[發明專利]基于腦電圖時域數據的精神分裂癥輔助診斷分類方法

在審

• 申請號: 201910140942.2
• 申請日: 2019-02-26
• 公開（公告）號: CN109671500A
• 公開（公告）日: 2019-04-23
• 發明（設計）人: 劉海春;潘常春;章敏敏;王宏武;楊根科
• 申請（專利權）人: 上海交通大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/00;G06K9/62;G06N3/08;A61B5/00;A61B5/0476;A61B5/16
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

本發明提供了一種基于腦電圖時域數據的精神分裂癥輔助診斷分類方法，該方法利用自發腦電技術，在沒有誘導的情況下獲得受外界干擾較小的腦電圖作為精神分裂癥輔助診斷的數據來源。腦電圖數據具有較高的時間分辨率特性，將腦電圖的時域數據經過劃分，類比計算機視覺中的圖像數據格式，使用在圖像識別領域占有主導地位的卷積神經網絡，將其作為基礎來實現一種包含加入權重值的改進CNN、線性L2?SVM分類器和分類結果投票器三個模塊的分類算法，解決基于EEG時域數據的精神分裂癥的首次發作階段(First?Episode Schizophrenia，FES)和健康狀態(Health Control，HC)二階段分類問題，實現基于腦電圖數據的精神分裂癥輔助診斷。

技術領域

本發明涉及精神分裂癥輔助診斷分類領域，尤其涉及基于腦電圖時域數據的精神分裂癥輔助診斷分類方法。

背景技術

精神分裂癥是一種易復發、易致殘的慢性遷延性疾病，其可能對個人生活和心理健康產生較為嚴重的影響，在某些特定的情況下甚至可能對其家庭、治安和社會經濟造成負擔。在這樣的情形下，對于精神分裂癥的研究與治療顯得尤為重要。

目前，有兩種常用的腦電生理技術被廣泛應用于精神疾病臨床和科研，分別是自發腦電技術和誘發腦電技術。自發腦電技術是指在不施加外部刺激的情形下人類腦部活動時自發產生的生物電位變化，通常包含靜息態腦電圖(resting-state EEG)、腦電地形圖、多導睡眠圖等；而誘發腦電技術是在視覺、聽覺等外部任務刺激下產生的有規律的腦部生物電位變化，包括視覺誘發電位(VEP)、聽覺誘發電位(AEP)、P300等，其在精神分裂癥的診斷中的作用較多地體現在患者對任務的完成情況分析。兩者相比，自發腦電技術在診斷中是一種更新穎的方式，在沒有誘導的情況下獲得的腦電數據更能代表受試者自主的腦部活動情況，有利于獲得受外界干擾較小的腦波特征并進一步探尋疾病發作的病理。

公開號為CN104545939A的專利申請公開了“一種頭戴式精神分裂癥輔助診斷裝置”，通過內置信號發生器觸發50對80dB聲壓級(SPL)短音的click聲刺激受試者，記錄儀受試者收到刺激后所誘發的P50波幅以作為精神分裂癥輔助診斷。

腦電圖數據更加集中于時間序列的腦部變化情況，更加符合思維或行動相關的、基于腦部活動而非腦部靜態結構的精神分裂癥研究和診斷，因此有理由相信精神疾病各階段的特征與臨床表現的差異可以通過腦電圖數據體現出來。綜上所述，提出一種基于腦電圖時域數據的精神分裂癥輔助診斷分類算法是非常有必要的。

發明內容

為實現上述目的，本發明提供了一種基于腦電圖時域數據的精神分裂癥輔助診斷分類方法，包括以下步驟：

步驟一、利用自發腦電波技術，使用電極帽，獲得個體的腦電圖時域數據。

步驟二、進行數據預處理工作，包括對原始腦電圖時域數據的濾波以及去除偽跡等降噪操作，此外根據卷積神經網絡需要的數據輸入的特性，對腦電圖時域數據做歸一化處理以及分段處理。

步驟三、建立精神分裂癥輔助診斷模型并對其進行訓練，具體方法如下：根據卷積神經網絡中應用到的前向傳播與反向傳播算法，以AlexNet為模板搭建基礎卷積神經網絡，包括卷積層、池化層、激活函數、全連接層、Softmax層以及Dropout單元，在第一個卷積層之后構建通道權重層，并且用SVM分類單元代替最后的全連接層和Softmax層；權重層通過學習得到；根據EEG數據分段的特點，在SVM分類單元之后加入分類結果投票器，將片段分類結果綜合為受試者整體EEG數據分類結果；優化所述精神分裂癥輔助診斷模型的網絡超參數，利用已得到的腦電波數據樣本，樣本經過預處理后，將樣本輸入到所述精神分裂癥輔助診斷模型中，網絡超參數設置為隨機，得到表示預測輸入屬于各個類別的概率輸出結果；

構建損失函數，衡量樣本預測分類與已知樣本分類的距離，利用隨機梯度下降算法，調整網絡超參數，盡可能減小損失函數，迭代多次，得到訓練好的網絡超參數；