【技术实现步骤摘要】
本专利技术涉及医学数据处理，尤其涉及一种基于脑电的认知下降风险评估方法及系统。
技术介绍
1、轻度认知障碍(mci)的病理特征是异质性的，许多病变在痴呆和认知完整个体之间具有连续性。事实上，即使没有表现出任何认知障碍的人也可能存在神经病理改变，特别是在老年群体中。这就可以解释为什么神经病理学研究中没有确定mci状态的明确特征。
2、近年，对于临床实践中遇到的大多数认知障碍，包括痴呆、阿尔茨海默氏症、额颞叶变性、路易体痴呆和血管性认知障碍等，没有一套标准的测量工具或截止分数。临床实践通常需要结合临床病史、神经学检查、精神病学检查和神经心理学测试来做出患者是否具有认知障碍的最终判断。而认知功能测量可以非常有助于做出这一决定。
3、mmse量表是医生用于一般认知评估的最广泛使用的认知筛查测试。但mmse具有上限效应，即正常个体的动态表现范围有限，这增加了痴呆症前期患者得分在正常范围内(24分及以上)的可能性，以及mmse在区分轻度认知障碍(mci)方面的敏感性很差，导致认知筛查效果并不理想。
4、因此，亟需一种新型的认知下降风险评估方法，以辅助医生高效、准确地对患者进行认知功能测量。
技术实现思路
1、本专利技术提供一种基于脑电的认知下降风险评估方法及系统，用以解决医生通过现有技术进行认知筛查测试，但认知筛查效果并不理想的缺陷。
2、本专利技术提供一种认知下降风险评估模型的构建方法，包括：
3、获取目标群体的脑电数据和行为学数据
4、对脑电数据进行预处理；
5、根据预处理后的脑电数据，得到目标群体中每个个体的多个常规频带的脑电数据和谱特征，其中，常规频带包括以下任一项或其任意组合：delta(1-4hz)频带、theta(4-8hz)频带、alpha(8-13hz)频带、beta(13-30hz)频带；
6、选定目标群体中每个个体的个体化alpha频带，并根据预处理后的脑电数据，得到目标群体中每个个体的个体化alpha频带的脑电数据数据和谱特征；
7、根据目标群体中每个个体的多个常规频带的谱特征以及个体化alpha频带的谱特征，训练得到第一认知下降风险评估模型；
8、对目标群体中每个个体的多个常规频带的脑电数据进行溯源；
9、根据溯源后的多个常规频带的脑电数据，采用plv构建脑网络，并将构建的脑网络与目标群体的行为学数据进行相关性分析，训练得到第二认知下降风险评估模型；
10、对溯源后的多个常规频带的脑电数据进行网络分割，得到多个大脑功能网络，并得到多个大脑功能网络中每个大脑功能网络的自时间相关窗口、排列熵、神经元变异性比值，根据自时间相关窗口、排列熵、神经元变异性比值训练得到第三认知下降风险评估模型。
11、需要说明的是，脑电数据优选为目标群体在进行静息态64导脑电测试过程的脑电数据。其中，目标群体在进行静息态64导脑电测试过程中，第一个条件是测试闭眼时保持低警戒状态的神经生理机制，要求目标群体安静地坐着，保持放松的精神状态(即，没有目标导向的精神活动)，并保持闭上眼睛几分钟(例如8-15分钟)；第二个条件是测试睁眼时(例如8-15分钟)保持中等警觉性的神经生理机制，要求目标群体睁开眼睛，注视墙壁上的目标并保持专注。
12、在上述静息状态条件下，实验者对被试者的指示必须非常精确和一致。对于脑功能受损、认知能力下降和/或行为障碍的患者(例如，阿尔茨海默病导致的痴呆患者)，这些说明可能难以实现。因此，实验者应注意受试者在rseeg(静息态脑电，resting-stateeeg)记录过程中的行为状态，并做好笔记，指导删除以受试者困倦和警觉(数据出现较大的偏移和睡眠波)为特征的rseeg记录期，以得到较为准确的目标群体的脑电数据。
13、根据本专利技术提供的一种认知下降风险评估模型的构建方法，对脑电数据进行预处理包括以下任一项或其任意组合：降采样(例如降采样至500hz)、去除坏段、插值坏导、滤波、利用ica去除伪迹干扰(伪迹例如有眼电、肌电、心电等伪迹)。
14、根据本专利技术提供的一种认知下降风险评估模型的构建方法，多个常规频带的谱特征包括常规频带的相对能量、常规频带的功率谱密度，所述根据预处理后的脑电数据，得到目标群体中每个个体的多个常规频带的脑电数据和谱特征，包括：
15、根据每个常规频带的脑电数据，得到每个常规频带的幅值平方和，作为每个常规频带的能量；
16、根据每个常规频带的能量，得到每个常规频带的能量与所有常规频带的能量之和的比值，作为每个常规频带的相对能量，并得到多个常规频带的相对能量的大小排序；
17、根据每个常规频带的脑电数据，通过快速傅里叶变换得到每个常规频带的功率谱密度，并得到多个常规频带之间的功率谱密度的比值。
18、根据本专利技术提供的一种认知下降风险评估模型的构建方法，功率谱密度的表达式为：
19、
20、功率谱密度的表达式中，psd表示功率谱密度，n表示脑电信号的采样点数，x(k)表示离散傅里叶变换的结果，即x(k)＝fft(x[n])，x[n]表示各个常规频带的脑电信号，fs表示采样频率。
21、根据本专利技术提供的一种认知下降风险评估模型的构建方法，所述选定目标群体中每个个体的个体化alpha频带，并根据预处理后的脑电数据，得到目标群体中每个个体的个体化alpha频带的脑电数据数据和谱特征，包括：
22、根据预处理后的脑电数据，得到宽带滤波数据和窄带滤波数据，宽带滤波数据和窄带滤波数据为非时间滤波数据；
23、根据宽带滤波数据创建第一信道协方差矩阵；
24、对预设范围(例如4-13hz)内的每个频带，根据窄带滤波数据创建第二信道协方差矩阵，并对第一信道协方差矩阵和第二信道协方差矩阵进行特征分解，得到每个频带的分离特征向量，其中，分离特征向量能够最大程度地分开第一信道协方差矩阵和第二信道协方差矩阵的同时抑制第一信道协方差矩阵和第二信道协方差矩阵中表示的数据特征；
25、根据每个频带的分离特征向量构建特征向量相似矩阵，并对特征向量相似矩阵进行聚类分析，得到聚类簇，其中，聚类簇表示频带范围，聚类簇的边缘表示频带边界；
26、基于特征向量相似矩阵，在alpha(8-13hz)频带中选取第一频带范围，记录聚类簇个数并得到聚类簇的平均频率，在theta(4-8hz)频带中选取第二频带范围，记录第二频带范围内的聚类簇个数并得到聚类簇的平均频率，以及得到第一频带范围的聚类簇的平均频率与第二频带范围的聚类簇的平均频率的耦合程度。
27、根据本专利技术提供的一种认知下降风险评估模型的构建方法，所述根据目标群体中每个个体的多个常规频带的谱特征以及个体本文档来自技高网...
【技术保护点】
1.一种认知下降风险评估模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的认知下降风险评估模型的构建方法，其特征在于，多个常规频带的谱特征包括常规频带的相对能量、常规频带的功率谱密度，所述根据预处理后的脑电数据，得到目标群体中每个个体的多个常规频带的脑电数据和谱特征，包括：
3.根据权利要求2所述的认知下降风险评估模型的构建方法，其特征在于，所述选定目标群体中每个个体的个体化alpha频带，并根据预处理后的脑电数据，得到目标群体中每个个体的个体化alpha频带的脑电数据数据和谱特征，包括：
4.根据权利要求3所述的认知下降风险评估模型的构建方法，其特征在于，所述根据溯源后的多个常规频带的脑电数据，采用PLV构建脑网络，并将构建的脑网络与目标群体的行为学数据进行相关性分析，训练得到第二认知下降风险评估模型，包括：
5.根据权利要求4所述的认知下降风险评估模型的构建方法，其特征在于，目标群体的行为学数据为目标群体的MoCa量表特征，所述将构建的脑网络与目标群体的行为学数据进行相关性分析，得到具有统计学差异的网络环路，并按照频带
6.根据权利要求5所述的认知下降风险评估模型的构建方法，其特征在于，大脑功能网络包括以下任一项或其任意组合：边缘网络、视觉网络、躯体感觉网络、额顶网络、背侧注意网络、腹侧注意网络、默认网络，所述对溯源后的多个常规频带的脑电数据进行网络分割，得到多个大脑功能网络，并得到多个大脑功能网络中每个大脑功能网络的自时间相关窗口、排列熵、神经元变异性比值，根据自时间相关窗口、排列熵、神经元变异性比值训练得到第三认知下降风险评估模型，包括：
7.根据权利要求6所述的认知下降风险评估模型的构建方法，其特征在于，自时间相关窗口的计算式为：
8.一种认知下降风险评估系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的认知下降风险评估模型的构建方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的认知下降风险评估模型的构建方法。
...【技术特征摘要】
1.一种认知下降风险评估模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的认知下降风险评估模型的构建方法，其特征在于，多个常规频带的谱特征包括常规频带的相对能量、常规频带的功率谱密度，所述根据预处理后的脑电数据，得到目标群体中每个个体的多个常规频带的脑电数据和谱特征，包括：
3.根据权利要求2所述的认知下降风险评估模型的构建方法，其特征在于，所述选定目标群体中每个个体的个体化alpha频带，并根据预处理后的脑电数据，得到目标群体中每个个体的个体化alpha频带的脑电数据数据和谱特征，包括：
4.根据权利要求3所述的认知下降风险评估模型的构建方法，其特征在于，所述根据溯源后的多个常规频带的脑电数据，采用plv构建脑网络，并将构建的脑网络与目标群体的行为学数据进行相关性分析，训练得到第二认知下降风险评估模型，包括：
5.根据权利要求4所述的认知下降风险评估模型的构建方法，其特征在于，目标群体的行为学数据为目标群体的moca量表特征，所述将构建的脑网络与目标群体的行为学数据进行相关性分析，得到具有统计学差异的网络环路，并按照频带将具有统计学差异的网络环路分为正...
【专利技术属性】
技术研发人员：郭毅，裴子安，石雪，连重源，
申请(专利权)人：深圳市人民医院，
类型：发明
国别省市：
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。