[發(fā)明專利]基于多源腦電數(shù)據(jù)融合的抑郁癥輔助識(shí)別模型構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011132515.9
• 申請(qǐng)日: 2020-12-04
• 公開(kāi)（公告）號(hào): CN112190269A
• 公開(kāi)（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 胡斌;蔡涵書(shū);張健;曲志雕
• 申請(qǐng)（專利權(quán)）人: 蘭州大學(xué)
• 主分類號(hào): A61B5/369
• 分類號(hào): A61B5/369;A61B5/372;A61B5/16
• 代理公司: 北京匯彩知識(shí)產(chǎn)權(quán)代理有限公司 11563
• 代理人: 王鍵

基于多源腦電數(shù)據(jù)融合的抑郁癥輔助識(shí)別模型的構(gòu)建方法，包括：構(gòu)建多數(shù)據(jù)源抑郁癥腦電數(shù)據(jù)的特征矩陣；使用基于個(gè)體分類器賦權(quán)的多分類器組合策略從已構(gòu)建的特征矩陣中找出表現(xiàn)較好的特征矩陣；通過(guò)對(duì)特征矩陣的多元組合形成特征矩陣組合；利用基于權(quán)重優(yōu)化的并行特征層融合策略將最佳的特征矩陣組合進(jìn)行融合，從而構(gòu)建具有較高識(shí)別準(zhǔn)確率的抑郁癥輔助識(shí)別模型，能提高抑郁癥輔助識(shí)別模型的泛化能力從而提供客觀且普適化的輔助識(shí)別的工具。

技術(shù)領(lǐng)域

本發(fā)明涉及一種疾病診斷的輔助方法，具體來(lái)說(shuō)，本發(fā)明涉及基于多源腦電數(shù)據(jù)融合的抑郁癥輔助識(shí)別模型的構(gòu)建方法。本發(fā)明方法首先構(gòu)建多數(shù)據(jù)源抑郁癥腦電數(shù)據(jù)的特征矩陣,其次使用基于個(gè)體分類器賦權(quán)的多分類器組合策略從已構(gòu)建的特征矩陣中找出準(zhǔn)確率較高的特征矩陣，然后通過(guò)對(duì)特征矩陣的多元組合形成特征矩陣組合，進(jìn)而再利用基于權(quán)重優(yōu)化的并行特征層融合策略將最佳的特征矩陣組合進(jìn)行融合，從而構(gòu)建具有較高識(shí)別準(zhǔn)確率的抑郁癥輔助識(shí)別模型。本發(fā)明方法能夠提高抑郁癥輔助識(shí)別模型的泛化能力，從而提供一種用于抑郁癥輔助診斷的客觀且普適化的工具。

背景技術(shù)

1.腦電數(shù)據(jù)與抑郁癥

腦電數(shù)據(jù)在情感識(shí)別領(lǐng)域的應(yīng)用研究越來(lái)越廣，研究表明抑郁癥等情感障礙疾病與腦電數(shù)據(jù)的變化有著極大的相關(guān)性，因此，將腦電數(shù)據(jù)應(yīng)用在抑郁癥識(shí)別領(lǐng)域也逐漸成為研究的熱點(diǎn)。研究人員通過(guò)對(duì)比分析患者和健康人群腦電數(shù)據(jù)的差異，尋找能夠作為識(shí)別抑郁癥的腦電指標(biāo)來(lái)構(gòu)建抑郁癥的輔助識(shí)別模型。例如，在有關(guān)抑郁癥患者腦電數(shù)據(jù)的研究中，有很多的研究表明抑郁癥患者與正常人的腦電數(shù)據(jù)存在大量的差異，特別是前額葉的腦電數(shù)據(jù)的變化與抑郁癥具有緊密的聯(lián)系。

2.多分類器組合

由多個(gè)個(gè)體分類器組成的多分類器組合通常由兩部分構(gòu)成：個(gè)體分類器的生成以及根據(jù)組合策略對(duì)多個(gè)個(gè)體分類器的輸出結(jié)果進(jìn)行集成輸出。在多分類器組合的過(guò)程中，個(gè)體分類器的差異性、準(zhǔn)確性以及個(gè)體分類器之間的組合策略、直接影響著多分類器組合結(jié)果的好壞。

3.多源數(shù)據(jù)融合

多源數(shù)據(jù)融合是一種能夠組合來(lái)自多個(gè)信息源的數(shù)據(jù)以形成統(tǒng)一信息的技術(shù)。多源數(shù)據(jù)融合的概念由信息融合發(fā)展而來(lái)，這個(gè)概念最早起源于上世紀(jì)七十年代，美國(guó)軍方為了軍事需求，將C3I(Command、Control、Communication and Intelligence)軍事系統(tǒng)中多個(gè)來(lái)源的數(shù)據(jù)進(jìn)行融合，進(jìn)而發(fā)展成為了一門(mén)獨(dú)立的學(xué)科。多源數(shù)據(jù)融合的定義為“對(duì)來(lái)自多個(gè)數(shù)據(jù)源的數(shù)據(jù)，利用計(jì)算機(jī)技術(shù)進(jìn)行多層次、多方面的綜合處理的過(guò)程，從而產(chǎn)生一個(gè)能夠達(dá)到所學(xué)的決策和估計(jì)目標(biāo)的新信息”。多源數(shù)據(jù)融合能夠自動(dòng)或半自動(dòng)的將來(lái)自不同信息源和不同時(shí)間點(diǎn)的信息進(jìn)行轉(zhuǎn)化，從而為人們?cè)谶M(jìn)行決策時(shí)提供有效的支撐。

多源數(shù)據(jù)融合技術(shù)能夠通過(guò)融合多個(gè)單一數(shù)據(jù)源的數(shù)據(jù)來(lái)提供比單個(gè)數(shù)據(jù)源更加全面、準(zhǔn)確的信息。數(shù)據(jù)融合是在幾個(gè)層次上完成對(duì)多源數(shù)據(jù)信息的處理過(guò)程。目前，普遍接受的融合層次的劃分可分為三個(gè)級(jí)別：數(shù)據(jù)層融合、特征層融合和決策層融合。在本發(fā)明中主要采用特征層融合。

數(shù)據(jù)層融合：又稱像素層融合，是三個(gè)融合層次中最低層次的融合。其直接對(duì)獲取到的原始數(shù)據(jù)進(jìn)行融合，然后基于融合后的數(shù)據(jù)進(jìn)行特征提取并進(jìn)行決策判斷。需要注意的是進(jìn)行數(shù)據(jù)層融合的多源數(shù)據(jù)是同質(zhì)的。

特征層融合：作為三種融合層次中中間層次的融合，特征層融合較為智能化，其先對(duì)原始數(shù)據(jù)進(jìn)行特征提取和處理，然后再將這些多源的特征按照一定的融合算法融合成一個(gè)聯(lián)合特征向量。

決策層融合：是三種融合層次中最高層次的融合，是最高層面的智能化融合，是將多個(gè)來(lái)源的信息單獨(dú)進(jìn)行決策，換言之就是對(duì)多源的數(shù)據(jù)分別進(jìn)行特征提取，特征選擇等操作形成特征矩陣，然后將這些特征矩陣輸入各自的分類器中，形成各自的決策，最后再將各自的決策結(jié)果通過(guò)一定的方式進(jìn)行融合處理，從而得到問(wèn)題最終的決策結(jié)果。