[發明專利]基于深度學習與心電信號的抑郁癥識別系統、介質及設備

有效

• 申請號: 202011297902.8
• 申請日: 2020-11-18
• 公開（公告）號: CN112263253B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 楊立才;臧曉韓;閆丹丹
• 申請（專利權）人: 山東大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/318;A61B5/346;A61B5/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于信號識別領域，提供了一種基于深度學習與心電信號的抑郁癥識別系統、介質及設備。其中，基于深度學習與心電信號的抑郁癥識別系統包括數據采集模塊，其用于采集被測試者在靜息狀態下的心電數據并轉換成一維矩陣形式；數據切割模塊，其用于將一維矩陣形式的心電數據預處理后切割成設定長度的待測心電片段；癥狀預測模塊，其用于利用深度神經網絡模型對待測心電片段進行識別，輸出識別結果；其中，識別結果包括正常和抑郁兩種狀態。

技術領域

本發明屬于信號識別領域，尤其涉及一種基于深度學習與心電信號的抑郁癥識別系統、介質及設備。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

目前臨床抑郁癥的判別和診斷主要從兩個方面入手：(1)依靠主觀因素，主要是醫生采用量表進行篩查。這些基于量表的診斷大部分形式為臨床心理醫生與患者進行溝通交流，過程中醫生參照診斷標準對患者的心理綜合情況做出判斷。該過程要求患者具有較高的配合度，而且不同的醫生對癥狀的認識以及判斷也都存在主觀差異性，這使得臨床抑郁癥的診斷存在較大的不確定性；(2)依靠生物學信息。腦電圖(EEG)、功能性磁共振成像(fMRI)等技術已經被用于抑郁癥的診斷，比如抑郁障礙人群EEG的伽馬波段呈現持續增強的現象，抑郁障礙人群有大腦前額葉激活水平不對稱性的增加等。由于腦電是一種極其微弱的信號，從頭皮上采集到的腦電信號容易淹沒在各種其他相對較強的生物電信號(如眼電)當中，發明人發現，腦電信號采集和分析比較困難，除此之外，腦電檢查的費用也較高。

發明內容

為了解決上述背景技術中存在的至少一項技術問題，本發明提供一種基于深度學習與心電信號的抑郁癥識別系統、介質及設備，其所使用的心電信號易獲取，處理簡單，實用性強，檢測費用低，可以實現對正常人和抑郁癥患者的心電信號的有效辨識并進行正確分類，消除在使用量表進行診斷時醫生和患者的主觀影響，使得診斷結果更具客觀性。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于深度學習與心電信號的抑郁癥識別系統，其包括：

數據采集模塊，其用于采集被測試者在靜息狀態下的心電數據并轉換成一維矩陣形式；

數據切割模塊，其用于將一維矩陣形式的心電數據預處理后切割成設定長度的待測心電片段；

癥狀預測模塊，其用于利用深度神經網絡模型對待測心電片段進行識別，輸出識別結果；其中，識別結果包括正常和抑郁兩種狀態。

本發明的第二個方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如下步驟：

獲取被測試者在靜息狀態下的心電數據并轉換成一維矩陣形式；

將一維矩陣形式的心電數據預處理后切割成設定長度的待測心電片段；

利用深度神經網絡模型對待測心電片段進行識別，輸出識別結果；其中，識別結果包括正常和抑郁兩種狀態。

本發明的第三個方面提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如下步驟：

獲取被測試者在靜息狀態下的心電數據并轉換成一維矩陣形式；

將一維矩陣形式的心電數據預處理后切割成設定長度的待測心電片段；

利用深度神經網絡模型對待測心電片段進行識別，輸出識別結果；其中，識別結果包括正常和抑郁兩種狀態。

與現有技術相比，本發明的有益效果是：

(1)本發明所使用的心電信號易獲取，處理簡單，實用性強，檢測費用低；