[發明專利]一種基于腦電與深度學習的精神分裂癥探測方法

在審

• 申請號: 202011248815.3
• 申請日: 2020-11-10
• 公開（公告）號: CN112244875A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 車艷秋;鄭海令;劉靖;秦迎梅;韓春曉;王若凡
• 申請（專利權）人: 天津職業技術師范大學（中國職業培訓指導教師進修中心）
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;A61B5/00
• 代理公司: 天津創智睿誠知識產權代理有限公司 12251
• 代理人: 李薇

1.一種基于腦電與深度學習的精神分裂癥探測方法，其特征在于：包括以下步驟：

步驟A：提取待測人的原始腦電時間序列信號，并對其進行噪聲過濾處理，噪聲過濾處理后的腦電時間序列信號作為測試樣本；

步驟B：將步驟A所得測試樣本轉換為測試輸入圖像；

步驟C：將步驟B所得測試輸入圖像輸入到經由訓練的深度學習模型中，并且在所述深度學習模型中進行魯棒性特征提取得到魯棒性特征；

步驟D：將步驟C提取到的魯棒性特征輸入到極限學習機分類器中，所述極限學習機分類器進行精神分裂癥的探測并輸出探測結果。

2.如權利要求1所述的精神分裂癥探測方法，其特征在于：步驟B中，測試樣本轉換方法是基于短時傅里葉變換算法。

3.如權利要求2所述的精神分裂癥探測方法，其特征在于：所述短時傅里葉變換算法是通過以下公式完成的：

其中，z(u)為在時刻u時腦電時間序列信號，g(u-t)為窗函數，f為腦電時間序列信號采樣率，j為復數，j＝1×i，i為虛數單位。

4.如權利要求3所述的精神分裂癥探測方法，其特征在于：將所得測試樣本轉換為測試輸入圖像時，使用了3秒的窗口進行了短時傅里葉變換。

5.如權利要求1所述的精神分裂癥探測方法，其特征在于：步驟C中，所述深度學習模型由卷積神經網絡和長短期記憶神經網絡構成。

6.如權利要求5所述的精神分裂癥探測方法，其特征在于：所述卷積神經網絡共有三層，第一層卷積核大小為3×(3-20)，優選3×20，第二層卷積核大小為2×(2-20)，優選2×20，第三層卷積核大小為2×(2-20)，優選2×20。

7.如權利要求5所述的精神分裂癥探測方法，其特征在于：所述長短期記憶神經網絡共有三層，第一次為輸入層，第二層為隱藏層，所述隱藏層設置的隱藏單元為50-200，第三層為輸出層。

8.如權利要求7所述的精神分裂癥探測方法，其特征在于：所述深度學習模型的訓練方法，包括以下步驟：

步驟1：提取精神分裂癥患者和健康人的原始腦電時間序列信號，并進行噪聲過濾處理，噪聲過濾處理后的精神分裂癥患者和健康人的腦電時間序列信號作為訓練樣本；

步驟2：將步驟1提取的訓練樣本劃分為訓練集和驗證集；

步驟3：基于短時傅里葉變換算法，將步驟2劃分的訓練集和驗證集分別轉換為卷積神經網絡可識別的訓練集輸入圖像和驗證集輸入圖像，所述訓練集輸入圖像和驗證集輸入圖像組成模型輸入圖像集；

步驟4：將步驟3轉換所得模型輸入圖像集輸入到所述深度學習模型中，進行魯棒性特征提取，并訓練深度學習模型最優參數；

步驟5：將步驟4訓練好的深度學習模型的最優參數輸出,應用于測試階段的深度學習模型。

9.如權利要求7所述的精神分裂癥探測方法，其特征在于：步驟2中，所述訓練集中的腦電時間序列的數量為所述訓練樣本中的腦電時間序列總數量的70％，所述驗證集中的腦電時間序列的數量為所述訓練樣本中的腦電時間序列總數量的30％。

10.如權利要求1所述的精神分裂癥探測方法，其特征在于：步驟D中，輸出的探測結果是輸出有精神分裂癥還是沒有精神分裂癥。