集训练获得,包括:

9.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述方法的步骤。

10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种基于情绪脑电的抑郁症检测方法,包括:

2.根据权利要求1所述的方法,其中,所述情绪图卷积网络模块及多层感知机分类器模块由情绪脑电微分熵训练特征以及对应的基准抑郁检测结果构成的训练集训练获得,包括:

3.根据权利要求2所述的方法,其中,所述情绪图卷积网络模块内注意力简单图卷积的结构移除了所有隐藏层的激活函数,合并所述所有隐藏层内的权重矩阵。

4.根据权利要求1所述的方法,其中,所述采集被试者观看情绪素材时的情绪脑电信号,从所述情绪脑电信号中提取情绪脑电微分熵特征包括:

5.根据权利要求4所述的方法,其中,在所述通过脑电信号采集模块采集被试者观看情绪素材时的情绪脑电信号之后,所述方法还包括:通过预处理模块对所述脑电信号进行预处理,以去除所述脑电信号中的无效信号、眼电和...

【专利技术属性】
技术研发人员:吕宝粮赵黎明
申请(专利权)人:上海零唯一思科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1