CN116098619B - 一种基于高频听觉稳态响应的抑郁症自动检测系统 - Google Patents
一种基于高频听觉稳态响应的抑郁症自动检测系统 Download PDFInfo
- Publication number
- CN116098619B CN116098619B CN202211441030.7A CN202211441030A CN116098619B CN 116098619 B CN116098619 B CN 116098619B CN 202211441030 A CN202211441030 A CN 202211441030A CN 116098619 B CN116098619 B CN 116098619B
- Authority
- CN
- China
- Prior art keywords
- depression
- frequency
- itc
- module
- auditory
- 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.)
- Active
Links
- 230000004044 response Effects 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 210000004556 brain Anatomy 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 37
- 230000000638 stimulation Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 8
- 210000001652 frontal lobe Anatomy 0.000 claims description 5
- 210000003478 temporal lobe Anatomy 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001054 cortical effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 6
- 230000001939 inductive effect Effects 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000994 depressogenic effect Effects 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 208000020016 psychiatric disease Diseases 0.000 description 4
- 210000004761 scalp Anatomy 0.000 description 4
- 102000001675 Parvalbumin Human genes 0.000 description 3
- 108060005874 Parvalbumin Proteins 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 210000001595 mastoid Anatomy 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- OGNSCSPNOLGXSM-UHFFFAOYSA-N (+/-)-DABA Natural products NCCC(N)C(O)=O OGNSCSPNOLGXSM-UHFFFAOYSA-N 0.000 description 2
- 208000020401 Depressive disease Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229960003692 gamma aminobutyric acid Drugs 0.000 description 2
- 210000001153 interneuron Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 210000003477 cochlea Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000001176 projection neuron Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Acoustics & Sound (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高频听觉稳态响应的抑郁症自动检测系统，所述系统包括听觉刺激模块、数据采集模块、信号处理模块、抑郁检测模块和输出模块；所述听觉刺激模块向用户呈现40Hz频增声音刺激信号；所述数据采集模块通过非侵入式方法采集脑电信号并进行预处理获得听觉稳态响应(ASSR)数据；所述信号处理模块提取ASSR数据中抑郁症相关的脑电特征；所述抑郁检测模块通过决策融合抑郁症相关的脑电特征识别用户抑郁状态；所述输出模块根据脑电特征识别用户抑郁状态生成脑电响应异常的评估报告反馈给用户；本发明通过提取听觉刺激期间用户ASSR的频谱功率、相位一致性以及功能连接性等多维度特征参数，实现对用户抑郁状态的全面评估。
Description
技术领域：
本发明属于对疾病监测的设备，尤其涉及一种基于高频听觉稳态响应的抑郁症自动检测系统。
背景技术：
抑郁症是现在最常见的一种心理疾病，以连续且长期的心情低落为主要临床特征，是现代人心理疾病最重要的类型。据世界卫生组织数据显示，到2030年抑郁症将成为第一大致残疾病。目前，抑郁症在临床上主要是通过问诊，结合精神科医生的主观经验进行诊断，缺少抑郁症的客观度量。近年来，越来越多的研究证实抑郁患者表现出gamma振荡异常。Gamma神经振荡被揭示源于小清蛋白(Parvalbumin，PV)抑制性γ-氨基丁酸(GABA)能中间神经元和兴奋性锥体神经元之间的突触相互作用，是协调信息处理的基本机制。然而，自发的gamma振荡幅值较小，为了更有效地检测皮层高频振荡，研究者们引入了外源性夹带刺激。其中，听觉稳态响应(Auditory Steady-state Response，ASSR)是在重复且间隔固定的声音刺激下诱发的脑电反应，由整个听觉神经系统产生，在头皮处采集得到，具有良好的频率特异性。Gamma频段听觉稳态响应(gamma ASSR)被认为可反映PV中间神经元维持兴奋/抑制平衡的功能，是可被用来评估gamma神经网络同步振荡和时间信息传递状态的有效手段。此外，我们通过前期的大量研究证实了抑郁患者存在40Hz ASSR响应不足，特别是在响应强度、相位一致性以及功能连接性等方面。
因此，本发明提出了一种基于高频听觉稳态响应的抑郁症自动检测装置，利用频增chirp听觉稳态诱发范式，通过采集用户大脑皮层的ASSR响应数据，经过预处理、事件相关谱扰动频谱功率、试次间一致性以及功能连接性等相关特征提取，获取用户gamma频段ASSR响应特征。通过特征决策融合，来对用户的抑郁情况进行自动检测与全面的评估，从而助力临床抑郁症的早期识别，为后续临床抑郁诊断提供辅助支持。
发明内容：
针对现有技术存在的问题，本发明旨在提出一种基于高频听觉稳态响应的抑郁症自动检测系统；该系统通过听觉刺激模块中设计的频增chirp信号，实现对gamma频段ASSR的稳定诱发，增强ASSR响应强度。在听觉模块呈现刺激的同时，运用数据采集模块对大脑皮层响应信号进行记录与预处理，并将预处理后得到的ASSR数据传输到信号处理模块，来提取与抑郁症密切相关的ASSR特征，即频谱功率ERSP、相位一致性ITC以及功能连接性WPLI等多维度特征参数，然后将这些特征参数作为抑郁检测模块的输入，运用决策融合对用户进行识别，并将识别结果传输给输出模块，反馈给用户，实现对用户抑郁情况的自动检测输出。通过设计基于耳蜗行波定理的频增chirp信号，增强对gamma频段ASSR的稳定诱发，提高gamma频段ASSR信噪比。基于前期构建的正常人与抑郁症脑电数据库，解码抑郁症与ASSR响应之间的映射关系，获取了与抑郁症密切相关的ASSR特征。通过提取听觉刺激期间用户ASSR信号的频谱功率、相位一致性以及功能连接性等多维度特征参数，实现对用户抑郁状态的全面评估，运用决策融合，实现对用户抑郁情况的自动检测输出。该项发明可实现对抑郁症的早期识别，进而帮助用户进行及时治疗，可推广至神经心理、临床医学等领域，获得可观的社会经济效益。本发明设计的基于高频听觉稳态响应的抑郁症自动检测装置，创新引入了可稳定诱发gamma频段ASSR的频增chirp听觉刺激范式，对提高ASSR响应强度提供了一种可行借鉴，为探究其他精神疾病的听觉感知障碍研究提供了新方法与新思路。此外，通过联合该范式诱发的ASSR多维度特征参数，可以为抑郁症检测的提供有效手段，有望为临床精准诊断提供辅助支持。
本发明解决其现实问题是采取以下技术方案实现的：
一种基于高频听觉稳态响应的抑郁症自动检测系统，所述系统包括听觉刺激模块、数据采集模块、信号处理模块、抑郁检测模块和输出模块；其中：
所述听觉刺激模块向用户输入40Hz频增声音刺激信号获得皮层脑电信号；
所述数据采集模块通过非侵入式方法采集皮层脑电信号，并进行预处理获得听觉稳态响应数据；
所述信号处理模块提取听觉稳态响应数据中抑郁症相关的脑电特征；其中：
所述抑郁症相关的脑电特征包括事件相关响应强度ERSP特征、试次间一致性ITC特征和脑区间的连接性WPLI特征；
所述事件相关响应强度ERSP特征用于衡量40Hz听觉稳态响应的功率变化；
所述试次间一致性ITC特征用于衡量听觉刺激期间试次间相位一致性程度；
所述脑区间的连接性WPLI特征用于衡量听觉刺激期间脑区间的连接性变化；
所述抑郁检测模块通过决策融合抑郁症相关的脑电特征识别用户抑郁状态；
所述输出模块根据脑电特征识别用户抑郁状态生成脑电响应异常的评估报告反馈给用户。进一步，所述信号处理模块提取事件相关响应强度ERSP特征过程，包括如下步骤：
所述信号处理模块通过短时傅里叶变换进行频域特征分析，提取40Hzchirp刺激诱发的额叶与颞叶导联下的听觉稳态响应数据，对每个试次的功率值进行计算，公式如下：
其中，f表示频率，t表示时间，k是对应的试次标号，m是n组总试次数，Fk(f,t)2表示的是第k个试次中频率f时刻t下对应的功率值；
所述信号处理模块通过如下公式对听觉稳态响应数据进行降低背景干扰与个体基线差异处理，
其中，表示的是第k个试次中频率f对应的[-200ms,0]期间平均的功率值；ΔERSP(f,t)表示的是去掉基线功率后频率f时刻t下的相对ERSP；
所述信号处理模块通过如下公式获得选择特定时间段的窄带频段下的相对ERSP；
其中，fmin与fmax分别是窄带频率的下限频率与上限频率，tmin与tmax分别是截取时间的下限时刻与上限时刻，默认情况下fmin与fmax分别为38Hz和42Hz,tmin与tmax分别为1s和2.5s。
进一步，所述信号处理模块提取试次间一致性ITC特征过程，包括如下步骤：
所述信号处理模块通过短时傅里叶变换提取40Hzchirp刺激诱发的额叶与颞叶导联下的脑电信号，计算试次间相位一致性程度，公式如下：
式中f、t分别表示频率、时间，k是对应的试次标号，m是n组下的总试次数；
所述信号处理模块通过如下公式对听觉稳态响应数据进行降低背景干扰与个体基线差异处理
ITCbaseline(f)＝AVERAGE(ITC(f,t)),t∈[-200ms,0] (6)
ΔITC(f,t)＝ITC(f,t)-ITCbaseline(f) (7)
其中，ITCbaseline(f)表示频率f对应的[-200ms,0]期间平均的ITC值；ΔITC(f,t)表示的是去掉基线ITC后频率f时刻t下的相对ITC值；
所述信号处理模块通过如下公式选择特定时间段的窄带频段下的ITC；
同样，默认情况下fmin与fmax分别为38Hz和42Hz,tmin与tmax分别为1s和2.5s。进一步，所述信号处理模块提取脑区间的连接性WPLI特征过程，包括如下步骤：
所述信号处理模块通过如下公式测量两个时间序列x(t)和y(t)之间的相位角差异分布在复平面中虚轴的正或负部分的WPLI；
其中，Sxy,t表示的是x(t)和y(t)在时刻t时的复合交叉谱密度，| |表示取绝对值。进一步，所述抑郁检测模块通过决策融合抑郁症相关的脑电特征识别用户抑郁状态过程，包括如下步骤：
所述抑郁检测模块通过序列向后特征选择算法降低抑郁症相关的脑电特征矩阵的维数筛选抑郁分类特征；
所述抑郁检测模块运用SVM分类器选取不同的抑郁分类特征作为输入获取各特征下的识别正确率；
所述抑郁检测模块通过如下公式决策融合进行识别分类判定用户抑郁状态输出类别；
Scorefusion＝ω1ScoreERSP+ω2ScoreITC+ω3ScoreWPLI (10)
其中，ω表示的是权重系数，ω1，ω2以及ω3是根据单独将ERSP、ITC和WPLI特征作为输入进行SVM分类时在测试集的正确率来进行动态调整的。
有益效果：
1、本发明通过设计基于耳蜗行波定理的频增chirp信号，增强对gamma频段ASSR的稳定诱发，提高gamma频带ASSR信噪比。基于前期构建的正常人与抑郁症脑电数据库，解码抑郁症与ASSR响应之间的映射关系，获取了与抑郁症密切相关的ASSR特征。通过提取听觉刺激期间用户ASSR数据的频谱功率、相位一致性以及功能连接性等多维度特征参数，实现对用户抑郁状态的全面评估，运用决策融合，实现对用户抑郁情况的自动检测输出
2、本发明可实现对抑郁症的早期识别，进而帮助用户进行及时治疗，可推广至神经心理、临床医学等领域，获得可观的社会经济效益。本发明设计的基于高频听觉稳态响应的抑郁症自动检测装置，创新引入了可稳定诱发gamma频段ASSR的频增chirp听觉刺激范式，对提高ASSR响应强度提供了一种可行借鉴，为探究其他精神疾病的听觉感知障碍研究提供了新方法与新思路。此外，通过联合该范式诱发的ASSR多维度特征参数，可以为抑郁症检测的提供有效手段，有望为临床精准诊断提供辅助支持。
3、本发明旨在提出一种基于高频听觉稳态响应的抑郁症自动检测装置，通过设计gamma频段的频增chirp听觉刺激范式，利用采集到的脑电数据，提取用户ASSR特异性特征参数，即事件相关响应强度ERSP、试次间一致性ITC以及脑区间的连接性WPLI，运用决策融合，进行准确、客观的自动抑郁检测。该项发明可有效地提高抑郁症自动检测的准确性与简便性，并获得可观的社会效益和经济效益。
附图说明：
图1是本发明一种基于高频听觉稳态响应的抑郁症自动检测系统结构示意图；
图2是本发明涉及频增chirp声音刺激范式流程图；
具体实施方式
本发明中提出了，以下结合图1-2对本发明专利的实施过程做进一步详细说明。
本发明提出了一种基于gamma频段听觉稳态诱发响应(Auditory Steady-stateResponse，ASSR)的抑郁症自动检测装置。本发明的抑郁症自动检测装置包括：听觉刺激模块、数据采集模块、信号处理模块、抑郁检测模块和输出模块，实现对用户是否抑郁的自动检测。
其技术流程是：设计了可有效诱发gamma频段ASSR的频增chirp刺激范式；搭建了脑电(Electroencephalogram,EEG)信息采集平台；基于前期研究中发现的ASSR响应与抑郁症状之间的关联，提取了与抑郁症密切相关的事件相关频谱功率(Event-relatedSpectral Perturbation,ERSP)、试次间相位一致性(Inter-trial phase coherence,ITC)以及表征功能连接性的相位滞后指数(weighted phase-lag-index，WPLI)等特征参数，并运用支持向量机(Support Vector Machine,SVM)进行分类识别，最终，对用户的抑郁状态进行分析并反馈给用户。
本发明总体设计如图1所示，该装置框架和技术流程包括：构建了可稳定诱发gamma频段ASSR的听觉刺激模块，该模块中呈现的听觉刺激是基于耳蜗行波定理设计的chirp刺激。
在刺激呈现期间，用户在接受听觉刺激时的头皮脑电信号(即ASSR)通过电极帽与数据采集模块相连，数据采集模块运用已研发的脑电采集系统产品(数字脑电图机，型号：SN-D-E-32)。采集到的用户头皮脑电信号，通过变参考、滤波等预处理后，传输给信号处理模块，信号处理模块可实现对用户ASSR的谱功率ERSP、相位一致性ITC和功能连接性WPLI等特征参数的提取，然后将提取的ASSR特征参数输入到抑郁检测模块，运用传统的支持向量机SVM等分类方法，基于决策融合，实现对用户的自动识别，并通过输出模块将检测结果更为直观的反馈给用户。
5.2基于高频听觉稳态响应的抑郁症自动检测装置各模块功能
(1)听觉刺激模块
听觉刺激模块主要是用于诱发用户的gamma频段的ASSR。该模块中听觉刺激呈现流程图如图2所示。听觉刺激主要是频增chirp声音刺激。Chirp信号是基于耳蜗行波定理进行设计的，可以增强耳蜗中神经元同步性放电，进而提高ASSR响应强度，诱发出更为稳定有效的ASSR。整个范式流程为：在单个试次中，呈现1.5s的静息与3s的chirp刺激，1.5s的静息时间设置用于保证各个试次的刺激之间信息不产生交叉影响。Chirp声音刺激的频率为40Hz，声压级为45dB，双声道播放。默认有3组声音刺激(可根据临床需求增加组数)，每组共28个试次。通过头戴式有线降噪耳机(型号：漫步者W820NB)向用户给声，刺激期间用户只需尽量保持不动，不需要执行任何其他操作。
Chirp声音刺激控制通过Matlab专用工具箱Psychtoolbox编写实现，包括对刺激的时长、刺激强度等参数的控制，同时，在刺激呈现期间，向脑电图机发送同步事件代码来保证数据同步性。
(2)数据采集模块
数据采集模块主要是对用户的基本信息，如用户的基本信息包括用户的年龄、性别等。该模块主要是对听觉刺激模块诱发的用户的大脑皮层响应(脑电信息)进行数据采集与预处理。其中，脑电信息采集运用的是大天医学工程(天津)有限公司自主研发的32导联的数字脑电图机(型号：SN-D-E-32)，是一种非侵入式的安全可靠的便携式脑电采集设备，数据采样率1000Hz，0.5–100Hz硬件带通滤波，50Hz陷波去除工频干扰。用户头皮的脑电信息是通过32导联的电极帽连接到脑电图机，电极空间分布符合国际10-20系统，接地电极位于前额‘AFZ’处，参考电极为左侧乳突‘A1’，所有电极阻抗低于10kΩ。脑电信息的预处理包括变参考，即将左侧乳突参考‘A1’变到双侧乳突平均参考[(‘A1+A2’)/2]，从而降低参考电极位置偏侧带来的影响。然后是进行1–50Hz的带通滤波，并根据刺激诱发的时间标签对ASSR数据进行分段截取，删除幅值≥100μV的异常试次。
(3)信号处理模块
信号处理模块主要是对接收到的来自数据采集模块预处理后的ASSR数据进行特征提取，提取的特征参数主要包括事件相关谱扰动功率(Event-related SpectralPerturbation,ERSP)、试次间一致性(Inter-trial phase coherence,ITC)以及加权相位滞后指数(weighted phase-lag-index，WPLI)。其中，ERSP主要用于衡量40Hz夹带响应功率变化，ITC主要衡量试次间相位一致性程度、WPLI主要是衡量40Hzchirp刺激期间脑区间的连接性变化。
(3.1)ERSP特征提取
本发明利用短时傅里叶变换(Short-time Fourier transform，STFT)进行频域特征分析。提取40Hzchirp刺激诱发的额叶与颞叶导联下的ASSR信号，对每个试次的功率值进行计算，公式如下：
其中，f表示频率，t表示时间，k是对应的试次标号，m是n组总试次数(默认是28试次/组*3组)，Fk(f,t)2表示的是第k个试次中频率f时刻t下对应的功率值。
为了降低背景干扰与个体基线差异，进一步进行去基线处理，公式如下：
其中，表示的是第k个试次中频率f对应的[-200ms,0]期间平均的功率值(基线时间默认选定的是刺激开始0时刻到刺激前–200ms)。
ΔERSP(f,t)表示的是去掉基线功率后频率f时刻t下的相对ERSP。根据临床需求，选择特定时间段的窄带频段下的相对ERSP，应用叠加平均方法得到个体平均的相对40HzASSR ERSP，如下式所示：
其中，fmin与fmax分别是窄带频率的下限频率与上限频率，tmin与tmax分别是截取时间的下限时刻与上限时刻，默认情况下fmin与fmax分别为38Hz和42Hz,tmin与tmax分别为1s和2.5s。
(3.2)ITC特征提取
同样，利用短时傅里叶变换提取40Hzchirp刺激诱发的额叶与颞叶导联下的ASSR信号，计算试次间相位一致性程度，公式如下：
与ERSP公式相似，式中f、t分别表示频率、时间，k是对应的试次标号，m是n组下的总试次数。同样，为了降低背景干扰，进一步进行去基线处理，公式如下：
ITCbaseline(f)＝AVERAGE(ITC(f,t)),t∈[-200ms,0] (6)
ΔITC(f,t)＝ITC(f,t)-ITCbaseline(f) (7)
其中，ITCbaseline(f)表示频率f对应的[-200ms,0]期间平均的ITC值(基线默认是刺激开始0时刻到刺激前–200ms)。ΔITC(f,t)表示的是去掉基线ITC后频率f时刻t下的相对ITC值。选择特定时间段的窄带频段下的ITC，应用叠加平均方法得到个体平均的相对40HzASSRITC，如下式所示：
同样，默认情况下fmin与fmax分别为38Hz和42Hz,tmin与tmax分别为1s和2.5s。
(3.3)WPLI特征提取
WPLI测量两个时间序列x(t)和y(t)之间的相位角差异分布在复平面中虚轴的正或负部分的程度，公式如下：
其中，Sxy,t表示的是x(t)和y(t)在时刻t时的复合交叉谱密度，||表示取绝对值。本发明中计算了38–42Hz窄带范围内1–2.5s时间区间的平均WPLI，划分了左右额叶、左右颞叶、左右中央区域和左右顶叶8个脑区，通过导联平均，计算了每两个脑区间的连接性，并最终在试次水平上叠加平均。
(4)抑郁检测模块
抑郁检测模块主要是根据信号处理模块传输来的ASSR特征(ERSP、ITC和WPLI)，运用SVM分类器与决策融合，对用户是否抑郁进行检测评估。具体为：
利用序列向后特征选择算法(sequential backward feature selectionalgorithm，SBFS)降低各(ERSP、ITC、WPLI)特征矩阵的维数，筛选出更佳的抑郁分类特征；然后，运用SVM分类器选取不同的抑郁分类特征作为输入获取各特征下的识别正确率。
最后，通过决策融合进行识别分类，即40Hz ASSR的ERSP、ITC和WPLI的分类结果的融合方式采用线性加权融合来判定最终输出类别，如下式：
Scorefusion＝ω1ScoreERSP+ω2ScoreITC+ω3ScoreWPLI (10)
其中，ω表示的是权重系数，ω1，ω2以及ω3是根据单独将ERSP、ITC和WPLI特征作为输入进行SVM分类时在测试集的正确率来进行动态调整的。例如，当单独输入ERSP特征时测试集的分类正确率为a％；单独输入ITC特征时测试集的分类正确率为b％；单独输入WPLI特征时测试集的分类正确率为c％，那么，权重系数ω1是a/(a+b+c)，ω2是b/(a+b+c)，ω3是c/(a+b+c)。
(5)输出模块
利用连接检测模块的液晶显示屏，将最终检测结果与评估报告反馈给用户，用户可以对自己的检测结果进行保存或打印。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。
Claims (5)
1.一种基于高频听觉稳态响应的抑郁症自动检测系统，其特征在于：所述系统包括听觉刺激模块、数据采集模块、信号处理模块、抑郁检测模块和输出模块；其中：
所述听觉刺激模块向用户输入40Hz频增chirp刺激信号获得皮层脑电信号；
所述数据采集模块通过非侵入式方法采集皮层脑电信号，并进行预处理获得听觉稳态响应数据；所述信号处理模块提取听觉稳态响应数据中抑郁症相关的脑电特征；其中：
所述抑郁症相关的脑电特征包括事件相关响应强度ERSP特征、试次间一致性ITC特征和脑区间的连接性WPLI特征；
所述事件相关响应强度ERSP特征用于衡量40Hz听觉稳态响应的功率变化；
所述试次间一致性ITC特征用于衡量听觉刺激期间试次间相位一致性程度；
所述脑区间的连接性WPLI特征用于衡量听觉刺激期间脑区间的连接性变化；
所述抑郁检测模块通过决策融合抑郁症相关的脑电特征识别用户抑郁状态；
所述输出模块根据脑电特征识别用户抑郁状态生成脑电响应异常的评估报告反馈给用户。
2.根据权利要求1所述的一种基于高频听觉稳态响应的抑郁症自动检测系统，其特征在于：所述信号处理模块提取事件相关响应强度ERSP特征过程，包括如下步骤：
所述信号处理模块通过短时傅里叶变换进行频域特征分析，提取40Hz频增刺激诱发的额叶与颞叶导联下的听觉稳态响应数据，对每个试次的功率值进行计算，公式如下：
其中，f表示频率，t表示时间，k是对应的试次标号，m是总试次数，Fk(f,t)2表示的是第k个试次中频率f时刻t下对应的功率值；
所述信号处理模块通过如下公式对听觉稳态响应数据进行降低背景干扰与个体基线差异处理，
其中，表示的是第k个试次中频率f对应的[-200ms,0]期间平均的功率值；ΔERSP(f,t)表示的是去掉基线功率后频率f时刻t下的相对ERSP；
所述信号处理模块通过如下公式获得选择特定时间段的窄带频段下的相对ERSP；
其中，fmin与fmax分别是窄带频率的下限频率与上限频率，tmin与tmax分别是截取时间的下限时刻与上限时刻，默认情况下fmin与fmax分别为38Hz和42Hz，tmin与tmax分别为1s和2.5s。
3.根据权利要求1所述的一种基于高频听觉稳态响应的抑郁症自动检测系统，其特征在于：
所述信号处理模块提取试次间一致性ITC特征过程，包括如下步骤：
所述信号处理模块通过短时傅里叶变换提取40Hz频增刺激诱发的额叶与颞叶导联下的脑电信号，计算试次间相位一致性程度，公式如下：
式中f、t分别表示频率、时间，k是对应的试次标号，m是总试次数；
所述信号处理模块通过如下公式对听觉稳态响应数据进行降低背景干扰与个体基线差异处理，
ITCbaseline(f)＝AVERAGE(ITC(f，t))，t∈[-200ms，0] (6)
ΔITC(f，t)＝ITC(f，t)-ITCbaseline(f) (7)
其中，ITCbaseline(f)表示频率f对应的[-200ms，0]期间平均的ITC值；ΔITC(f，t)表示的是去掉基线ITC后频率f时刻t下的相对ITC值；
所述信号处理模块通过如下公式选择特定时间段的窄带频段下的ITC；
同样，默认情况下fmin与fmax分别为38Hz和42Hz，tmin与tmax分别为1s和2.5s。
4.根据权利要求1所述的一种基于高频听觉稳态响应的抑郁症自动检测系统，其特征在于：所述信号处理模块提取脑区间的连接性WPLI特征过程，包括如下步骤：
所述信号处理模块通过如下公式测量两个时间序列x(t)和y(t)之间的相位角差异分布在复平面中虚轴的正或负部分的WPLI；
其中，Sxy，t表示的是x(t)和y(t)在时刻t时的复合交叉谱密度，| |表示取绝对值。
5.根据权利要求1所述的一种基于高频听觉稳态响应的抑郁症自动检测系统，其特征在于：所述抑郁检测模块通过决策融合抑郁症相关的脑电特征识别用户抑郁状态过程，包括如下步骤：
所述抑郁检测模块通过序列向后特征选择算法降低抑郁症相关的脑电特征矩阵的维数筛选抑郁分类特征；
所述抑郁检测模块运用SVM分类器选取不同的抑郁分类特征作为输入获取各特征下的识别正确率；
所述抑郁检测模块通过如下公式决策融合进行识别分类判定用户抑郁状态输出类别；
Scorefusion＝ω1ScoreERSP+ω2ScoreITC+ω3ScoreWPLI (10)
其中，ω表示的是权重系数，ω1，ω2以及ω3是根据单独将ERSP、ITC和WPLI特征作为输入进行SVM分类时在测试集的正确率来进行动态调整的。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211441030.7A CN116098619B (zh) | 2022-11-17 | 2022-11-17 | 一种基于高频听觉稳态响应的抑郁症自动检测系统 |
| US18/102,495 US20240172977A1 (en) | 2022-11-17 | 2023-01-27 | Automatic detection system for depressive disorder based on high frequency auditory steady-state response |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211441030.7A CN116098619B (zh) | 2022-11-17 | 2022-11-17 | 一种基于高频听觉稳态响应的抑郁症自动检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116098619A CN116098619A (zh) | 2023-05-12 |
| CN116098619B true CN116098619B (zh) | 2023-09-22 |
Family
ID=86256914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211441030.7A Active CN116098619B (zh) | 2022-11-17 | 2022-11-17 | 一种基于高频听觉稳态响应的抑郁症自动检测系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240172977A1 (zh) |
| CN (1) | CN116098619B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117838147B (zh) * | 2023-12-19 | 2024-09-27 | 天津大学 | 一种基于chirp信号的意识状态检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105877762A (zh) * | 2015-02-16 | 2016-08-24 | 国际听力公司 | 用语音类刺激产生和记录听觉稳态反应的系统和方法 |
| CN115209947A (zh) * | 2020-01-21 | 2022-10-18 | 萨里大学 | 获得用于经颅刺激的个性化参数的方法、经颅刺激系统、施加经颅刺激的方法 |
-
2022
- 2022-11-17 CN CN202211441030.7A patent/CN116098619B/zh active Active
-
2023
- 2023-01-27 US US18/102,495 patent/US20240172977A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105877762A (zh) * | 2015-02-16 | 2016-08-24 | 国际听力公司 | 用语音类刺激产生和记录听觉稳态反应的系统和方法 |
| CN115209947A (zh) * | 2020-01-21 | 2022-10-18 | 萨里大学 | 获得用于经颅刺激的个性化参数的方法、经颅刺激系统、施加经颅刺激的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240172977A1 (en) | 2024-05-30 |
| CN116098619A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109224242B (zh) | 基于vr交互的心理放松系统及方法 | |
| CN110947076B (zh) | 一种可进行精神状态调节的智能脑波音乐可穿戴设备 | |
| CN107280663A (zh) | 一种基于不同实验难度的疲劳脑电特征研究的方法 | |
| CN102715903A (zh) | 基于定量脑电图的脑电特征提取方法 | |
| CN112545519B (zh) | 一种群体情感同质性的实时评估方法和评估系统 | |
| CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
| CN112137616B (zh) | 一种多感觉脑-体联合刺激的意识检测装置 | |
| CN116098619B (zh) | 一种基于高频听觉稳态响应的抑郁症自动检测系统 | |
| CN112057087B (zh) | 精神分裂症高风险人群自主神经功能数据处理方法及装置 | |
| CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
| CN115253072A (zh) | 一种多模式深脑电刺激精准神经调控系统及方法 | |
| CN111481799A (zh) | 一种脑电波闭环控制设备 | |
| CN105125186B (zh) | 一种确定干预治疗方式的方法及系统 | |
| Xu et al. | Fatigue EEG feature extraction based on tasks with different physiological states for ubiquitous edge computing | |
| CN113143296B (zh) | 沟通障碍的智能评估方法及评估系统 | |
| Demir et al. | Bio-inspired filter banks for frequency recognition of SSVEP-based brain–computer interfaces | |
| Kumar et al. | Fuzzy entropy as a measure of EEG complexity during Rajayoga practice in long-term meditators | |
| CN113288174A (zh) | 一种精神分裂患者认知功能的检测方法 | |
| Wang et al. | Objective Neurophysiological Indices for the Assessment of Chronic Tinnitus Based on EEG Microstate Parameters | |
| KR20140104662A (ko) | 게임을 이용한 자기 조절능력 측정 방법 | |
| CN204745287U (zh) | 一种基于心率变异性的催眠治疗抑郁症效果评价系统 | |
| CN112263768A (zh) | 一种基于听觉节律的焦虑治疗方法和系统 | |
| LU505476B1 (en) | Multi-modal and multi-parameter neural feedback training system based on virtual reality | |
| CN115670463B (zh) | 一种基于脑电情绪神经反馈信号的抑郁检测系统 | |
| CN221671727U (zh) | 一种pkd检测装置系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |