[發(fā)明專利]一種基于心電信號的氣質(zhì)類型分類方法

在審

• 申請?zhí)枺?/td>: 202210013355.9
• 申請日: 2022-01-06
• 公開（公告）號: CN115316994A
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計）人: 李風(fēng)華;劉正奎;晏陽;吳坎坎
• 申請（專利權(quán)）人: 中國科學(xué)院心理研究所
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/00;A61B5/16
• 代理公司: 北京康思博達(dá)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

1.一種基于心電信號的氣質(zhì)類型分類方法，其特征在于，

該方法包括如下步驟：

步驟1,分別采集被識別人在連續(xù)四種狀態(tài)下的心電信號，并將四組心電信號標(biāo)記為S1，S2，S3，S4；

步驟2,對步驟1中獲得的四組心電信號做濾波預(yù)處理，計算得到每組心電信號對應(yīng)的心跳周期序列RR_n＝{rr₁,rr₂,...rr_n}，其中，rr₁表示第1個心跳間隔時間，單位毫秒，rr_n表示第n個心跳間隔時間；

步驟3,將每組心跳周期序列依次輸入到拉蓋爾回歸模型得到交感神經(jīng)指標(biāo)Sai序列和負(fù)交感神經(jīng)指標(biāo)Pai序列，進(jìn)而得到Sai與Pai的比值序列，提取Sai與Pai的比值序列X_sp＝{x_sp1,x_sp2,...x_spm}，共獲得4組Sai與Pai的比值序列；其中，X_sp表示Sai與Pai的比值序列，x_sp1表示第1個Sai與Pai的比值序列，x_spm表示第m個Sai與Pai的比值序列；

步驟4,求取心電信號S2對應(yīng)的X_sp的均值

求取心電信號S3對應(yīng)的均值

步驟5,將步驟4中的與設(shè)定閾值t1，t2，t3做比較，

將步驟4中的與設(shè)定閾值t1，t2，t3做比較，

根據(jù)比較結(jié)果獲得類型向量；

步驟6,從步驟3中獲得的X_sp中提取出時域動態(tài)特征，

提取步驟5中獲得的類型向量的編碼；

步驟7,基于步驟6獲得的特征，對性別、年齡段進(jìn)行one-hot編碼，通過標(biāo)準(zhǔn)化處理后獲得特征向量集{e₁,e₂,e₃,e_n}；

再將特征向量輸入到隨機(jī)森林多分類模型中，獲得氣質(zhì)類型，并據(jù)此進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的基于心電信號的氣質(zhì)類型分類方法，其特征在于，

在步驟1中，所述連續(xù)四種狀態(tài)包括順次相連的：

狀態(tài)1：靜坐10秒；

狀態(tài)2：觀看幽默視頻10秒；

狀態(tài)3：觀看驚悚視頻10秒；

狀態(tài)4：靜坐10秒。

3.根據(jù)權(quán)利要求1所述的基于心電信號的氣質(zhì)類型分類方法，其特征在于，

在步驟5中，在所述設(shè)定閾值中，t1t2t3；

優(yōu)選地，所述t1取值為0.2；所述t2取值為0.4；所述t3取值為0.5。

4.根據(jù)權(quán)利要求1所述的基于心電信號的氣質(zhì)類型分類方法，其特征在于，

在步驟5中，類型向量的獲得過程包括如下子步驟：

子步驟1，記錄與設(shè)定閾值t1，t2，t3的比較結(jié)果，記錄與設(shè)定閾值t1，t2，t3的比較結(jié)果；其中，小于t1為結(jié)果A，大于等于t1且小于t2為結(jié)果B，大于等于t2且小于t3為結(jié)果C，大于等于t3為結(jié)果D；

子步驟2，結(jié)合和的比較結(jié)果，并據(jù)此確定類型向量；

其中，當(dāng)組合結(jié)果為CA或AD或DA或DB時，所述類型為1；

當(dāng)組合結(jié)果為CD或CC或DC或DD，所述類型為2；

當(dāng)組合結(jié)果為AA或AB或BA或BB，所述類型為3；

當(dāng)組合結(jié)果為AC或CB或BC或BD，所述類型為4。

5.根據(jù)權(quán)利要求1所述的基于心電信號的氣質(zhì)類型分類方法，其特征在于，

在步驟6中，所述時域動態(tài)特征包括：

延遲時間T1、峰值時間T2、上升時間T3、調(diào)整時間T4、調(diào)整時間內(nèi)的振蕩次數(shù)C。

6.根據(jù)權(quán)利要求1所述的基于心電信號的氣質(zhì)類型分類方法，其特征在于，

在步驟7中，所述隨機(jī)森林多分類模型通過下述子步驟獲得：

子步驟a，通過量表自評的方式構(gòu)建氣質(zhì)類型數(shù)據(jù)庫，該數(shù)據(jù)庫中包括的數(shù)據(jù)信息有X_sp的時域動態(tài)特征和氣質(zhì)類型，

子步驟b；使用氣質(zhì)類型數(shù)據(jù)庫沖刷隨機(jī)森林多分類模型，其中以X_sp的時域動態(tài)特征為輸入，以氣質(zhì)類型為輸出；

在所述沖刷隨機(jī)森林多分類模型的過程中，當(dāng)Kappa系數(shù)達(dá)到0.6以上時沖刷停止。