《一種腦電與溫度相結合的抑鬱人群判定系統》是蘭州大學於2016年8月23日申請的發明專利，該專利的公告號為：CN106236027B，專利授權日：2017年11月3日，發明人：胡斌；趙慶林；彭宏；周昱；李志學；彭茹；馬永昊。
《一種腦電與溫度相結合的抑鬱人群判定系統》發明公開了一種腦電與溫度相結合的抑鬱人群判定系統，包括採集電極及信號處理系統，採集電極包括EEG採集電極和溫度採集電極，採集電極連線信號處理系統；信號處理系統包括溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元、數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元，溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、微控制器單元依次相連，靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元依次相連；微處理器單元連線數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元；通過採集的信號判別是否為抑鬱症患者。
2020年7月14日，《一種腦電與溫度相結合的抑鬱人群判定系統》獲得第二十一屆中國專利獎金獎。
（概述圖為《一種腦電與溫度相結合的抑鬱人群判定系統》摘要附圖）
基本介紹
- 中文名：一種腦電與溫度相結合的抑鬱人群判定系統
- 申請人：蘭州大學
- 專利代理機構：北京高航智慧財產權代理有限公司
- 代理人：趙永強
- 申請號：2016107094009
- 申請日：2016年8月23日
- 地 址：甘肅省蘭州市天水南路222號蘭州大學盤旋路校區
- 授權日：2017年11月3日
- 發明人：胡斌; 趙慶林; 彭宏; 周昱; 李志學; 彭茹; 馬永昊
- 類別 ：發明專利
- Int. Cl.：A61B5/01(2006.01)I; A61B5/0476(2006.01)I; A61B5/0478(2006.01)I
- 公告號：CN106236027B
專利背景,發明內容,專利目的,技術方案,附圖說明,技術領域,權利要求,實施方式,榮譽表彰,
專利背景
抑鬱症是一種常見的疾病。由於抑鬱症不僅對患者本人而且也對於她的配偶和親屬的生活行為表現和生活質量也產生破壞性的影響，因此，對於如何實現早期診斷並隨後進行早期治療很重要。藉助於詳細的對患者的問診來診斷抑鬱症，包括對患者的配偶和/或親屬的問診。為此使用標準評估量表（例如，Hamilton的抑鬱量表）缺少抑鬱症的客觀度量，也缺少抑鬱症復發的客觀度量。
生物電信號是最主要的人體心理參數之一，可廣泛套用於生物醫學研究、病人監護和臨床診斷等。多年來，腦電活動已廣泛套用於體育訓練、思維控制技術和個性化的醫療保健等領域。作為能最直接表征生物電信號的特徵之一，體表溫度易於測量。
《一種腦電與溫度相結合的抑鬱人群判定系統》通過對人體的腦電採集和溫度採集相結合，通過客觀的數據然後判斷此人是否為抑鬱症人群。
發明內容
專利目的
《一種腦電與溫度相結合的抑鬱人群判定系統》的目的在於提供一種腦電與溫度相結合的抑鬱人群判定系統，以解決上述背景技術中提出的問題。
技術方案
為實現上述目的，《一種腦電與溫度相結合的抑鬱人群判定系統》提供如下技術方案：一種腦電與溫度相結合的抑鬱人群判定系統，包括採集電極及信號處理系統，所述採集電極包括EEG採集電極和溫度採集電極，所述採集電極連線信號處理系統；所述信號處理系統包括溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元、數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元，所述溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、微控制器單元依次相連，所述靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元依次相連；所述微處理器單元連線數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元；所述電源管理單元包括穩壓供電單元、電池充電單元及電量檢測單元，所述顯示輸入單元包括按鍵輸入單元和狀態燈顯示單元；通過採集的信號判別是否為抑鬱症患者，步驟如下：
第一步：去噪
通過感測器採集的腦電信號中含有大量的噪聲，通過一種基於離散小波變換和自適應噪聲抵消的眼電偽跡自動去除模型來去除我們採集的腦電信號中的噪聲，噪聲去除步驟如下：
（1）套用多尺度離散小波變換對原始腦電信號進行小波分解，得到小波係數，選擇Daubechies4小波群作為小波分解的母小波函式，對原始信號進行多尺度分解，選擇的小波分解層數為7層；
（2）根據最小風險值準則，選擇軟閾值法對第一步中分解後的特定小波係數作閾值處理，對小波係數作閾值處理時，僅對小波分解後的最後三層小波係數進行處理，因為最後三層小波係數包含了原始記錄信號的低頻信息，也就基本包含了眼電信息，閾值處理後得到新的三層小波係數；
（3）通過小波重構對新的七層小波係數進行信號重構，這樣便從原始受污染腦電信號中提取到了眼電信號；
（4）將提取到的眼電信號作為濾波單元的參考輸入，原始受污染腦電信號作為濾波單元的原始輸入，這樣系統的輸出就得到了去除眼電噪聲後的乾淨腦電信號；
第二步：特徵提取
1、renyi熵
利用FIR濾波器濾出alpha波（8-13赫茲），對其進行特徵分析，renyi熵可以有效的評價抑鬱症患者的alpha波活動；
renyi熵的計算公式為：
圖2
其中N表示根據alpha波幅值大小劃分的子區間個數；Pi為第i個子區間在整個區間集中出現的機率，滿足
Pi=1；抑鬱症患者相對與正常人有較高的renyi熵；
2、功率譜
利用AR模型譜估計的Burg算法，估計腦電Alpha波的功率譜，並計算絕對功率和最大功率；
使用AR模型譜估計計算功率譜的公式如下：
圖3
其中Pxx表示平均功率，為方差，αk為AR模型的參數。
利用Burg算法求取AR模型的模型參數，具體過程是首先通過預測誤差格型濾波器，然後再求取向前和向後預測誤差的平均功率Pxx，計算合適的階數K值記為Kp，再計算模型參數和輸入噪聲誤差；
第三步：分類
利用K鄰近（KNN）分類算法分辨抑鬱症患者和正常人兩類人群，步驟如下：
（1）根據所設定的特徵renyi熵和功率譜來描述文本向量；
（2）接收新文本之後，確定其向量表示；
（3）在訓練集合中，定位新文本，找出與它鄰近的K個文本，公式如下：
圖4
其中W為特徵向量；Sim(di，dj)為相似度計算公式
（4）在選擇了與其鄰近的K個樣本後，然後再做出每一類的權重，公式如下：
圖5
其中x是特徵向量，屬於新文本；而是類別屬性函式，即如果屬於類Cj，
那么函式值為1，否則為0，即函式值為1時，則該樣本為抑鬱人群，函式值為0時，則該樣本為正常人群。
在判斷一個被試的抑鬱傾向之前，利用KNN分類器進行訓練，使KNN分類器的分類成功率達到較高水平，之後就可以對新採集的腦電樣本進行判斷，得出該樣本是否為抑鬱人群，抑鬱組的renyi熵要高於正常組，抑鬱組的絕對功率和最大功率高於正常組的絕對功率和最大功率；
溫度採集電極採集的溫度信號作為一個有效的輔助指標，對抑鬱症人群進行標記，抑鬱症患者前額葉的溫度相比正常人的前額葉溫度而言相對較低。
優選的，所述模數轉換器採用ADS1115。
《一種腦電與溫度相結合的抑鬱人群判定系統》的有益效果是：通過對人體腦電信號和溫度信號的採集，提供客觀的數據來判斷此人是否為抑鬱症人群。
附圖說明
《一種腦電與溫度相結合的抑鬱人群判定系統》結構示意圖
圖中：1、採集電極，2、信號處理系統，3、溫度信號放大單元，4、濾波單元，5、溫度信號A/D模數轉換單元、6、按鍵輸入單元，7、顯示輸入單元，8、狀態燈顯示單元，9、微處理器單元，10、藍牙傳輸單元，11、數據存儲單元，12、靜電防護單元，13、EEG信號放大單元，14、EEG信號A/D模數轉換單元，15、電源管理單元，16、穩壓供電單元，17、電池充電單元，18、電量監測單元
《一種腦電與溫度相結合的抑鬱人群判定系統》結構示意圖
技術領域
《一種腦電與溫度相結合的抑鬱人群判定系統》涉及腦電採集領域，具體為一種腦電與溫度相結合的抑鬱人群判定系統。
權利要求
1.《一種腦電與溫度相結合的抑鬱人群判定系統》，特徵在於：包括採集電極及信號處理系統；
所述採集電極包括EEG採集電極和溫度採集電極，所述採集電極連線信號處理系統；
所述信號處理系統包括溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元、數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元，所述溫度信號放大單元、濾波單元、溫度信號A/D模數轉換單元、微控制器單元依次相連，所述靜電防護單元、EEG信號放大單元、EEG信號A/D模數轉換單元、微處理器單元依次相連；所述微處理器單元連線數據存儲單元、藍牙傳輸單元、電源管理單元及顯示輸入單元；所述電源管理單元包括穩壓供電單元、電池充電單元及電量檢測單元，所述顯示輸入單元包括按鍵輸入單元和狀態燈顯示單元；所述信號處理系統進一步通過採集的信號判別是否為抑鬱症患者。
2.根據權利要求1所述的《一種腦電與溫度相結合的抑鬱人群判定系統》，其特徵在於：所述模數轉換器採用ADS1115。
實施方式
《一種腦電與溫度相結合的抑鬱人群判定系統》，實施操作中，信號處理系統進一步通過採集的信號判別是否為抑鬱症患者，處理步驟如下：
第一步：去噪
通過感測器採集的腦電信號中含有大量的噪聲，通過一種基於離散小波變換和自適應噪聲抵消的眼電偽跡自動去除模型來去除我們採集的腦電信號中的噪聲，噪聲去除步驟如下：
（1）套用多尺度離散小波變換對原始腦電信號進行小波分解，得到小波係數，選擇Daubechies4小波群作為小波分解的母小波函式，對原始信號進行多尺度分解，選擇的小波分解層數為7層；（2）根據最小風險值準則，選擇軟閾值法對第一步中分解後的特定小波係數作閾值處理，對小波係數作閾值處理時，僅對小波分解後的最後三層小波係數進行處理，因為最後三層小波係數包含了原始記錄信號的低頻信息，也就基本包含了眼電信息，閾值處理後得到新的三層小波係數；
（3）通過小波重構對新的七層小波係數進行信號重構，這樣便從原始受污染腦電信號中提取到了眼電信號；
（4）將提取到的眼電信號作為濾波單元的參考輸入，原始受污染腦電信號作為濾波單元的原始輸入，這樣系統的輸出就得到了去除眼電噪聲後的乾淨腦電信號；
第二步：特徵提取
1、renyi熵
利用FIR濾波器濾出alpha波（8-13赫茲），對其進行特徵分析，renyi熵可以有效的評價抑鬱症患者的alpha波活動；
renyi熵的計算公式（圖2）
其中N表示根據alpha波幅值大小劃分的子區間個數；Pi為第i個子區間在整個區間集中出現的機率，滿足抑鬱症患者相對與正常人有較高的renyi熵；
2、功率譜
利用AR模型譜估計的Burg算法，估計腦電Alpha波的功率譜，並計算絕對功率和最大功率；
使用AR模型譜估計計算功率譜的公式（圖3）：
其中Pxx表示平均功率，為方差，αk為AR模型的參數。
利用Burg算法求取AR模型的模型參數，具體過程是首先通過預測誤差格型濾波器，然後再求取向前和向後預測誤差的平均功率Pxx，計算合適的階數K值記為Kp，再計算模型參數和輸入噪聲誤差；
第三步：分類
利用K鄰近（KNN）分類算法分辨抑鬱症患者和正常人兩類人群，步驟如下：
（1）根據所設定的特徵renyi熵和功率譜來描述文本向量；
（2）接收新文本之後，確定其向量表示；
（3）在訓練集合中，定位新文本，找出與它鄰近的K個文本，公式（圖4）
其中W為特徵向量；Sim（di,dj）為相似度計算公式
（4）在選擇了與其鄰近的K個樣本後，然後再做出每一類的權重，公式（圖5）
其中x是特徵向量，屬於新文本；而是類別屬性函式，即如果屬於類Cj，那么函式值為1，否則為0，即函式值為1時，則該樣本為抑鬱人群，函式值為0時，則該樣本為正常人群；
其中，在判斷一個被試的抑鬱傾向之前，利用KNN分類器進行訓練，使KNN分類器的分類成功率達到較高水平，之後就可以對新採集的腦電樣本進行判斷，得出該樣本是否為抑鬱人群，抑鬱組的renyi熵要高於正常組，抑鬱組的絕對功率和最大功率高於正常組的絕對功率和最大功率；
溫度採集電極採集的溫度信號作為一個有效的輔助指標，對抑鬱症人群進行標記，抑鬱症患者前額葉的溫度相比正常人的前額葉溫度而言相對較低。
榮譽表彰
2020年7月14日，《一種腦電與溫度相結合的抑鬱人群判定系統》獲得第二十一屆中國專利獎金獎。
