CN114748072A - 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法 - Google Patents

一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法 Download PDF

Info

Publication number
CN114748072A
CN114748072A CN202210069274.0A CN202210069274A CN114748072A CN 114748072 A CN114748072 A CN 114748072A CN 202210069274 A CN202210069274 A CN 202210069274A CN 114748072 A CN114748072 A CN 114748072A
Authority
CN
China
Prior art keywords
electroencephalogram
data
depression
user
cnn
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210069274.0A
Other languages
English (en)
Inventor
杨帮华
李蕴哲
张永怀
单春雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Shaonao Sensor Technology Co ltd
University of Shanghai for Science and Technology
Original Assignee
Shanghai Shaonao Sensor Technology Co ltd
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Shaonao Sensor Technology Co ltd, University of Shanghai for Science and Technology filed Critical Shanghai Shaonao Sensor Technology Co ltd
Priority to CN202210069274.0A priority Critical patent/CN114748072A/zh
Publication of CN114748072A publication Critical patent/CN114748072A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/378—Visual stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/38—Acoustic or auditory stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Anesthesiology (AREA)
  • Acoustics & Sound (AREA)
  • Fuzzy Systems (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Pain & Pain Management (AREA)
  • Hematology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法，本发明系统包括脑电帽、信号放大器、VR设备、多参数同步器和用户终端系统，用户终端系统包括用户交互界面、采集软件、脑电数据库、脑电图数据预处理单元、基于卷积神经网络的离线解码建模单元和基于CNN的在线识别单元。本发明使用基于CNN的在线识别单元辅助医生对使用者进行辅助诊断数据分析，提供客观的辅助诊断数据分析结果。同时给使用者提供VR辅助康复训练设备，脑电与视觉刺激、听觉刺激结合，从而达到对使用者进行康复训练的目的。使用者相关脑电数据会累加保存在数据库中，基于累积的数据库开发基于CNN的离线解码建模单元进行重新建模，提高模型准确性和精确度。

Description

一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统 及方法
技术领域
本发明涉及抑脑电信号处理技术领域，尤其是涉及一种基于脑电的抑郁症辅助诊断及康复系统。
背景技术
抑郁症是当前最常见的精神类疾病之一，这种疾病的症状有很多种，往往表现为长期情绪低落，沉溺于不良情绪，如悲伤、内疚、自卑、兴趣丧失等，严重影响着人们的身心健康，其无疑对个人、家庭以及社会都是极大的损失。因此，尽早发现抑郁症，及时治疗，把问题扼杀在萌芽状态成为解决问题的关键；遗憾的是，约有90％的抑郁症患者因缺乏有效的干预和治疗而错过最佳治疗时间。影响有效治疗的因素有：缺乏资源、缺乏训练有素的卫生保健人员、社会对精神疾患的歧视等。
因为抑郁症的机理尚未明确，目前在临床上，只有通过专业医生使用专业量表对抑郁症患者进行诊断，然而这种方法存在着明显的缺点，其中包括患者的刻意隐瞒、医生的主观判断等因素。因此探索一个简单、可操作性强、并能准确量化抑郁患者生物指标的识别方式尤为重要，也是目前最困难的挑战之一。如何实现快速、准确的辅助诊断信息分析和具有良好体验的康复训练成为亟待了解决的技术问题。
发明内容
为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法，能准确量化抑郁患者生物指标的识别，系统结构简单，方法可操作性强，康复训练系统及方法具有良好的用户体验，采用本发明系统和方法并不在于抑郁症诊断和治疗的本身，而是着重在于进行抑郁症辅助诊断的数据分析和康复训练，采用人工智能系统，提供抑郁症辅助诊断的数据分析的量化评估或评价结论，甚至可以通过打分的方式，完成量化分析，提高智能化程度，能帮助病患减少不适，提高康复的综合效果。
为达到上述发明创造目的，本发明采用如下技术方案：
一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，包括脑电帽、信号放大器、 VR设备、多参数同步器和用户终端系统；所述用户终端系统包括用户交互界面、采集软件、脑电数据库、EEG数据预处理单元、基于CNN的离线解码建模单元和基于CNN的在线识别单元；所述脑电帽和信号放大器通过串口方式连接，所述信号放大器和VR设备通过无线方式与用户终端系统连接，所述多参数同步器通过USB串口与用户终端系统连接；所述采集软件和脑电数据库组成数据采集及存储子系统；所述EEG数据预处理单元、基于CNN的离线解码建模单元和基于CNN的在线识别单元组成数据处理和分析子系统，基于CNN的在线识别单元将辅助诊断的数据分析结果通过用户交互界面输出，所述CNN的在线识别单元将数据分析处理得到的脑电信息向VR设备传输，所述VR设备利用接收到的信息并结合信号刺激，辅助确诊的抑郁症患者进行康复训练。
优选地，所述脑电帽：作为信号采集装置，用于采集使用者根据用户交互界面的引导进行指令相关操作时的离线训练和在线测试脑电信号；
所述信号放大器：用于对离线训练脑电信号进行放大处理，生成离线训练放大脑电信号，对在线测试脑电信号进行放大处理生成在线测试放大脑电信号；
所述多参数同步器：用于对离线训练同步标签信息和在线测试同步标签信息进行打标；
所述VR设备：用于结合脑电信息、视觉刺激和听觉刺激，辅助确诊的抑郁症患者进行康复训练；
所述用户终端系统中的用户交互界面：作为信息输出和输入装置，用于播放三种实验范式，引导使用者进行相关实验操作；
所述用户终端系统中的采集软件：用于采集脑电帽发送的离线训练脑电信号和在线测试脑电信号；
所述用户终端系统中的脑电数据库：保存经使用者同意后留存的使用者脑电数据；
所述用户终端系统中的EEG数据预处理单元：用于针对采集的原始脑电数据信号进行预处理操作，得到可进行分析与建模的脑电数据；
所述用户终端系统中的基于CNN的离线解码建模单元：用于采用CNN算法对数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；
所述用户终端系统中的基于CNN的在线识别单元：用于采用已建立的三分类辅助诊断的数据分析模型，对实时采集的数据进行在线分类识别，输出预测标签，并采用专家系统对该使用者提供辅助诊断的数据分析结果，辅助诊断的数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常的信息。
优选地，所述用户交互界面包含下述4种子界面中的至少一种：开始界面、数据管理与建模界面、实验范式播放界面、辅助诊断的数据分析结果显示界面，其中：
开始界面：用于采集人员登记信息并选择所进行的操作；
实验范式播放界面：用于为使用者播放三种实验范式，并进行引导，包括静息态实验范式引导界面、情绪冲突实验范式引导界面、情绪冲突实验范式指令界面、oddball听觉刺激实验范式引导界面；
辅助诊断的数据分析结果显示界面：用于展示功率谱等辅助诊断的数据分析结果。
优选地，采集脑电原始数据时，利用所述采用EEG数据预处理单元对原始数据进行预处理，其实现步骤如下：
对原始EEG数据进行通道筛选，去除未使用的A1、A2通道，加载通道空间位置配置文件，对EEG数据进行空间位置分布；
使用平均电位进行重参考，更新EEG数据参考点，使用8阶巴特沃斯滤波器对数据进行 0.1～30Hz的带通滤波；
按照标签信息对数据进行分段，以标签位置为起始位置，取[-200ms，800ms]的数据长度进行分段，得到时间长度为1s的数据段，并对全部数据段进行[-200ms，0]的基线校正；
使用独立成分分析(ICA)的方法，区分出数据中各个独立成分，并除去眼电和肌电成分。
优选地，离线训练时，所述采用CNN算法，对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；其中，算法实现步骤如下：
将三分类预处理后的脑电数据通过程序I/O接口导入建模算法程序；
使用改进的CNN网络进行训练，得到对应的三分类辅助诊断的数据分析模型。
优选地，在线测试时，所述采用CNN算法，对所述特征和所述离线训练建立的三分类辅助诊断的数据分析模型进行分类识别，输出预测标签，所述预测标签包括：抑郁症缓解期、抑郁症急性期、正常；其中，算法实现步骤如下：
将实时采集的脑电数据经过EEG数据预处理单元处理后，通过程序I/O接口导入算法测试程序；
结合三分类辅助诊断的数据分析模型对数据进行分类，输出预测标签，并采用专家系统对该使用者进行辅助诊断的数据分析，辅助诊断的数据分析包括：抑郁症缓解期、抑郁症急性期、正常。
一种基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，利用本发明基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，步骤如下：
获取使用者根据用户交互界面的引导进行相关指令操作时的原始脑电信号，并获取与原始脑电信号对应的经多参数同步器打标过的同步标签信息；
然后，对所述原始脑电信号进行放大处理生成放大后的原始脑电信号，将放大后的原始脑电信号与所述同步标签信息作为在线测试数据；
再使用EEG数据预处理单元对在线测试数据进行预处理；
经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
依据系统内部现有的基于CNN算法的三分类模型，对所述预处理后的数据进行分类识别，输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常。
采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型，在使用过程中提高模型的准确度和精确性；
结合脑电信息与视听觉刺激，使用VR设备对确诊的抑郁症患者进行辅助康复训练。
优选地，本发明基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，步骤如下：
(1)工作人员帮助使用者佩戴脑电帽和连接信号放大器；
(2)打开采集软件并连接好多参数同步器；
(3)打开用户终端系统，输入使用者登记信息，打开实验范式播放界面；
(4)进行原始脑电数据采集，实验范式播放界面开启时，使用者根据界面引导进行指令操作；同时脑电帽采集脑电信号，经信号放大器放大后，与同步标签信号通过无线方式传输给用户终端系统的采集软件；
(5)经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
(6)采用EEG数据预处理单元对于原始数据进行预处理；
(7)基于CNN的在线识别单元使用事先训练好的急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常；
(8)采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，在使用过程中提高模型的准确度和精确性；
(9)结合脑电信息与视听觉刺激，使用VR设备，对确诊的抑郁症患者进行辅助康复训练。
优选地，在所述步骤(3)中，用户终端系统包含4个子界面，开始界面主要用于人员信息登记；数据管理与建模界面主要用于管理脑电数据库包括添加数据和删除数据，同时可选择数据进行建模；实验范式播放界面用于为使用者播放三种实验范式，并进行引导，包括静息态实验范式引导界面、情绪冲突实验范式引导界面、情绪冲突实验范式指令界面、oddball 听觉刺激实验范式引导界面；诊断结果显示界面主要用于为医生展示该使用者的辅助诊断情况，同时实时显示功率谱密度、脑电波。
优选地，在所述步骤(4)中，在医生辅助下进行原始脑电数据采集，实验范式播放界面开启时，使用者根据界面引导进行指令操作；同时脑电帽采集脑电信号，经信号放大器放大后，与同步标签信号通过无线方式传输给用户终端系统的采集软件。
优选地，在所述步骤(5)中，经使用者同意后，该使用者的脑电数据及其同步标签信息在数据管理与建模界面添加至脑电数据库。
优选地，在所述步骤(6)中，采用EEG数据预处理单元对于原始数据进行预处理，其步骤如下：
(6-1)对原始EEG数据进行通道筛选，去除未使用的A1、A2通道；
(6-2)加载通道空间位置配置文件，对EEG数据进行空间位置分布；
(6-3)使用平均电位进行重参考，更新EEG数据参考点；
(6-4)使用8阶巴特沃斯滤波器对数据进行0.1～30Hz的带通滤波；
(6-5)按照标签信息对数据进行分段，以标签位置为起始位置，取[-200ms，800ms]的数据长度进行分段，得到时间长度为1s的数据段；
(6-6)对全部数据段进行[-200ms，0]的基线校正；
(6-7)使用独立成分分析(ICA)的方法，区分出数据中各个独立成分，并除去眼电和肌电成分。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：
1.本发明提供了基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其基本原理是使用者通过实验范式引导进行相关指令操作，脑电帽采集此时患者脑电信号，通过无线的方式，传输至用户终端系统的EEG数据预处理单元，经过预处理后采用基于CNN的在线识别单元中训练好的三分类辅助诊断数据分析模型对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断的信息分析；同时上述数据添加至脑电数据库后，采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，提高模型准确率；并在确诊之后为患者提供基于VR设备的脑电与视听觉刺激相结合的康复训练，提高综合治疗效果；
2.本发明辅助诊断数据分析及康复训练系统使用简单，携带方便，通过深度学习的方法实现脑电信号的分类识别，能够更加准确地做出客观辅助诊断数据分析，同时本发明可以在使用过程中随时更新分类模型，实现了系统随着使用次数的增多准确率也随之增加，并且本发明与VR新兴技术相结合，为患者提供了后续的治疗康复训练方案。
附图说明
图1是本发明的基于脑电的抑郁症辅助诊断的信息分析及康复训练系统结构示意图。图中的用户界面与图4对应。
图2是本发明的CNN网络示意图。
图3是本发明的系统结构框图。图中的用户界面与图4对应。
图4是本发明方法的整体实验流程图。
图5是本发明的用户交互界面图。其中插图(a)为图像区域，插图(b)为数据图标显示区域。
图6是本发明的实验范式界面示意图。包括表格区和界面示例图片区。
具体实施方式
以下结合具体的实施例子对上述方案做进一步说明，本发明的优选实施例详述如下：
实施例一：
在本实施例中，参见图1，一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于，包括脑电帽1、信号放大器2、VR设备3、多参数同步器4和用户终端系统5；所述用户终端系统5包括用户交互界面6、采集软件7、脑电数据库8、EEG数据预处理单元 9、基于CNN的离线解码建模单元10和基于CNN的在线识别单元11；所述脑电帽1和信号放大器2通过串口方式连接，所述信号放大器2和VR设备3通过无线方式与用户终端系统5 连接，所述多参数同步器4通过USB串口与用户终端系统5连接；所述采集软件7和脑电数据库8组成数据采集及存储子系统；所述EEG数据预处理单元9、基于CNN的离线解码建模单元10和基于CNN的在线识别单元11组成数据处理和分析子系统，基于CNN的在线识别单元11将辅助诊断的数据分析结果通过用户交互界面6输出，所述CNN的在线识别单元 11将数据分析处理得到的脑电信息向VR设备3传输，所述VR设备3利用接收到的信息并结合信号刺激，辅助确诊的抑郁症患者进行康复训练。
本实施例系统能准确量化抑郁患者生物指标的识别，系统结构简单，可操作性强，利用本实施例系统能进行抑郁症辅助诊断的数据分析和康复训练，利用人工智能系统，提高抑郁症辅助诊断的数据分析和康复训练的综合效果。
实施例二：
本实施例与实施例一基本相同，特别之处在于：
在本实施例中，所述脑电帽：作为信号采集装置，用于采集使用者根据用户交互界面的引导进行指令相关操作时的离线训练和在线测试脑电信号；
所述信号放大器：用于对离线训练脑电信号进行放大处理，生成离线训练放大脑电信号，对在线测试脑电信号进行放大处理生成在线测试放大脑电信号；
所述多参数同步器：用于对离线训练同步标签信息和在线测试同步标签信息进行打标；
所述VR设备：用于结合脑电信息、视觉刺激和听觉刺激，辅助确诊的抑郁症患者进行康复训练；
所述用户终端系统中的用户交互界面：作为信息输出和输入装置，用于播放三种实验范式，引导使用者进行相关实验操作；
所述用户终端系统中的采集软件：用于采集脑电帽发送的离线训练脑电信号和在线测试脑电信号；
所述用户终端系统中的脑电数据库：保存经使用者同意后留存的使用者脑电数据；
所述用户终端系统中的EEG数据预处理单元：用于针对采集的原始脑电数据信号进行预处理操作，得到可进行分析与建模的脑电数据；
所述用户终端系统中的基于CNN的离线解码建模单元：用于采用CNN算法对数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；
所述用户终端系统中的基于CNN的在线识别单元：用于采用已建立的三分类辅助诊断的数据分析模型，对实时采集的数据进行在线分类识别，输出预测标签，并采用专家系统对该使用者提供辅助诊断的数据分析结果，辅助诊断的数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常的信息。
在本实施例中，所述用户交互界面包含下述4种子界面中的至少一种：开始界面、数据管理与建模界面、实验范式播放界面、辅助诊断的数据分析结果显示界面，其中：
开始界面：用于采集人员登记信息并选择所进行的操作；
实验范式播放界面：用于为使用者播放三种实验范式，并进行引导，包括静息态实验范式引导界面、情绪冲突实验范式引导界面、情绪冲突实验范式指令界面、oddball听觉刺激实验范式引导界面；
辅助诊断的数据分析结果显示界面：用于展示功率谱等辅助诊断的数据分析结果。
在本实施例中，采集脑电原始数据时，利用所述采用EEG数据预处理单元对原始数据进行预处理，其实现步骤如下：
对原始EEG数据进行通道筛选，去除未使用的A1、A2通道，加载通道空间位置配置文件，对EEG数据进行空间位置分布；
使用平均电位进行重参考，更新EEG数据参考点，使用8阶巴特沃斯滤波器对数据进行 0.1～30Hz的带通滤波；
按照标签信息对数据进行分段，以标签位置为起始位置，取[-200ms，800ms]的数据长度进行分段，得到时间长度为1s的数据段，并对全部数据段进行[-200ms，0]的基线校正；
使用独立成分分析(ICA)的方法，区分出数据中各个独立成分，并除去眼电和肌电成分。
在本实施例中，离线训练时，所述采用CNN算法，对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；其中，算法实现步骤如下：
将三分类预处理后的脑电数据通过程序I/O接口导入建模算法程序；
使用改进的CNN网络进行训练，得到对应的三分类辅助诊断的数据分析模型。
在本实施例中，在线测试时，所述采用CNN算法，对所述特征和所述离线训练建立的三分类辅助诊断的数据分析模型进行分类识别，输出预测标签，所述预测标签包括：抑郁症缓解期、抑郁症急性期、正常；其中，算法实现步骤如下：
将实时采集的脑电数据经过EEG数据预处理单元处理后，通过程序I/O接口导入算法测试程序；
结合三分类辅助诊断的数据分析模型对数据进行分类，输出预测标签，并采用专家系统对该使用者进行辅助诊断的数据分析，辅助诊断的数据分析包括：抑郁症缓解期、抑郁症急性期、正常。
本实施例辅助诊断数据分析及康复训练系统使用简单，携带方便，通过深度学习的方法实现脑电信号的分类识别，能够更加准确地做出客观辅助诊断数据分析，同时本实施例系统可在使用过程中随时更新分类模型，实现了系统随着使用次数的增多准确率也随之增加，并且本发明与VR新兴技术相结合，为患者提供了后续的治疗康复训练方案。
实施例三：
本实施例与上述实施例基本相同，特别之处在于：
在本实施例中，参见图2-图3，一种基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，利用实施例一所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，步骤如下：
获取使用者根据用户交互界面的引导进行相关指令操作时的原始脑电信号，并获取与原始脑电信号对应的经多参数同步器打标过的同步标签信息；
然后，对所述原始脑电信号进行放大处理生成放大后的原始脑电信号，将放大后的原始脑电信号与所述同步标签信息作为在线测试数据；
再使用EEG数据预处理单元对在线测试数据进行预处理；
经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
依据系统内部现有的基于CNN算法的三分类模型，对所述预处理后的数据进行分类识别，输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常。
采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型，在使用过程中提高模型的准确度和精确性；
结合脑电信息与视听觉刺激，使用VR设备对确诊的抑郁症患者进行辅助康复训练。
本实施例基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，使用者通过实验范式引导进行相关指令操作，脑电帽采集此时患者脑电信号，通过无线的方式，传输至用户终端系统的EEG数据预处理单元，经过预处理后采用基于CNN的在线识别单元中训练好的三分类辅助诊断数据分析模型对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断的信息分析；同时上述数据添加至脑电数据库后，采用基于 CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，提高模型准确率；并在确诊之后为患者提供基于VR设备的脑电与视听觉刺激相结合的康复训练，提高综合治疗效果。
实施例四：
本实施例与上述实施例基本相同，特别之处在于：
在本实施例中，参见图3-图4，一种基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，步骤如下：
(1)工作人员帮助使用者佩戴脑电帽和连接信号放大器；
(2)打开采集软件并连接好多参数同步器；
(3)打开用户终端系统，输入使用者登记信息，打开实验范式播放界面；
(4)进行原始脑电数据采集，实验范式播放界面开启时，使用者根据界面引导进行指令操作；同时脑电帽采集脑电信号，经信号放大器放大后，与同步标签信号通过无线方式传输给用户终端系统的采集软件；
(5)经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
(6)采用EEG数据预处理单元对于原始数据进行预处理；
(7)基于CNN的在线识别单元使用事先训练好的急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常；
(8)采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，在使用过程中提高模型的准确度和精确性；
(9)结合脑电信息与视听觉刺激，使用VR设备，对确诊的抑郁症患者进行辅助康复训练。
本实施例方法采用上述实施例基于脑电的抑郁症辅助诊断数据分析及康复训练系统进行操作，能准确量化抑郁患者生物指标的识别，方法可操作性强，康复训练系统及方法具有良好的用户体验，采用本实施例方法并不在于抑郁症诊断和治疗的本身，而是着重在于进行抑郁症辅助诊断的数据分析和康复训练，采用人工智能系统，提供抑郁症辅助诊断的数据分析的量化评估或评价结论，甚至可以通过打分的方式，完成量化分析，提高智能化程度，能帮助病患减少不适，提高康复的综合效果。
实施例五：
本实施例与上述实施例基本相同，特别之处在于：
在本实施例中，实施例一系统设计采用脑机接口技术，在使用者的大脑和计算机或其他电子设备之间建立通道，通过采集使用者的脑电数据，分析其脑电特征，最后为医生提供数据分析结果，辅助医生诊断使用者是否有抑郁症脑部疾病。所述脑电帽，采用博睿康32导联湿电极脑电帽，患者需打脑电膏，方可进行脑电信号采集，并结合信号放大器后无线与用户终端系统连接；所述多参数同步器，采用博睿康串口多参数同步器对标签信号进行同步打标；所述VR设备，采用HTC VIVEPRO虚拟眼镜设备，内置用于抑郁症治疗康复的音视频文件， VR设备无线与用户终端系统连接。
脑机接口(BCI)以神经活动为控制信号，实现与计算机的直接通信。这种神经信号通常是从大量研究过的脑电图(EEG)信号中选择的。对于给定的脑机接口模式，特征提取器和分类器是根据预期脑电控制信号的不同特征定制的，限制了其应用于特定信号。卷积神经网络(CNNs)在计算机视觉和语音识别中被用来进行自动特征提取和分类，已经成功应用于基于脑电信号的脑机接口系统。
下面结合附图对本实施例做进一步的说明。
如图2所示，基于脑电的抑郁症辅助诊断数据分析及康复训练系统采用了一种紧凑的脑电分析卷积神经网络，利用深度卷积和可分离卷积构造脑电特征提取模型的方法，该网络封装了脑机接口的脑电特征提取概念，使其可以应用于多种不同的BCI范式，可以用非常有限的数据进行训练，并可以产生神经生理学上可以解释的特征，如下表：
表1为本发明优选实施例的CNN网络结构示意表。
表1.本发明优选实施例的CNN网络结构示意表
Figure RE-GDA0003667470740000111
如表1所示，基于脑电的抑郁症辅助诊断数据分析及康复训练系统中基于CNN的在线识别单元和基于CNN的离线解码建模单元所使用的卷积神经网络包含了三个部分：Block1， Block2和Classifier。其中C为导联数29，T为时间点数250，D为depth＝2。采用基于CNN 的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断模型，所使用的CNN网络如表1 所示。
在Block1中，按顺序进行两个卷积步骤。F1为8个时序滤波器，其卷积核大小为(1,128)，卷积核长度为数据采样率(250Hz)的一半，输出F1个包含不同带通频率下EEG信号的特征图(feature map)。将时序卷积核的长度设置为采样率的一半，可以捕获2Hz及以上的频率信息。使用大小为(C,1)的深度卷积来学习空间滤波器。因为深度卷积并没有全连接到以前的所有特征图，因此减少了可训练参数的数量。同时这种操作提供了一种为每个时序滤波器学习其空间滤波器的直接方法，从而能够有效地提取频率特定的空间滤波器。参数D控制每个特征图要学习的空间滤波器的数量。这种两步卷积序列的部分灵感来自于滤波器组公共空间模式(FBCSP)算法，本质上类似于另一种分解技术，即双线性判别成分分析。之后，沿着特征图维度应用批量归一化，使用Dropout技术应用指数线性单元(ELU)。采用一个平均大小为(1，4)的池化层，将信号的采样率降低到32Hz。本实施例还通过对每个空间滤波器的权值使用1的最大范数约束对其进行正则化；||w||2＜1。
在Block 2中，使用可分离卷积(Separable Convolution)，然后是F2个(1，1)点式卷积(Pointwise Convolutions)。可分离卷积的主要优点是：(1)减少了特征映射的参数个数； (2)通过先学习一个单独“综合”每个特征图的(1，1)的核，然后优化合并输出，显式地解耦特征图内(Depthwise)和特征图间(Pointwise)的关系。对于EEG，可分离卷积将学习如何在时间维度(depthwise convolution)综合各特征图的核以及如何优化组合(PointwiseConvolution)，这一操作对于EEG信号十分有用，因为不同的特征图代表了数据在不同时间尺度上的信息。此后，大小为(1，8)的平均池层用于降维。在分类的Block中，特征直接传递给N类的softmax输出，以减少模型中自由参数的数量。
如图3所示，基于脑电的抑郁症辅助诊断数据分析及康复训练系统，包括脑电帽、信号放大器、VR设备和多参数同步器及用户终端系统。
(1)所述用户终端系统是基于计算机的软件操作系统，包括用户交互界面、采集软件、 EEG数据预处理单元、脑电数据库、基于CNN的离线解码建模单元和基于CNN的在线识别单元；
(2)所述脑电帽，采用博睿康32导联湿电极脑电帽，患者需打脑电膏，方可进行脑电信号采集，并结合信号放大器后无线与用户终端系统连接；
(3)所述多参数同步器，采用博睿康串口多参数同步器对标签信号进行同步打标；
(4)所述VR设备，采用HTC VIVEPRO虚拟眼镜设备，内置用于抑郁症治疗康复的音视频文件，VR设备无线与用户终端系统连接；
(5)基于脑电的抑郁症辅助诊断数据分析及康复训练系统，所述操作步骤：
a)首先专业人员帮助使用者佩戴脑电帽和连接信号放大器，然后打开采集软件并连接好多参数同步器，根据实时阻抗图打好导电膏；
b)打开用户终端系统，输入使用者登记信息，打开实验范式播放界面，随后进行原始脑电数据采集，实验范式播放界面开启时，使用者根据界面引导进行指令操作；
c)同时脑电帽采集脑电信号，经信号放大器放大后，与同步标签信号通过无线方式传输给用户终端系统的采集软件；
d)随后，经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
e)由EEG数据预处理单元对于原始数据进行预处理；
f)由基于CNN的在线识别单元使用事先训练好的急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断的数据分析；
g)采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，在使用过程中提高模型的准确度和精确性；
h)最后结合脑电信息与视听觉刺激，使用VR设备对确诊的抑郁症患者进行辅助康复训练，最终实现综合治疗效果。
如图4所示，基于脑电的抑郁症辅助诊断数据分析及康复训练系统的实验流程：
(1)首先由医生或专业人员帮助使用者佩戴好博睿康32导联湿电极脑电帽，并打好导电膏；
(2)其次打开用户终端系统，登记好个人信息，打开采集软件；
(3)随后打开实验范式播放界面，使用者按照范式指令要求进行相关操作，脑电帽采集使用者此时的脑电信号经信号放大器放大后结合同步标签信号一并通过无线方式传输给用户终端的采集软件；
(4)同时EEG数据预处理单元对所采集的数据进行预处理；
(5)随后，经使用者同意后，该使用者的脑电数据及其同步标签信息存储至脑电数据库；
(6)接下来判断用户终端是否已经建立好分类模型，若未建立模型，则使用基于CNN 的离线解码建模单元依靠脑电数据库中的数据更新或建立分类诊断数据分析模型；
(7)若已建立数据分析模型，则使用基于CNN的在线识别单元对该使用者的数据进行分类识别，输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，医生参考辅助诊断数据分析结论，结合医学诊断方法和其他医学化验或者检测信息，判断该使用者是否患有抑郁症脑部疾病；
(8)最后结合脑电信息与视听觉刺激，使用VR设备对确诊的抑郁症患者进行辅助康复训练，结合医学临床观察和诊疗，提高综合疗效。
如图5和图6所示，基于脑电的抑郁症辅助诊断信息分析及康复训练系统用户交互界面。用户交互界面包含4个子界面，开始界面主要用于人员信息登记；数据管理与建模界面主要用于管理脑电数据库包括添加数据和删除数据，同时可以选择数据进行建模；实验范式播放界面用于为使用者播放三种实验范式，并进行引导，包括静息态实验范式引导界面、情绪冲突实验范式引导界面、情绪冲突实验范式指令界面、oddball听觉刺激实验范式引导界面；诊断结果显示界面主要用于为医生展示该使用者的辅助诊断数据分析结论的情况，同时实时显示功率谱密度、脑电波。
上述实施例基于脑电的抑郁症辅助诊断信息分析及康复训练系统及方法。本系统包括脑电帽、信号放大器、VR设备、多参数同步器和用户终端系统，用户终端系统包括用户交互界面、采集软件、脑电数据库、脑电图数据预处理单元、基于卷积神经网络的离线解码建模单元和基于CNN的在线识别单元；用户终端系统的用户交互界面为使用者播放三种实验范式，要求使用者根据实验范式完成不同任务，使用脑电帽采集任务过程中的EEG数据，由信号放大器放大后并与多参数同步器的同步标签信号一起经路由器发送至采集软件及脑电数据库，再由EEG数据预处理单元对数据进行重参考、分段、滤波后，使用基于CNN的在线识别单元辅助医生对使用者进行辅助诊断，利用评分或者权重数据进行评估结果，提供客观的辅助诊断数据分析结果：抑郁症缓解期、抑郁症急性期、正常。同时给使用者提供VR辅助康复设备，脑电与视觉刺激、听觉刺激结合，从而达到对使用者即抑郁症患者进行康复训练的目的。最后，使用者相关脑电数据会累加保存在数据库中，基于累积的数据库开发基于CNN的离线解码建模单元进行重新建模，提高模型准确性和精确度。
上面对本发明实施例结合附图进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明的技术原理和发明构思，都属于本发明的保护范围。

Claims (8)

1.一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于，包括脑电帽(1)、信号放大器(2)、VR设备(3)、多参数同步器(4)和用户终端系统(5)；所述用户终端系统(5)包括用户交互界面(6)、采集软件(7)、脑电数据库(8)、EEG数据预处理单元(9)、基于CNN的离线解码建模单元(10)和基于CNN的在线识别单元(11)；所述脑电帽(1)和信号放大器(2)通过串口方式连接，所述信号放大器(2)和VR设备(3)通过无线方式与用户终端系统(5)连接，所述多参数同步器(4)通过USB串口与用户终端系统(5)连接；所述采集软件(7)和脑电数据库(8)组成数据采集及存储子系统；所述EEG数据预处理单元(9)、基于CNN的离线解码建模单元(10)和基于CNN的在线识别单元(11)组成数据处理和分析子系统，基于CNN的在线识别单元(11)将辅助诊断的数据分析结果通过用户交互界面(6)输出，所述CNN的在线识别单元(11)将数据分析处理得到的脑电信息向VR设备(3)传输，所述VR设备(3)利用接收到的信息并结合信号刺激，辅助确诊的抑郁症患者进行康复训练。
2.根据权利要求1所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于：
所述脑电帽：作为信号采集装置，用于采集使用者根据用户交互界面的引导进行指令相关操作时的离线训练和在线测试脑电信号；
所述信号放大器：用于对离线训练脑电信号进行放大处理，生成离线训练放大脑电信号，对在线测试脑电信号进行放大处理生成在线测试放大脑电信号；
所述多参数同步器：用于对离线训练同步标签信息和在线测试同步标签信息进行打标；
所述VR设备：用于结合脑电信息、视觉刺激和听觉刺激，辅助确诊的抑郁症患者进行康复训练；
所述用户终端系统中的用户交互界面：作为信息输出和输入装置，用于播放三种实验范式，引导使用者进行相关实验操作；
所述用户终端系统中的采集软件：用于采集脑电帽发送的离线训练脑电信号和在线测试脑电信号；
所述用户终端系统中的脑电数据库：保存经使用者同意后留存的使用者脑电数据；
所述用户终端系统中的EEG数据预处理单元：用于针对采集的原始脑电数据信号进行预处理操作，得到可进行分析与建模的脑电数据；
所述用户终端系统中的基于CNN的离线解码建模单元：用于采用CNN算法对数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；
所述用户终端系统中的基于CNN的在线识别单元：用于采用已建立的三分类辅助诊断的数据分析模型，对实时采集的数据进行在线分类识别，输出预测标签，并采用专家系统对该使用者提供辅助诊断的数据分析结果，辅助诊断的数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常的信息。
3.根据权利要求1所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于：所述用户交互界面包含下述4种子界面中的至少一种：开始界面、数据管理与建模界面、实验范式播放界面、辅助诊断的数据分析结果显示界面，其中：
开始界面：用于采集人员登记信息并选择所进行的操作；
实验范式播放界面：用于为使用者播放三种实验范式，并进行引导，包括静息态实验范式引导界面、情绪冲突实验范式引导界面、情绪冲突实验范式指令界面、oddball听觉刺激实验范式引导界面；
辅助诊断的数据分析结果显示界面：用于展示功率谱等辅助诊断的数据分析结果。
4.根据权利要求1所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于：采集脑电原始数据时，利用所述采用EEG数据预处理单元对原始数据进行预处理，其实现步骤如下：
对原始EEG数据进行通道筛选，去除未使用的A1、A2通道，加载通道空间位置配置文件，对EEG数据进行空间位置分布；
使用平均电位进行重参考，更新EEG数据参考点，使用8阶巴特沃斯滤波器对数据进行0.1～30Hz的带通滤波；
按照标签信息对数据进行分段，以标签位置为起始位置，取[-200ms，800ms]的数据长度进行分段，得到时间长度为1s的数据段，并对全部数据段进行[-200ms，0]的基线校正；
使用独立成分分析(ICA)的方法，区分出数据中各个独立成分，并除去眼电和肌电成分。
5.根据权利要求1所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于：离线训练时，所述采用CNN算法，对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型；其中，算法实现步骤如下：
将三分类预处理后的脑电数据通过程序I/O接口导入建模算法程序；
使用改进的CNN网络进行训练，得到对应的三分类辅助诊断的数据分析模型。
6.根据权利要求5所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于：在线测试时，所述采用CNN算法，对所述特征和所述离线训练建立的三分类辅助诊断的数据分析模型进行分类识别，输出预测标签，所述预测标签包括：抑郁症缓解期、抑郁症急性期、正常；其中，算法实现步骤如下：
将实时采集的脑电数据经过EEG数据预处理单元处理后，通过程序I/O接口导入算法测试程序；
结合三分类辅助诊断的数据分析模型对数据进行分类，输出预测标签，并采用专家系统对该使用者进行辅助诊断的数据分析，辅助诊断的数据分析包括：抑郁症缓解期、抑郁症急性期、正常。
7.一种基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，利用权利要求1所述基于脑电的抑郁症辅助诊断的信息分析及康复训练系统，其特征在于，步骤如下：
获取使用者根据用户交互界面的引导进行相关指令操作时的原始脑电信号，并获取与原始脑电信号对应的经多参数同步器打标过的同步标签信息；
然后，对所述原始脑电信号进行放大处理生成放大后的原始脑电信号，将放大后的原始脑电信号与所述同步标签信息作为在线测试数据；
再使用EEG数据预处理单元对在线测试数据进行预处理；
经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
依据系统内部现有的基于CNN算法的三分类模型，对所述预处理后的数据进行分类识别，输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常。
采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断的数据分析模型，在使用过程中提高模型的准确度和精确性；
结合脑电信息与视听觉刺激，使用VR设备对确诊的抑郁症患者进行辅助康复训练。
8.根据权利要求7所述基于脑电的抑郁症辅助诊断的信息分析及康复训练方法，其特征在于，步骤如下：
(1)工作人员帮助使用者佩戴脑电帽和连接信号放大器；
(2)打开采集软件并连接好多参数同步器；
(3)打开用户终端系统，输入使用者登记信息，打开实验范式播放界面；
(4)进行原始脑电数据采集，实验范式播放界面开启时，使用者根据界面引导进行指令操作；同时脑电帽采集脑电信号，经信号放大器放大后，与同步标签信号通过无线方式传输给用户终端系统的采集软件；
(5)经使用者同意后，该使用者的脑电数据及其同步标签信息添加至脑电数据库；
(6)采用EEG数据预处理单元对于原始数据进行预处理；
(7)基于CNN的在线识别单元使用事先训练好的急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，对预处理后的数据进行分类识别，最终输出预测标签，并采用专家系统对该使用者进行辅助诊断数据分析，辅助诊断数据分析结果包括：抑郁症缓解期、抑郁症急性期、正常；
(8)采用基于CNN的离线解码建模单元对脑电数据库中的脑电数据和已知标签进行分类，建立与更新急性期抑郁症患者、缓解期抑郁症患者与正常人的三分类辅助诊断数据分析模型，在使用过程中提高模型的准确度和精确性；
(9)结合脑电信息与视听觉刺激，使用VR设备，对确诊的抑郁症患者进行辅助康复训练。
CN202210069274.0A 2022-01-21 2022-01-21 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法 Pending CN114748072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210069274.0A CN114748072A (zh) 2022-01-21 2022-01-21 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210069274.0A CN114748072A (zh) 2022-01-21 2022-01-21 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法

Publications (1)

Publication Number Publication Date
CN114748072A true CN114748072A (zh) 2022-07-15

Family

ID=82325431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210069274.0A Pending CN114748072A (zh) 2022-01-21 2022-01-21 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法

Country Status (1)

Country Link
CN (1) CN114748072A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117137488A (zh) * 2023-10-27 2023-12-01 吉林大学 基于脑电数据与面部表情影像的抑郁症病症辅助识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117137488A (zh) * 2023-10-27 2023-12-01 吉林大学 基于脑电数据与面部表情影像的抑郁症病症辅助识别方法
CN117137488B (zh) * 2023-10-27 2024-01-26 吉林大学 基于脑电数据与面部表情影像的抑郁症病症辅助识别方法

Similar Documents

Publication Publication Date Title
Lopez-Martinez et al. Multi-task neural networks for personalized pain recognition from physiological signals
CN112120716A (zh) 一种可穿戴式多模态情绪状态监测装置
CN111568446B (zh) 结合人口学注意力机制的便携式脑电抑郁检测系统
CN111544015B (zh) 基于认知力的操控工效分析方法、设备及系统
CN107742534A (zh) 患者存活性预测系统
CN111553617B (zh) 基于虚拟场景中认知力的操控工效分析方法、设备及系统
CN111598451B (zh) 基于任务执行能力的操控工效分析方法、设备及系统
CN111598453B (zh) 基于虚拟场景中执行力的操控工效分析方法、设备及系统
CN111920420B (zh) 一种基于统计学习的患者行为多模态分析与预测系统
CN111544256A (zh) 基于图卷积和迁移学习的脑控智能全肢体康复方法
CN109124655A (zh) 精神状态分析方法、装置、设备、计算机介质及多功能椅
CN115299947A (zh) 基于多模态生理数据的心理量表置信度评估方法及系统
WO2023012818A1 (en) A non-invasive multimodal screening and assessment system for human health monitoring and a method thereof
TWI288875B (en) Multiple long term auto-processing system and method thereof
CN113974589B (zh) 多模态行为范式评估优化系统及认知能力评价方法
CN114748072A (zh) 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练系统及方法
Li et al. Multi-modal emotion recognition based on deep learning of EEG and audio signals
CN114587288A (zh) 一种睡眠监测方法、装置以及设备
Sharma et al. Novel eeg based schizophrenia detection with iomt framework for smart healthcare
CN110974260A (zh) 基于脑电特征的案例推理抑郁症识别系统
CN116369853A (zh) 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法
CN115736920A (zh) 基于双模态融合的抑郁状态识别方法及系统
Vadivu et al. An Novel Versatile Inspiring Wavelet Transform and Resilient Direct Neural Network Classification Techniques for Monitoring Brain Activity System Based on EEG Signal
AU2021102045A4 (en) A system and method for recognizing the emotions based on electrical bio-signals and speech signals
CN116687408A (zh) 一种基于脑电网络的在线情绪反馈调控系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination