一種基於睡眠腦電的抑鬱症風險篩查系統的製作方法

2024-04-02 07:15:05 1

本發明涉及抑鬱症風險篩查領域，更具體地說，涉及一種基於睡眠腦電的抑鬱症風險篩查系統。

背景技術：

目前基於腦電的鬱抑症風險篩查診斷主要依據的是睡眠分期技術。關於睡眠分期，曾有幾種劃分方法。目前廣泛應用的是 1968 年，Rechtschaffen和 Kales根據 EEG、EOG、EMG 信號在不同睡眠期的波形特徵，將成人睡眠分成六期：清醒期，非快速眼動期（進一步分為 1、2、3、4 期），和快速眼動期，即分期標準（如圖9）。計算睡眠潛伏期、睡眠總時間、覺醒指數、睡眠1期、睡眠2期、睡眠3期、睡眠4期、快速眼動百分比、快速眼動睡眠周期數、快速眼動睡眠潛伏期、快速眼動睡眠強度、快速眼動睡眠密度和快速眼動睡眠時間等特徵，將其帶入分類器中並進行抑鬱症風險判斷。

現有的篩查抑鬱症風險手段和採集方法存在著較多缺陷，其主要在於：

1.傳統的腦電圖技術大多應用在比較嚴格的環境中，如醫院的臨床治療或科研院所的實驗室，不方便個體用戶使用，且這些應用場景具有理想的實驗條件：一方面，這些環境都做過專門的物理隔離，有良好的電磁屏蔽和聲音屏蔽；另一方面，有專業的受過培訓的操作人員，即便是在這樣嚴格的限制下，腦電信號的測量也會受到一些因素的影響。

2.睡眠分期標準不一，睡眠分期的準確率不夠高，使抑鬱症風險篩查系統準確度較低。

3.信息量比較小，而且特徵並不十分明確，並不能得到相應的針對受試者的特徵信息給出合理化的抑鬱症風險結果。

技術實現要素：

1．要解決的技術問題

針對現有技術中存在的不方便個體用戶使用，幹擾因素幹擾檢測，檢測準確度低，腦電採集的信息量小問題，本發明的目的在於提供一種基於睡眠腦電的抑鬱症風險篩查系統，它可以實現方便個體用戶使用，降低各種噪聲之間的幹擾，提高了檢測準確度，採集的睡眠腦電的信息量大。

2.技術方案

一種基於睡眠腦電的抑鬱症風險篩查系統，包括普適化腦電數據採集系統、腦電信號預處理系統、篩查抑鬱症風險腦電系統、腦電顯示模塊和結果列印模塊，所述普適化腦電數據採集系統包括腦電極傳感器、前置放大器、50Hz陷波器和低通濾波器，所述腦電極傳感器、前置放大器、50Hz陷波器和低通濾波器依次相連，所述腦電信號預處理系統包括AD轉換器，腦電信號處理器和藍牙2.0射頻收發器，所述AD轉換器、腦電信號處理器、藍牙2.0射頻收發器依次相連，所述篩查抑鬱症風險腦電系統包括腦電顯示模塊一、管理模塊、腦電信號二次處理模塊、腦電顯示模塊二和腦電信號數據篩查系統，所述腦電顯示模塊一、管理模塊、腦電信號二次處理模塊、腦電顯示模塊二、腦電信號數據篩查系統依次相連，所述腦電信號數據篩查系統包括特徵提取模塊、特徵選擇模塊、分類模型模塊和抑鬱症風險篩查模塊，個體用戶能夠穿戴腦電傳感器，方便用戶的自測，腦電信號預處理系統能夠自動檢測腦電噪聲，去除眼電偽跡，降低各種噪聲之間的幹擾，直接處理腦電數據，跳過睡眠分期步驟，降低了在睡眠分期等步驟所產生的計算誤差，提高了抑鬱症風險評估的準確度，採集信息量大，腦電信號數據篩查系統充分地利用了睡眠腦電的數據信息進行特徵選取，選擇性強。

優選地，所述腦電信號預處理系統還包括阻抗檢測器和直流矯正器，使得直流電源達到預定的測試功能。

優選地，所述篩查抑鬱症風險腦電系統還包括數據採集建模系統、離線分析模塊和資料庫模塊，數據採集建模系統產生出合理的生理指標參數，離線分析模塊對預處理後得到的腦電信號進行二次處理，資料庫模塊用於存儲被已標籤的人群基本信息和最近一次受訓時的腦電數據。

優選地，所述腦電信號預處理系統採用AR模型和自適應預測器模型方法，通過AR模型方法來自動檢測腦電噪聲，通過自適應預測器模型來去除眼電偽跡。

優選地，所述數據採集建模系統通過普適化腦電採集系統分別對已標籤的健康人群和已標籤的抑鬱症人群進行腦電數據採集，便於採集合理的生理指標參數。

優選地，所述腦電極傳感器包括Fp1電極傳感器、FpZ電極傳感器、Fp2電極傳感器和參考電極，所述參考電極的兩級分別連接在普適化腦電採集設備的 BIAS 口和 COM 口上，腦電極傳感器放置於 Fp1，FpZ 和 Fp2 位於前額的位置，不受頭髮的幹擾，便於穿戴。

優選地，所述Fp1電極傳感器、FpZ電極傳感器和Fp2電極傳感器的電極頭均採用醫用貼式溼電極頭，醫用貼式溼電極頭避免了電極接觸阻抗的幹擾。

優選地，所述特徵提取模塊採用非線性動力學理論，所述特徵選擇模塊和分類模型模塊均採用支持向量機，非線性動力學理論對腦電信號進行分析，提取出腦電信號的非線性特徵，支持向量機對腦電數據特徵進行選擇和分類。

3.有益效果

相比於現有技術，本發明的優點在於：

（1）本方案個體用戶能夠穿戴腦電傳感器，方便用戶的自測，腦電信號預處理系統能夠自動檢測腦電噪聲，去除眼電偽跡，降低各種噪聲之間的幹擾，直接處理腦電數據，跳過睡眠分期步驟，降低了在睡眠分期等步驟所產生的計算誤差，提高了抑鬱症風險評估的準確度，採集信息量大，腦電信號數據篩查系統充分地利用了睡眠腦電的數據信息進行特徵選取，選擇性強。

（2）通過阻抗檢測器和直流矯正器使得直流電源達到預定的測試功能。

（3）數據採集建模系統產生出合理的生理指標參數，離線分析模塊對預處理後得到的腦電信號進行二次處理，資料庫模塊用於存儲被已標籤的人群基本信息和最近一次受訓時的腦電數據。

（4）通過AR模型方法來自動檢測腦電噪聲，通過自適應預測器模型來去除眼電偽跡。

（5）通過普適化腦電採集系統分別對已標籤的健康人群和已標籤的抑鬱症人群進行腦電數據採集，便於採集合理的生理指標參數。

（6）腦電極傳感器放置於 Fp1，FpZ 和 Fp2 位於前額的位置，不受頭髮的幹擾，便於穿戴。

（7）醫用貼式溼電極頭避免了電極接觸阻抗的幹擾。

（8）非線性動力學理論對腦電信號進行分析，提取出腦電信號的非線性特徵，支持向量機對腦電數據特徵進行選擇和分類。

附圖說明

圖1為整體篩查系統方框圖；

圖2為本發明的普適化腦電採集系統方框圖；

圖3為本發明的自適應預測期去除眼電偽跡模型方框圖；

圖4為本發明的篩查抑鬱症風險腦電系統方框圖；

圖5為本發明的腦電信號數據篩查系統方框圖；

圖6為本發明的數據採集建模系統方框圖；

圖7為本發明的普適化腦電採集設備結構示意圖；

圖8為人腦系統電極位置圖；

圖9為睡眠分期結構圖。

圖中標號說明：

1.普適化腦電採集設備、2.FpZ電極傳感器、3.Fp2電極傳感器、4.參考電極、5.Fp1電極傳感器。

具體實施方式

下面將結合本發明實施例中的附圖；對本發明實施例中的技術方案進行清楚、完整地描述；顯然；所描述的實施例僅僅是本發明一部分實施例；而不是全部的實施例。基於本發明中的實施例；本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例；都屬於本發明保護的範圍。

實施例1：

請參閱圖1-9，一種基於睡眠腦電的抑鬱症風險篩查系統，包括普適化腦電數據採集系統、腦電信號預處理系統、篩查抑鬱症風險腦電系統、腦電顯示模塊和結果列印模塊，所述普適化腦電數據採集系統包括腦電極傳感器、前置放大器、50Hz陷波器和低通濾波器，所述腦電極傳感器、前置放大器、50Hz陷波器和低通濾波器依次相連，腦電信號通過腦電極傳感器提取進來後，通過腦電前置放大器對微弱的腦電信號進行放大，50Hz陷波器和低通濾波器對原始腦電信號進行工頻濾波處理，放大的信號通過16位A/D轉換成數位訊號，送入硬體實時腦電信號預處理模塊，所述腦電極傳感器包括Fp1電極傳感器5、FpZ電極傳感器2、Fp2電極傳感器3和參考電極4，所述參考電極的兩級分別連接在普適化腦電採集設備1的 BIAS 口和 COM 口上，電極的位置的放置選擇的人腦系統電極的電極分別是：左右前額點Fp1、Fp2及前額中心點FpZ，腦電極傳感器放置於 Fp1，FpZ 和 Fp2 位於前額的位置，不受頭髮的幹擾，便於穿戴，所述Fp1電極傳感器、FpZ電極傳感器和Fp2電極傳感器的電極頭均採用醫用貼式溼電極頭，醫用貼式溼電極頭避免了電極接觸阻抗的幹擾，個體用戶能夠穿戴腦電傳感器，方便用戶的自測。

所述腦電信號預處理系統包括AD轉換器，腦電信號處理器和藍牙2.0射頻收發器，所述AD轉換器、腦電信號處理器、藍牙2.0射頻收發器依次相連，所述腦電信號預處理系統還包括阻抗檢測器和直流矯正器，使得直流電源達到預定的測試功能，所述腦電信號預處理系統採用AR模型和自適應預測器模型方法，通過AR模型方法來自動檢測腦電噪聲，將檢測到的腦電噪聲通過濾波器初始化後送到自適應預測器，同時自適應預測器接收來自眼電區域的腦電信號，自適應預測器同時對腦電噪聲和眼電區域腦電信號進行處理，通過自適應預測器模型來去除眼電偽跡和去除腦電噪聲，腦電信號預處理系統能夠自動檢測腦電噪聲，去除眼電偽跡，降低各種噪聲之間的幹擾，腦電信號預處理系統直接處理腦電數據，跳過睡眠分期步驟，降低了在睡眠分期等步驟所產生的計算誤差，提高了抑鬱症風險評估的準確度。

所述篩查抑鬱症風險腦電系統包括腦電顯示模塊一、管理模塊、腦電信號二次處理模塊、腦電顯示模塊二和腦電信號數據篩查系統，所述腦電顯示模塊一、管理模塊、腦電信號二次處理模塊、腦電顯示模塊二、腦電信號數據篩查系統依次相連，腦電信號二次處理模塊通過對預處理後得到的腦電信號進行二次處理，以得到腦電功率譜陣列圖和腦電θ、α、β等指標直方圖的實時動態顯示，實現腦電指標實時監護，醫生通過該功能實時觀察病人腦電信息各項指標變化，直觀、準確地掌握病人腦功能狀態，用以監測反饋治療的效果，所述腦電信號數據篩查系統包括特徵提取模塊、特徵選擇模塊、分類模型模塊和抑鬱症風險篩查模塊，所述特徵提取模塊採用非線性動力學理論，所述特徵選擇模塊和分類模型模塊均採用支持向量機，非線性動力學理論對腦電信號進行分析，提取出腦電信號的非線性特徵，支持向量機對腦電數據特徵進行選擇和分類，採集信息量大，腦電信號數據篩查系統充分地利用了睡眠腦電的數據信息進行特徵選取，選擇性強。

所述篩查抑鬱症風險腦電系統還包括數據採集建模系統、離線分析模塊和資料庫模塊，管理模塊對篩查進程和受試者信息進行管理，包括受試者信息的創建、查詢、修改、刪除，以及診斷篩查方案的選擇，設置篩查抑鬱症方案所要求的指標和形式以及資料的存儲，資料庫模塊儲存篩查方案、被試者的基本信息和系統的篩查過程及結果，以供管理系統進行查詢及管理，數據採集建模系統產生出合理的生理指標參數，離線分析模塊對預處理後得到的腦電信號進行二次處理，資料庫模塊用於存儲被已標籤的人群基本信息和最近一次受訓時的腦電數據，所述數據採集建模系統通過普適化腦電採集系統、腦電數據預處理系統、腦電數據二次處理系統、特徵提取模塊、特徵選擇模塊和分類模型模塊分別對已標籤的健康人群和已標籤的抑鬱症人群進行腦電數據採集，便於採集合理的生理指標參數，全新的數據模型，根據不同病症在系統中進行分類，其數據結構簡單、清晰，有很好的數據獨立性、安全保密性，用戶易懂易用，可以與已有數據進行交叉對比，提高篩查診斷的準確性與針對性，腦電顯示模塊是做出接受反饋訓練的受試著者的動態腦電圖，是將受試者的腦電信號波形動態實時地顯示在顯示器上，實現了腦電圖動態無筆描記。

工作原理：受試者先註冊自己的信息，其中包括受試者的編號、姓名、性別、年齡等信息，將腦電極傳感器放置於 Fp1，FpZ 和 Fp2 位於前額的位置，使受試者在一個相對安靜的環境裡逐漸進入睡眠狀態，打開實時腦電記錄，患者的腦電信號通過腦電極傳感器提取進來，通過前置放大器對微弱的腦電信號進行放大，同時對原始腦電信號進行工頻濾波處理，放大的信號通過16位A/D轉換器轉換成數位訊號，通過調用腦電信號預處理系統對腦電信號進行預處理以減少偽差的幹擾，保證反饋治療時的正確性，然後通過藍牙2.0傳輸到計算機，然後實時顯示在屏幕上。醫生調用腦電分析中相應的信號處理程序對採集的信號進行二次處理，採用非線性動力學理論對腦電信號進行分析，提取出腦電信號的非線性特徵，得到反饋信息的特徵值，將信息的特徵值帶入支持向量機，進行風險篩查，最終輸出結果，在系統訓練的過程中，系統會自動把患者的腦電信號儲存下來，醫生可以在受試者做完訓練後以後，回放該腦電信號並進行分析、列印，用以監控病人的治療過程。

以上所述；僅為本發明較佳的具體實施方式；但本發明的保護範圍並不局限於此；任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內；根據本發明的技術方案及其改進構思加以等同替換或改變；都應涵蓋在本發明的保護範圍內。