CN113116306A - 一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统 - Google Patents

Abstract

本发明涉及涉及一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，属于医疗诊断技术领域。本发明包括听觉刺激模块，输出刺激音频从而刺激待测者的脑部；脑电信号采集模块，用于采集当刺激音频刺激待测者的脑部时产生的脑电信号；以及分析判断模块，分别与听觉刺激模块以及脑电信号采集模块通信连接，用于接收脑电信号并对脑电信号采用LSTM+SVM算法以及EEGNet算法进行处理从而输出诊断结果。因为本发明提供的诊断系统仅需要测试者被动接收刺激音频，所以不需要专业评估师的参与、专业依赖性低、适于社区推广、普及性较强，具有良好的应用前景。

Description

一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统

技术领域

本发明涉及一种医疗诊断技术领域，具体涉及一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统。

背景技术

自我意识是个体对自我主观状态的认识。包括存在意识，能动性意识，统一性意识，统一意识和界限意识等。而意识障碍是指上述中某个或某几个方面出现问题，患者无法感知自我的存在，不能意识到自身是单一、独立的个体，也不能正确判断“我”与“非我”的区别。临床常见相关病症有老年痴呆，精神分裂症，抑郁症，癔症，人格解体精神症等。

现有技术大多采用以下4种方法来解决意识障碍问题：

1.传统的纸-笔评估。该方式需要神经心理评估师与待测者面对面，神经心理评估师提出问题并让待测者作答。根据待测者的作答情况得出分数，结合量表，对待测者的意识障碍与否做出判断。该方式需要专业评估师参与评估和解读，专业化依赖性强，成本高，便捷性低，无法推广到非专业机构的社区(如养老机构)，导致筛查和评估无法普及、推广。

2.计算机化测试。该方式中，通常需要将纸笔方式常用的认知评估量表转化为电子化方式，尽管方式不同，但原理与方式1类似。具体地，该方式虽然改善了第一种技术的专业化人才依赖，在计算机上即可进行测试。但评估量表复杂，迭代升级慢，存在着一定理论滞后性。仅凭简单的分数判断，准确性，客观性较低。且与第一种方式类似，需要待测者配合，如因病情或其他原因难以配合，较难研判。

3.自适应性认知功能评估系统。该方式需要采集大量人群的认知功能数据并建立基础数据库，分析单项认知测验的特征参数构建认知评估项目题库。基于题库及特征参数，结合待测者应答情况，即时计算当前的认知能力值和信息量并即时反馈，自动选择适合待测者的项目施测，直到评估完成。该方式在个体特异性基础上改善了评估系统的人群泛化性，并结合大数据库和特征做出判断。尽管改善了待测者的特异性施测，但依然以题目和回答的方式，在系统内部对待测者进行打分评估。

4.生物学标记指标研判。该方式利用聚类算法、混合高斯模型拟合、事件概率模型、自我增长的贪心算法和贪心马尔科夫蒙特卡洛等算法构建生物学标记指标筛选模型。分析待测者的生物学标记指标，将其输入模型做出判断。该方式虽改善了前三种方式的一问一答的模式，通过分析客观的生物学标记指标，结合机器学习等算法做出判断。但需对待测者进行fMRI扫描，需要在医疗机构中使用价格高昂的核磁共振机器。社区推广性，便捷性较低，成本较高。

综上，上述4种方式均存在以下缺点：①需专业评估师参与；②只能在专业医疗机构进行；③评估量表随着人类对疾病的认知更新迭代慢，特异性差；④社区普及，推广难度大；⑤需待测者主动配合；⑥成本较高等。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统。

本发明提供了一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，用于采集待测者的脑电信号并进行处理后输出判定结果，具有这样的特征，包括：听觉刺激模块，输出刺激音频从而刺激待测者的脑部；脑电信号采集模块，用于采集当刺激音频刺激待测者的脑部时产生的脑电信号；以及分析判断模块，分别与听觉刺激模块以及脑电信号采集模块通信连接，用于接收脑电信号并对脑电信号采用LSTM+SVM算法以及EEGNet算法进行处理从而输出诊断结果。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征：其中，听觉刺激模块包括：音频存储单元，存储有常用姓名音频库以及待测者的姓名音频；音频播放单元，按照预定规则将常用姓名音频库中的部分姓名音频及待测者的姓名音频作为刺激音频进行播放；以及音频控制单元，用于对听觉刺激模块的各个单元进行控制。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征：其中，预定规则为：将刺激音频依次按照预定播放时间及预定间隔进行播放。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征，还包括：刺激同步器，与听觉刺激模块及分析判断模块通信连接，用于将听觉刺激模块中的刺激标签传输至分析判断模块，刺激标签包括三类标签。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征：其中，分析判断模块包括：预处理单元，对脑电信号进行预处理得到脑电数据；切分脑电数据单元，将脑电数据切分后得到切分脑电数据，并将该切分脑电数据打上相对应的三类标签；数据存储单元，存储有预处理单元及切分脑电数据单元处理过的健康人群的脑电数据；模型生成单元，采用LSTM+SVM算法以及EEGNet算法对健康人群的脑电数据进行处理，从而生成LSTM+SVM判别模型以及EEGNet判别模型；以及分类判别单元，根据脑电数据、LSTM+SVM判别模型以及EEGNet判别模型，输出判别结果。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征：其中，LSTM+SVM判别模型的生成步骤如下：步骤1，将脑电数据输入到LSTM网络中，经训练后输出特征矩阵；以及步骤2，将特征矩阵及对应的三类标签输入到SVM分类器中，训练后，即得LSTM+SVM判别模型。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征：其中，EEGNet判别模型的生成步骤如下：将脑电数据与对应的三类标签输入到EEGNet中进行训练，即得EEGNet判别模型。

在本发明提供的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统中，还具有这样的特征，还包括：智能同步中心，分别与脑电信号采集模块、刺激同步器及分析判断模块通信连接，从而将脑电信号及刺激标签发送至分析判断模块。

发明的作用与效果

根据本发明所涉及的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，用于采集待测者的脑电信号并进行处理后输出判定结果，包括听觉刺激模块，输出刺激音频从而刺激待测者的脑部；脑电信号采集模块，用于采集当刺激音频刺激待测者的脑部时产生的脑电信号；以及分析判断模块，分别与听觉刺激模块以及脑电信号采集模块通信连接，用于接收脑电信号并对脑电信号采用LSTM+SVM算法以及EEGNet算法进行处理从而输出诊断结果。因为本发明提供的诊断系统仅需要测试者被动接收刺激音频，所以不需要专业评估师的参与，专业依赖性低。

进一步地，因为本发明提供的诊断系统对施测地点无严苛要求，无需在医疗机构进行，所以适于社区推广，普及性较强。

进一步地，因为本发明提供的诊断系统对生理性的脑电信号进行分析，所以相比于传统的问答方式，分析结果更为客观。

进一步地，因为本发明提供的诊断系统无需待测者劳累参与，仅需接受被动听觉刺激，所以测试结果更加客观。

进一步地，因为本发明提供的诊断系统中硬件设备相关技术较为成熟，所以可以降低成本，实现诊断测试。

附图说明

图1是本发明的实施例中基于听觉诱发脑电信号分析的意识障碍辅助诊断系统的连接示意图；

图2是本发明的实施例中听觉刺激模块的结构框图；

图3为本发明的实施例中刺激音频的播放画面图；以及

图4是本发明的实施例中分析判断模块的结构框图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明基于听觉诱发脑电信号分析的意识障碍辅助诊断系统作具体阐述。

<实施例>

图1是本发明的实施例中基于听觉诱发脑电信号分析的意识障碍辅助诊断系统的连接示意图。

如图1所示，本发明的实施例中基于听觉诱发脑电信号分析的意识障碍辅助诊断系统100包括听觉刺激模块10、脑电信号采集模块20、刺激同步器30、分析判断模块40及智能同步中心50。

图2是本发明的实施例中听觉刺激模块的结构框图。

如图2所示，听觉刺激模块10输出刺激音频从而刺激待测者的脑部，包括音频存储单元11、音频播放单元12、有线耳机13以及音频控制单元14。

音频存储单元11包括常用姓名音频库及待测者的姓名音频。

常用姓名音频库的构建过程如下：

步骤1，选择300个中国人的常用姓名，并且该数量可调整，但应较为平均地涵盖不同年龄段的常用姓名；

步骤2，使用语音合成技术(百度、讯飞等平台均可实现)对300个姓名进行逐个姓名音频合成，并控制每个姓名音频的语调、语速、音色、音量等声音特征保持一致；

步骤3，再经批量化处理使每个姓名音频的音频格式、质量、采样率、声道数等一致(如WAV格式，16bit,16kHz采样率，立体双通道)，虽然每个姓名的长度不一，但所有音频时长均控制在1秒以内，即得常用姓名音频库。

待测者的姓名音频与常用姓名音频库中的每个姓名音频的构建方法一样，经上述步骤处理后，即得待测者的姓名音频。

音频播放单元12按照预定规则将常用姓名音频库中的部分姓名音频及待测者的姓名音频作为刺激音频进行播放，具体过程如下：

基于心理学工具Psychophysics Toolbox进行刺激音频程序编写，并将刺激音频程序中的刺激音频按照如图3显示的提示画面进行播放。

图3为本发明的实施例中刺激音频的播放画面图。

如图3所示，刺激音频的播放画面包括如下步骤：

步骤1，待测者面前的笔记本电脑屏幕闪烁三角形警示图案，提醒待测者即将开始实验；

步骤2，三角形警示图案三次闪烁后，在屏幕显示“Press SPACE to start theexperiment(按下空格键开始实验)”；

步骤3，待脑电采集系统准备完成，待测者采用舒服姿势坐在椅子上，戴上有线耳机13，处于放松闭眼状态后，并按下键盘空格键；

步骤4，待测者按下空格键后屏幕显示“Experimenting…(实验中…)”，并在10秒后播放第一个姓名音频，之后间隔4秒，此为一组，之后再播放下一个姓名音频，单次实验共180组。

在本实施例中，图3中播放的刺激音频包括待测者自己的姓名音频和从常用姓名音频库中随机选出的61个姓名音频，其中61个音频中的一个姓名音频与待测者自己的姓名音频重复次数一样，均重复60次，剩余60个姓名音频仅播放1次，共计180个音频，顺序随机。

音频刺激程序中还存储有刺激标签，刺激标签与刺激音频相对应，具体形成过程如下：

按照音频类型，即：“待测者自己的姓名”，“出现多次的同一个其他人名字”和“仅出现一次的其他人名字”这三类进行标记，并将每个音频即将开始播放的时刻按这三类分别标记为1，2，3，形成三类标签，并存储在音频刺激程序中。此标记被设定在1毫秒内通过刺激同步器30经由智能同步中心50传输到分析判定模块，在该时刻接收的脑电信号处打上对应的刺激标签。

脑电信号采集模块20用于采集听觉刺激模块10中刺激音频刺激待测者脑部时产生的脑电信号。

如图1所示，脑电信号采集模块20包括脑电采集帽21及放大器22。

脑电采集帽21的材质为防水织物，脑电采集帽21内侧有64个电极片，其位置分布遵守国际10-20系统。为获得质量较好的脑电信号，64个电极片的电极类型为湿电极。待测者按正确电极位置佩戴好脑电采集帽21后，在每个电极片外侧的圆孔打入导电凝胶以降低头皮与电极片间的阻抗。在本实施例中，脑电采集帽21为64导联脑电采集帽21。在其他实施例中，脑电采集帽21也可以为别的型号的脑电采集帽21。

放大器22可磁吸到脑电采集帽21的后端，用于对脑电采集帽21采集的脑电信号进行放大，并将放大的脑电信号通过智能同步中心50传输至分析判断模块40。在本实施例中，放大器22为无线EEG/ERP放大器，在其他实施例中，放大器22也可以为其他型号的放大器22。

刺激同步器30与听觉刺激模块10有线连接，用于将刺激程序中的刺激标签输出至分析判断模块40。在本实施中，经放大器22放大的脑电信号在传输至分析判断模块40时，与刺激同步器30传输的刺激标签几乎同时到达分析判断模块40，并且延迟时长小于1ms，因此分析判断模块40接收的脑电信号是具有刺激标签的脑电信号。

图4是本发明的实施例中分析判断模块的结构框图。

如图4所示，分析判断模块40包括预处理单元41、切分脑电数据单元42、数据存储单元43、模型生成单元44及分类判别单元45。

预处理单元41用于对采集的脑电信号进行预处理，从而得到脑电数据，具体处理过程包括：

步骤1，使用凹陷滤波器对50Hz及谐波频率进行抑制，去除脑电信号中混杂的电力工频噪声；

步骤2，采用低通滤波器对脑电信号做无效波段(大于50Hz)的滤除；

步骤3，采用独立成分分析算法对与脑电不同信源的信号做成分去除，该成分包括因脑电信号中可能混杂的如眼动，眨眼，肌动，心律等伪迹；

步骤4，为了突出特征，减轻系统中算法的负担，将采样频率从1000Hz降至128Hz，从而得到处理后的脑电数据。

切分脑电数据单元42用于将脑电数据切分后，提取每个标记点之前100ms到之后1400ms的脑电数据。按照标记类型将提取的脑电数据打上三类标签，即得切分后的脑电数据。

数据存储单元43将大量健康人群进行如图3所示的听觉音频测试，并将具有标签的脑电数据输出至分析判断模块40，经预处理单元41处理后得到脑电数据，并将该脑电数据在切分脑电数据单元42进行切分提取后，得到健康人群的脑电数据。

模型生成单元44采用LSTM+SVM算法以及EEGNet算法对健康人群的脑电数据进行处理，从而生成LSTM+SVM判别模型以及EEGNet判别模型。

LSTM+SVM判别模型的原理如下：

长短期记忆网络(LSTM,Long Short-Term Memory)是一种循环神经网络(RNN)模型。与DNN，CNN等网络相比，它不仅学习当前时刻的输入，更会对前一时刻输入的信息进行“记忆”并在当前时刻综合考虑，与“人的认知是基于过往经验和记忆”这一观点相契合。而相较于简单的RNN，LSTM改善了梯度消失、梯度爆炸等存在的长期依赖问题，更适合于处理、预测数据中间隔和延迟非常长的时间序列。相关技术在自然语言处理，如语音识别，机器翻译等领域应用较广。脑电信号作为多路时间序列，适合LSTM算法。

支持向量机(SVM,Support Vector Machine)是一种对数据进行分类的监督学习方法。可利用该方法，将低维不可分的数据通过某种非线性函数映射到合适的高维特征空间，实现更准确的分类判别。

LSTM+SVM判别模型的生成过程如下：

步骤1，将健康人群的脑电数据按照通道数*采样点数的数据维度输入到LSTM网络中，经训练学习后输出通道数*1的特征矩阵，并将其转置为一维行向量；以及

步骤2，再将特征矩阵及对应的三类标签输入到基于高斯核函数的SVM分类器中进行训练，并将所有数据随机抽取80％作为训练集，剩余20％作为测试集，测试分类准确率，当分类准确率达到可接受范围，停止训练，保存模型参数，得到LSTM+SVM判别模型。

EEGNet判别模型的原理如下：

EEGNet是一种针对脑电信号分析问题的紧凑型卷积神经网络，于2018年被提出。经原论文介绍，该网络使用深度和可分离卷积来构建模型，通过在四种BCI范式数据集上测试发现，EEGNet具有很好的泛化性能及很高的分类判别准确率，且因模型中封装了特征提取模块，对数据预处理工作要求较低。

EEGNet判别模型的生成过程如下：

步骤1，将健康人群的脑电数据按照通道数*采样点数的数据维度，与三类标签相对应，输入到EEGNet中进行训练；

步骤2，将所有数据随机抽取80％作为训练集，剩余20％作为测试集，测试分类准确率，当分类准确率和损失函数均在可接受范围内停止迭代，保存模型参数，得到EEGNet判别模型。

分类判别单元45用于根据脑电数据、LSTM+SVM判别模型以及EEGNet判别模型，输出判别结果。

智能同步中心50分别与脑电信号采集模块20、刺激同步器30及分析判断模块40通信连接，从而将脑电信号及刺激标签发送至分析判断模块40。

本实施例中基于听觉诱发脑电信号分析的意识障碍辅助诊断系统处理过程如下：

步骤1，听觉刺激模块10输出刺激音频刺激待测者的脑部；

步骤2，脑电信号采集模块20采集刺激音频刺激待测者的脑部产生的脑电信号，经放大器22处理后得到脑电数据，并通过智能同步中心50将该脑电数据发送至分析判断模块40；

步骤3，刺激同步器30将刺激音频程序中的与脑电数据相对应的刺激标签发送至分析判断模块40；

步骤4，分析判断模块40接收到带有刺激标签的脑电数据并进行判定结果处理。

其中，分析判断模块40的判定结果处理过程如下：

预处理单元41将采集的脑电信号进行预处理，得到脑电数据，再经切分脑电数据单元42将脑电数据进行切分并打上标签后，得到切分后的脑电数据，最后将切分后的脑电数据输入到LSTM+SVM判别模型、EEGNet判别模型中，从而输出判定结果。

实施例的作用与效果

根据本实施例所涉及的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，用于采集待测者的脑电信号并进行处理后输出判定结果，包括听觉刺激模块，输出刺激音频从而刺激待测者的脑部；脑电信号采集模块，用于采集当刺激音频刺激待测者的脑部时产生的脑电信号；以及分析判断模块，分别与听觉刺激模块以及脑电信号采集模块通信连接，用于接收脑电信号并对脑电信号采用LSTM+SVM算法以及EEGNet算法进行处理从而输出诊断结果。因为本实施例提供的诊断系统仅需要测试者被动接收刺激音频，所以不需要专业评估师的参与，专业依赖性低。

进一步地，因为本实施例提供的诊断系统对施测地点无严苛要求，无需在医疗机构进行，所以适于社区推广，普及性较强。

进一步地，因为本实施例提供的诊断系统对生理性的脑电信号采用LSTM+SVM算法及EEGNet算法进行分析，所以相比于传统的问答方式，分析结果更为客观。

进一步地，因为本实施例提供的诊断系统通过听觉刺激模块输出刺激音频，待测者只需戴上耳机，在舒适状态下，被动接收即可，所以测试结果更加客观。

进一步地，因为本实施例提供的诊断系统中脑电信号采集模块为现有技术，所以可以降低成本，实现诊断测试。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (8)

1.一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，用于采集待测者的脑电信号并进行处理后输出判定结果，其特征在于，包括：

听觉刺激模块，输出刺激音频从而刺激所述待测者的脑部；

脑电信号采集模块，用于采集当所述刺激音频刺激所述待测者的脑部时产生的脑电信号；以及

分析判断模块，分别与所述听觉刺激模块以及所述脑电信号采集模块通信连接，用于接收所述脑电信号并对所述脑电信号采用LSTM+SVM算法以及EEGNet算法进行处理从而输出诊断结果。

2.根据权利要求1所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于：

其中，所述听觉刺激模块包括：

音频存储单元，存储有常用姓名音频库以及所述待测者的姓名音频；

音频播放单元，按照预定规则将所述常用姓名音频库中的部分姓名音频及所述待测者的姓名音频作为所述刺激音频进行播放；以及

音频控制单元，用于对所述听觉刺激模块的各个单元进行控制。

3.根据权利要求2所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于：

其中，所述预定规则为：

将所述刺激音频依次按照预定播放时间及预定间隔进行播放。

4.根据权利要求1所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于，还包括：

刺激同步器，与所述听觉刺激模块及所述分析判断模块通信连接，用于将所述听觉刺激模块中的刺激标签传输至所述分析判断模块，所述刺激标签包括三类标签。

5.根据权利要求4所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于：

其中，所述分析判断模块包括：

预处理单元，对所述脑电信号进行预处理得到脑电数据；

切分脑电数据单元，将所述脑电数据切分后得到切分脑电数据，并将该切分脑电数据打上相对应的三类标签；

数据存储单元，存储有所述预处理单元及所述切分脑电数据单元处理过的健康人群的脑电数据；

模型生成单元，采用所述LSTM+SVM算法以及所述EEGNet算法对所述健康人群的脑电数据进行处理，从而生成LSTM+SVM判别模型以及EEGNet判别模型；以及

分类判别单元，根据所述脑电数据、所述LSTM+SVM判别模型以及所述EEGNet判别模型，输出判别结果。

6.根据权利要求5所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于：

其中，所述LSTM+SVM判别模型的生成步骤如下：

步骤1，将所述脑电数据输入到LSTM网络中，经训练后输出特征矩阵；以及

步骤2，将所述特征矩阵及对应的所述三类标签输入到SVM分类器中，训练后，即得所述LSTM+SVM判别模型。

7.根据权利要求5所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于：

其中，所述EEGNet判别模型的生成步骤如下：

将所述脑电数据与对应的所述三类标签输入到EEGNet中进行训练，即得所述EEGNet判别模型。

8.根据权利要求4所述的基于听觉诱发脑电信号分析的意识障碍辅助诊断系统，其特征在于，还包括：

智能同步中心，分别与所述脑电信号采集模块、所述刺激同步器及所述分析判断模块通信连接，从而将所述脑电信号及所述刺激标签发送至所述分析判断模块。

Images