CN115736817A - 一种基于fNIRS技术早期识别双相情感障碍的方法 - Google Patents
一种基于fNIRS技术早期识别双相情感障碍的方法 Download PDFInfo
- Publication number
- CN115736817A CN115736817A CN202210980584.8A CN202210980584A CN115736817A CN 115736817 A CN115736817 A CN 115736817A CN 202210980584 A CN202210980584 A CN 202210980584A CN 115736817 A CN115736817 A CN 115736817A
- Authority
- CN
- China
- Prior art keywords
- fnirs
- affective disorder
- data
- early
- preprocessing
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于fNIRS技术早期识别双相情感障碍的方法，涉及临床医学精神病诊断技术领域。该fNIRS技术早期识别双相情感障碍的方法，包括获取被试者FNIRS测量数据、FNIRS测量数据预处理、提取特征、特征预处理、模型构建、双向情感障碍早期识别模型和输出识别结果，获取被试者FNIRS测量数据。本发明提供一种基于fNIRS技术早期识别双相情感障碍的方法，该方法识别速度快，识别准确率高，可以辅助诊断就诊的精神疾病患者，帮助精神专科医生和非专科医生短时间内识别双相情感障碍，缩短诊疗时间，提高了工作效率和诊疗方案的准确性，并给予针对性治疗，避免因误诊影响患者治疗及预后。
Description
技术领域
本发明涉及临床医学精神病诊断技术领域，具体为一种基于fNIRS技术早期识别双相情感障碍的方法。
背景技术
由于精神疾病的病理生理机制尚不明确，且缺乏客观的生物学标记物，因此精神疾病的诊断依赖于《精神疾病诊断和统计手册》或《国际疾病分类系统》中所描述的行为症状和精神科医生的诊断性访谈，但是精神疾病具有一系列重叠症状，如幻觉、抑郁症状和一般认知功能障碍，这其中包括精神分裂症、双相情感障碍和重度抑郁症在内的多种精神疾病，双向情感的诊断主要依据临床现象学，确诊需要正确识别“情感不稳定”等核心症状，及其病程具有“发作性、波动性”等特征。
功能近红外光谱(Functional near-infrared spectroscopy,fNIRS)是一种新兴的光学成像技术，它使用波长范围(700-900nm)的近红外光来测量大脑中血红蛋白浓度变化值来度量的血流动力学反应，通过fNIRS与其他脑影像成像技术(如功能性核磁共振成像)之间对比证实了该技术能够有效的测量被试者的神经生物学功能，此外，与脑影像成像技术相比，fNIRS具有明显的优势。fNIRS的时间分辨率优于功能性核磁共振成像(Functional magnetic resonance imaging,fMRI)和正电子发射型计算机断层显像(Positron emission computed tomography,PET)，空间分辨率优于脑磁图(Magnetoencephalography,MEG)和脑电波(Electroencephalogram,EEG)，由于使用了安全、低能量的近红外光，fNIRS可以连续、重复地测量血流动力学反应，这种类型的测量很难在其他需要使用放射性同位素或造影剂的成像技术中实现。fNIRS具有良好的安静性和运动伪影的耐受性，使得fNIRS非常适合用于婴儿、儿童和那些不适应传统成像技术(如fMRI，需要限制在fMRI 磁铁中，身体限制或暴露在噪声中)的患者。此外，fNIRS还具有紧凑、便携和可无线设计的特点，允许研究人员在自然和社会互动的环境下进行更多的生理学和临床相关研究，更重要的是，fNIRS设备和每个测试环节的成本比其他功能性成像方法要低得多。
fNIRS在测量过程中会产生大量时间序列数据，在以往的近红外研究中，大多是通过传统计量或计数资料统计方法分析fNIRS数据寻找精神疾病fNIRS 脑激活或脑功能连接特征，不能够很好的提取时间序列数据信息，且研究结果往往不一致，当使用传统统计方法识别精神疾病时，准确率往往不佳，导致这些研究在实际临床应用中尚有距离。
机器学习是一种分析多维数据的技术，用于构建具有从数据中自动学习能力的系统，研究人员可以利用机器学习技术对大量复杂的数据进行快速且可扩展的分析，能够有效的提取数据特征，是分析fNIRS数据最优方法之一。基于该点，设计一种基于fNIRS早期识别双相情感障碍的方法是十分有必要的。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于fNIRS技术早期识别双相情感障碍的方法，能够精准识别双相情感障碍，能够帮助精神专科医生和非专科医生短时间内识别双相情感障碍，缩短诊疗时间，同时能够在较短的时间内确定适合的治疗方案，解决了医生在较短的时间内不能确定适合治疗方案的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于fNIRS 技术早期识别双相情感障碍的方法，包括获取被试者FNIRS测量数据、FNIRS 测量数据预处理、提取特征、特征预处理、模型构建、双向情感障碍早期识别模型和输出识别结果；
获取被试者FNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
FNIRS测量数据预处理，用于对被试者测得的FNIRS测量数值进行深度的多种预处理工作；
提取特征，用于提取被试者FNIRS的各项特征；
特征预处理，对被试者FNIRS的各项特征进行预处理，从而测得更为精准的数值；
模型构建，基于随机森林算法构建双相情感障碍早期识别模型；
双相情感障碍早期识别模型和输出识别结果，双相情感障碍早期识别模型将处理后的特征输入到决策树算法构双相情感障碍的模型中，输出模型识别结果。
优选的，所述FNIRS测量数据预处理包括生理信号处理、伪影处理、滤波和将光密度转换为血氧浓度数据。
优选的，所述将光密度转换为血氧浓度数据为：使用修正版的 Lambert-Beer定律将fNIRS设备测得的光强度转换为血红蛋白相对浓度。
优选的，所述伪影处理为：使用移动标准差和样条插值法减少信号中的运动伪影。
优选的，所述滤波为：将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声。
优选的，所述特征预处理包括缺失值处理和数据均一化。
优选的，所述缺失值处理为：删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值。
优选的，所述提取特征具体含有：hbr_ch11__last_location_of_maximum: 时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置， hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
优选的，一种基于fNIRS技术早期识别双相情感障碍的方法，包括以下过程：
S1.获取被试者fNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
S2.对FNIRS测量数据预处理，使用修正版的Lambert-Beer定律将fNIRS 设备测得的光强度转换为血红蛋白相对浓度，使用移动标准差和样条插值法减少信号中的运动伪影，将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声；
S3.提取被试者fNIRS特征，具体含有： hbr_ch11__last_location_of_maximum:时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置， hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
S4.对提取被试者fNIRS特征进行预处理，包删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值，对数据进行均一化；
S5.构建双向情感障碍早期识别模型，基于随机森林算法构建双相情感障碍早期识别模型，双相情感障碍识别模型将处理后的特征输入到森林算法构建双相情感障碍早期识别模型中，输出模型识别结果。
(三)有益效果
本发明提供了一种基于fNIRS技术早期识别双相情感障碍的方法。具备以下有益效果：
本发明提供了一种基于fNIRS技术早期识别双相情感障碍的方法，该方法识别速度快，识别准确率高，可以辅助诊断就诊的精神疾病患者，帮助精神专科医生和非专科医生短时间内识别双相情感障碍，缩短诊疗时间，提高了工作效率和诊疗方案的准确性，并给予针对性治疗，避免因误诊影响患者治疗及预后。
本发明提供了一种基于fNIRS技术早期识别双相情感障碍的方法，该方法可以应用于学校，医院，社区等大数量人群中早期筛查双相情感障碍患者，对双相情感障碍患者进行早期干预，减少家庭和社会负担。
本发明提供了一种基于fNIRS技术早期识别双相情感障碍的方法，具有成本低，操作方便，识别准确率高的特点，可以用以辅助快速筛查、早期识别双相情感障碍。
附图说明
图1为本发明的系统结构组成图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
如图1所示，本发明实施例提供一种基于fNIRS技术早期识别双相情感障碍的方法，包括获取被试者FNIRS测量数据、FNIRS测量数据预处理、提取特征、特征预处理、模型构建、双向情感障碍早期识别模型和输出识别结果；
获取被试者FNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
FNIRS测量数据预处理，用于对被试者测得的FNIRS测量数值进行深度的多种预处理工作；
提取特征，用于提取被试者FNIRS的各项特征；
特征预处理，对被试者FNIRS的各项特征进行预处理，从而测得更为精准的数值；
模型构建，基于随机森林算法构建双相情感障碍早期识别模型；
双相情感障碍早期识别模型和输出识别结果，双相情感障碍早期识别模型将处理后的特征输入到决策树算法构双相情感障碍的模型中，输出模型识别结果。
FNIRS测量数据预处理包括生理信号处理、伪影处理、滤波和将光密度转换为血氧浓度数据。
将光密度转换为血氧浓度数据为：使用修正版的Lambert-Beer定律将fNIRS设备测得的光强度转换为血红蛋白相对浓度。
伪影处理为：使用移动标准差和样条插值法减少信号中的运动伪影。
滤波为：将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1 次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围 0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声。
特征预处理包括缺失值处理和数据均一化。
缺失值处理为：删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值。
提取特征具体含有：hbr_ch11__last_location_of_maximum:时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置， hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
该基于fNIRS技术早期识别双相情感障碍的方法，包括以下过程：
S1.获取被试者fNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
S2.对FNIRS测量数据预处理，使用修正版的Lambert-Beer定律将fNIRS 设备测得的光强度转换为血红蛋白相对浓度，使用移动标准差和样条插值法减少信号中的运动伪影，将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声；
S3.提取被试者fNIRS特征，具体含有： hbr_ch11__last_location_of_maximum:时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置， hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
S4.对提取被试者fNIRS特征进行预处理，包删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值，对数据进行均一化；
S5.构建双向情感障碍早期识别模型，基于随机森林算法构建双相情感障碍早期识别模型，双相情感障碍识别模型将处理后的特征输入到森林算法构建双相情感障碍早期识别模型中，输出模型识别结果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，包括获取被试者FNIRS测量数据、FNIRS测量数据预处理、提取特征、特征预处理、模型构建、双向情感障碍早期识别模型和输出识别结果；
获取被试者FNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
FNIRS测量数据预处理，用于对被试者测得的FNIRS测量数值进行深度的多种预处理工作；
提取特征，用于提取被试者FNIRS的各项特征；
特征预处理，对被试者FNIRS的各项特征进行预处理，从而测得更为精准的数值；
模型构建，基于随机森林算法构建双相情感障碍早期识别模型；
双相情感障碍早期识别模型和输出识别结果，双相情感障碍早期识别模型将处理后的特征输入到决策树算法构双相情感障碍的模型中，输出模型识别结果。
2.根据权利要求1所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述FNIRS测量数据预处理包括生理信号处理、伪影处理、滤波和将光密度转换为血氧浓度数据。
3.根据权利要求2所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述将光密度转换为血氧浓度数据为：使用修正版的Lambert-Beer定律将fNIRS设备测得的光强度转换为血红蛋白相对浓度。
4.根据权利要求2所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述伪影处理为：使用移动标准差和样条插值法减少信号中的运动伪影。
5.根据权利要求2所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述滤波为：将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声。
6.根据权利要求1所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述特征预处理包括缺失值处理和数据均一化。
7.根据权利要求6所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述缺失值处理为：删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值。
8.根据权利要求1所述的一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，所述提取特征具体含有：hbr_ch11__last_location_of_maximum:时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置，hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
9.一种基于fNIRS技术早期识别双相情感障碍的方法，其特征在于，包括以下过程：
S1.获取被试者fNIRS测量数据，通过功能近红外光谱成像系统可以获取被试者的FNIRS测量数值也叫做光强数据；
S2.对FNIRS测量数据预处理，使用修正版的Lambert-Beer定律将fNIRS设备测得的光强度转换为血红蛋白相对浓度，使用移动标准差和样条插值法减少信号中的运动伪影，将原始数据采样率降为1Hz，使用滤波器减少心跳周期性变换1次/秒，大概的频率范围1Hz，呼吸周期性变化0.4次/秒，大概的频率范围0.4Hz，血压大概频率范围0.1Hz等生理噪声，使用基于离散余弦变换集的高通滤波器减少极低频混淆，使用基于高斯的低通滤波器降低高频噪声；
S3.提取被试者fNIRS特征，具体含有：hbr_ch11__last_location_of_maximum:时序数据顶叶脱氧血红蛋白浓度数据长度的相对最大值的位置，hbr_ch20__fft_coefficient__attr_"angle"__coeff_4:基于时序数据额上回脱氧血红蛋白浓度数据，使用快速傅里叶变换算法计算一维离散傅里叶序列的系数，公式如下：
S4.对提取被试者fNIRS特征进行预处理，包删除缺失值占比≥30％的特征，对于缺失值占比＜30％的特征，使用中位数来填充缺失值，对数据进行均一化；
S5.构建双向情感障碍早期识别模型，基于随机森林算法构建双相情感障碍早期识别模型，双相情感障碍识别模型将处理后的特征输入到森林算法构建双相情感障碍早期识别模型中，输出模型识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210980584.8A CN115736817A (zh) | 2022-08-16 | 2022-08-16 | 一种基于fNIRS技术早期识别双相情感障碍的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210980584.8A CN115736817A (zh) | 2022-08-16 | 2022-08-16 | 一种基于fNIRS技术早期识别双相情感障碍的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115736817A true CN115736817A (zh) | 2023-03-07 |
Family
ID=85349244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210980584.8A Pending CN115736817A (zh) | 2022-08-16 | 2022-08-16 | 一种基于fNIRS技术早期识别双相情感障碍的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115736817A (zh) |
-
2022
- 2022-08-16 CN CN202210980584.8A patent/CN115736817A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liang et al. | An optimal filter for short photoplethysmogram signals | |
| CN100444793C (zh) | 生物体光测量装置 | |
| CN111466876B (zh) | 一种基于fNIRS和图神经网络的阿尔兹海默症辅助诊断系统 | |
| CN107669244A (zh) | 基于EEG‑fMRI的癫痫异常放电位点定位方法及系统 | |
| CN113768519B (zh) | 基于深度学习和静息态脑电数据分析病人意识水平的方法 | |
| CN115691794B (zh) | 一种神经诊断的辅助分析方法及系统 | |
| CN106974660B (zh) | 基于脑功能活动检测中的血氧特征实现性别判定的方法 | |
| CN115553752A (zh) | 一种基于多模态数据融合的脑功能障碍辅助评估方法 | |
| CA3229112A1 (en) | Methods and systems for engineering conduction deviation features from biophysical signals for use in characterizing physiological systems | |
| Benchekroun et al. | Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm | |
| US20230055617A1 (en) | Methods and Systems for Engineering Photoplethysmographic-Waveform Features From Biophysical Signals for Use in Characterizing Physiological Systems | |
| Lombardi et al. | Detecting sepsis from photoplethysmography: strategies for dataset preparation | |
| CN116186502A (zh) | 一种多模态视觉神经功能检测方法及其系统 | |
| CN115736817A (zh) | 一种基于fNIRS技术早期识别双相情感障碍的方法 | |
| Yun-Mei et al. | The abnormal detection of electroencephalogram with three-dimensional deep convolutional neural networks | |
| JP2000262480A (ja) | 生体恒常性維持評価装置 | |
| Huang et al. | A portable household detection system based on the combination of bidirectional LSTM and residual block for automatical arrhythmia detection | |
| CN115363530A (zh) | 一种基于fNIRS技术早期识别精神分裂症的方法 | |
| Zhang et al. | Non-invasive blood glucose detection using NIR based on GA and SVR | |
| Shome et al. | Region-Disentangled Diffusion Model for High-Fidelity PPG-to-ECG Translation | |
| US20230075570A1 (en) | Methods and Systems for Engineering Power Spectral Features From Biophysical Signals for Use in Characterizing Physiological Systems | |
| CN114145722B (zh) | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 | |
| US20230072281A1 (en) | Methods and Systems for Engineering Wavelet-Based Features From Biophysical Signals for Use in Characterizing Physiological Systems | |
| Ramalingam et al. | Review on bio-signal processing software packages | |
| soo Kim et al. | Advanced Detection of Cardiac Beat Intervals in Functional Near-Infrared Spectroscopy (fNIRS) through Signal Integration Reconstruction |
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 |