基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法与流程

本发明涉及计算机辅助医疗诊断技术领域，特别是涉及一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法。

背景技术：

1.脑电信号采集相关的技术背景信息

脑电信号采集自人体头部的表皮，与脑区活动、情感状态有着密切关系。现有的研究表明，脑电信号可以实时反映人类的情感变化。脑电信号的研究可应用于了解脑活动机制、人的认知过程和诊断脑疾患等方面，以及近年来备受关注的脑机接口领域。

脑电信号是由脑神经活动产生且始终存在于中枢神经系统的自发性电位活动，是一种重要的生物电信号。静息态脑电信号多用于研究心理疾病患者与健康人群的对比分析，诱发脑电多用于研究患者的认知功能的变化。脑电信号具有如下的特点：它是由脑神经活动产生且始终存在于中枢神经系统的自发性电位；脑电信号非常微弱；抗干扰性能弱、鲁棒性差；它是随机信号，具有非平稳和非高斯非线性的特点；能够反映神经系统的状态和变化。因此，采集脑电信号，通过分析可以监测人的生理和心理状态，从而可以对抑郁症风险患者进行筛查。

非介入式脑电采集技术比较复杂，采集到的信号过于微弱，很容易受噪声的干扰，因此只有采集到信噪比足够高的脑电信号，并对信号进行精准的放大，滤波等去噪处理，同时进行正确的信号提取和分析，才能得到准确的病理分析结果，使得脑电更有效的反映人体的生理和心理状态。国际上按脑电信号重复节律不同进行分类，统一为以下四个频段：

δ波：1--3Hz，幅度在20μV-200μV主要反应人在深度睡眠的状态或者有严重器质性脑疾病患。

θ波：4--7Hz，幅度在100μV－150μV，主要反映人处于睡眠初期、冥想状态、困倦时、感情压抑时。

α波：8--13Hz，幅度在20μV－100μV，主要反映人处于清醒、安静并闭眼状态。

β波：14--30Hz，幅度在5μV－20μV，主要反映人处于精神紧张、情绪激动或亢奋以及思维活跃、注意力集中时的状态。

脑电活性的测量历来需要复杂和昂贵的设备，并且需要受过专业训练的员工操作，脑电信号的采集方式又可分为有创、无创两种。有创采集方式需要进行开颅手术，因而会对大脑带来一定的损伤；无创的采集方式则不需要手术，对人脑没有损害。EEG信号的微弱性、易受干扰特性要求医院采集EEG信号必须在屏蔽的环境下进行。而随着脑电测量在人机交互脑电控制、个性化的医疗保健等领域的广泛应用，便携式脑电采集生物传感器成为必然，因此，便携式脑电生物传感器应达到高效与便携性，易用性，并适合于复杂的环境。

2.虚拟现实相关的技术背景信息

虚拟现实(Virtual Reality,简称VR)，于1989年由美国Jarn Lanier正式提出，又称为虚拟实在、虚拟实镜、灵境、临镜。它是指综合利用计算机系统和各种显示及控制等接口设备，在计算机上生成的可交互的三维环境中提供沉浸感觉的技术。其中，计算机生成的可交互三维环境称为虚拟环境。

虚拟现实的特征三角形，即VR技术的“3I”性，沉浸性(Immersion)、交互性(Interaction)、构想性(Imagination)。

a.沉浸性是虚拟现实技术的主要特征。

b.交互性是指用户与虚拟场景中各种对象相互作用的能力。

c.构想性是指通过用户沉浸在“真实的”虚拟环境中，与虚拟环境进行各种交互作用，从定性和定量综合集成的环境中得到感性和理性认识，产生认识上的飞跃。

虚拟现实的应用领域设计工程设计、计算机、医疗、艺术创作、游戏、娱乐等方面。它是一项发展中、具有深远的潜在应用方向的新技术。它由虚拟现实系统结构和特征可知实现虚拟现实的关键技术主要有动态环境建模技术、实时三维图像生成技术、立体显示和传感器技术。虚拟现实技术应用动态环境建模技术获取实际环境的三维数据，根据需要，利用获取的三维数据建立相应的虚拟环境模型。

3.数据建模及数据分析相关背景技术信息

脑电研究与应用中，最首要的工作就是去除噪声干扰，从而得到干净的脑电信号，这是脑电分析的基础。环境以及其他工频干扰在频域上与脑电无重叠现象，眼电信号则和脑电有频段上的重叠。最早的噪声去除方法是实验控制法，这种方法主要基于实验过程中对被试者行为的要求。但由于被试不可避免的无意识运动反应，必然产生生物伪迹；技术上来说最简单的去噪方法是直接手动剔除数据，这回造成数据样本的连贯性被破坏，信息丢失。

当前，已有一些改进算法能够实现噪声干扰的有效消除，比较典型的有回归算法、小波变换、独立主成分分析、神经网络、数字滤波器、自适应滤波器等。但在本发明中用的是小波分析及改进的自适应动态AR模型参数进行去噪、滤波，其具有：参数可自动调节、学习并跟踪时变输入信号特征、算法简单实用；在对去噪后的脑电信号进行特征提取时，考虑到大脑具有非平稳性和随机性，具有非线性动力学系统的特点，基于非线性动力学理论对脑电信号进行分析，提取出脑电信号的非线性特征；在特征提取以后，通过关联规则的特征选择算法(CFS)和K最邻近算法(KNN)的结合方法对数据进行特征选择和特征分类。

4.抑郁症风险筛查诊断的现有技术及缺点

抑郁症的诊断尚处于症状推断阶段，并无客观的理化检查诊断指标。现有的筛查抑郁症风险手段和采集方法存在着较多缺陷，其主要在于：

(1)抑郁症筛查方案少、手段单一：用于抑郁症筛查手段多是依据患者体内激素水平和各种生化指标作为筛查参考指标，市面上缺乏抑郁症筛查的普式化手段与相应方案，缺乏生物电信号的指标参数，使得筛查抑郁症的方法具有一定的局限性；

(2)脑电信号采集设备不具有普式性：医用脑电信号采集仪，设备复杂，成本高，需要专人负责采集；便携式脑电采集仪，脑电采集电极的个数、位置不确定，脑电采集电极和传输数据的方式，以及成本和应用领域都不同，最主要就是功耗比较大，不能连续使用，A/D转换位数低；

(3)传统刺激方案不具有良好的实施性：传统刺激方式多以图片、音乐、2D视频为主，不能很好的引起受试者的注意。系统体验不佳，沉浸性不足，与患者互动性不足，不能很好引导患者使用，易受环境影响，影响筛查效果，造成患者中途退出率高；

(4)数据建模与分析缺乏相对可靠性：建模数据少，所含信息量小，使数据模型不具有良好的平衡性和有效性。脑电提取算法不佳，无法获得纯净的生理脑电信号。单一的数据分析方法，使得特征提取和选择的结果缺乏代表性和精确性。这些缺点致使不能针对受试者的特征信息给出合理化的抑郁症风险结果。

目前还未见在虚拟现实场景刺激下基于普式化脑电信号的抑郁症筛查系统的相关报道。

技术实现要素：

本发明提供一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法，以医学界已有的心理学、生理学的内容为基础，在虚拟现实场景的三维视听刺激下，通过普适化脑电采集系统，对脑电信号进行数据的实时采集、处理、分析，最后通过数据挖掘的方法对抑郁症风险进行筛查。

本发明的技术方案是：

1.一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统，其特征在于，包括虚拟现实诱发系统、脑电信号采集系统、数据分析系统；所述虚拟现实诱发系统用于建立不同的虚拟现实场景，所述脑电信号采集系统用于采集人脑在虚拟现实场景刺激下发生连续变化的脑电信号，输出处理后的脑电信号及提取的实时特征信息；所述数据分析系统具有由已贴标签的健康人群和抑郁症风险人群所训练出来的分类判别模型，用于对虚拟现实场景所激发的被式者脑电信号的特征信息进行特征分类，并将抑郁症筛查中所要求的特征信息与预先训练好的分类判别模型特征参数进行比较，区分判别健康人群和抑郁症风险人群，为抑郁症风险筛查提供客观依据。

2.所述脑电信号采集系统包括脑电信号提取模块、实时脑电信号处理模块；所述脑电信号提取模块用于脑电信号的提取、放大和滤波处理，并将处理后的信号经A/D转换成数字信号送入实时脑电信号处理模块；所述实时脑电信号处理模块用于对A/D转换的数字信号进行预处理，进一步消除干扰和生理伪差带来的噪声。

3.所述虚拟现实诱发系统包括依次连接的初始化模块、虚拟现实场景刺激模块、获取输入信息和逻辑处理模块、渲染帧图模块、同步显示模块；所述初始化模块用于对Unity3D，声音处理，输入设备的初始化；所述虚拟现实场景刺激模块用于响应系统消息，并对视听信息的模型进行渲染；所述获取输入信息和逻辑处理模块用于依据设定的脑电指标判断是否达到消息，在消息处理模式中控制虚拟现实场景刺激，同时对获得的消息进行计数，判断是否切换虚拟现实场景刺激方案；所述渲染帧图模块用于对视听信息情绪诱发刺激中出现的各种模型进行渲染；所述同步显示模块用于将要显示的物体按一定的逻辑绘制在不可见的后备缓冲区上，再翻转到可见的前缓冲区上，显示出连续画面的图像。

4.所述数据分析系统包括采集模块、离线分析模块、脑电信号二次处理模块、数据分析模块、通讯逻辑模块；所述采集模块采集由通讯逻辑模块传输上来的经过预处理的脑电信号以及实时特征信息包；所述离线分析模块对采集模块的脑电信号存储到本地硬盘，可在有需求时送入脑电信号二次处理模块进行时频域的特征分析，具备随时重演分析功能，快速寻找指定数据；采集模块的数据也可以直接送入脑电信号二次处理模块，对实时脑电处理模块的数据进行进一步的处理，消除传输过程中的信号失真；所述数据分析模块，采用小波包分析的方法消除干扰和生理伪差并采用非线性动力学理论对去噪后的脑电信号进行特征提取，最后通过CFS+KNN的算法进行特征选择和分类。

5.所述数据分析系统还包括管理模块、数据库支持模块、显示模块；所述管理模块用于对筛查进程和受试者信息进行管理，包括受试者信息的创建、查询、修改、删除，以及诊断筛查方案的选择，设置筛查抑郁症方案所要求的指标和形式以及资料的存储，实时更新并修改通讯逻辑模块和数据库模块的内容；所述数据库支持模块用于存储筛查方案、被试者的信息及其筛查诊断抑郁症的过程；所述显示模块用于实时显示被试者的动态脑电图及其变化情况。

6.一种基于虚拟现实场景脑电信号的抑郁症风险筛查方法，其特征在于，包括以下步骤：

1)启动虚拟现实诱发系统，建立虚拟现实刺激场景；

2)启动脑电信号采集系统，分别采集人脑在未有任何刺激的平静期、在虚拟现实场景刺激下以及在情绪恢复期发生的连续变化的脑电信号；

3)对获取的脑电信号进行处理分析，将提取出的抑郁症筛查中所要求的特征信息与预先训练好的分类判别模型特征参数进行比较，区分判别健康人群和抑郁症风险人群，为抑郁症风险筛查提供客观依据。

7.所述步骤1)中，包括虚拟现实场景开发的步骤：进入视听信息情绪诱发系统以后，首先在初始化模块中对Unity3D，声音处理，输入设备进行初始化，然后进入虚拟现实场景刺激模块，进行视听信息情绪诱发刺激，在获取输入信息和逻辑处理模块中控制虚拟现实场景刺激，同时对获得的消息进行计数，判断是否结束虚拟现实场景刺激，进入渲染帧图模块和同步显示模块进行下一帧图像渲染并实时同步显示，视听信息诱发刺激完毕以后，退出程序。

8.所述步骤2)中，采集的脑电信号为被试者脑电的α波、β波、δ波、θ波信号，原始数据各波段混叠在一起的脑电信号是由脑电信号采集系统的三个电极采集得到；所述电极被放置于Fp1，FpZ和Fp2位于前额的位置。

9.所述步骤3)中，包括脑电信号预处理的步骤：首先应用离散小波变换对采集到的脑电信号进行小波分解,得到小波系数；对低频段的小波系数做特定的阈值处理,然后对处理之后的小波系数进行小波重构,从而提取出眼电参考信号；最后,将提取到的眼电参考信号作为自适应滤波器的参考输入,将未处理的脑电信号作为自适应滤波器的原始输入,这样系统的输出就得到了去除眼电噪声后的干净的脑电信号。

10.所述步骤3)中，包括分类判别模型建模的步骤：首先通过虚拟现实场景对已贴标签的健康人群和抑郁症风险人群进行情绪诱发刺激，然后采集脑电信号，对采集到的原始脑电信号通过小波包分析进行信号预处理，然后通过非线性动力学理论对去噪后的脑电信号进行特征提取，最后通过CFS+KNN的混合算法进行特征选择和特征分类，从而得到分类判别器模型。

11.所述步骤3)中，包括抑郁症风险分析判别过程的步骤：通过虚拟现实场景对未知个体受试者进行情绪诱发刺激，采集该个体受试者的脑电信号并通过信号去噪等预处理模块以后通过非线性动力学理论对去噪后的脑电信号进行特征提取，将提取出来的特征参量送入分类判别模型从而得出抑郁症风险筛查结果。

本发明的技术效果：

本发明提供的一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法。以医学界已有的心理学、生理学的内容为基础，使用脑电信号作为生物信息的筛查抑郁症风险信号，发挥虚拟现实的浸沉感强、交互性强、构想性强的优势，在虚拟现实场景的三维视听刺激下，使被试者浸沉在虚拟环境中，通过普适化脑电采集系统，检测被试者脑电的α波、β波、δ波、θ波信号和高频β波能量百分比的特征进行分析诊断，对脑电信号进行数据的实时采集、处理、分析，最后通过数据挖掘的方法，为抑郁症的诊断进行客观的评价和界定，实现为抑郁症风险进行筛查提供客观依据的目的。提高了抑郁病症风险筛查的效率和可靠性。可筛查症状广泛，能及时地处理、存贮并传输数据，使用方便。整个系统无创，无副作用，无依赖性，并且成本低廉，易推广。

1.普适化脑电采集系统优点如下：

(1)具有更高的灵活性：系统采集多个头皮电极得到的多导脑电信号提取筛查信息，其对应的电极片可以根据不同的需要放置不同的位置，提取与筛查抑郁症相关性最大的脑电信号；使用普式化脑电采集系统准确的采集脑电信号，处理并提取出纯净的脑电信号，对信号特征处理，对比数据库分析之后，得到准确的压力级别。

(2)具有更好的便捷性：采用硬件实现实时脑电信号的预处理和特征提取，大大提高运算速度，实时运算系统，能直观看到被试当前状态。从而更好的保证筛查信息的便捷性。

2.虚拟现实场景刺激的优点如下：

虚拟现实场景刺激作为诱发刺激手段，使刺激更加有个性化和真实感。用户完全沉浸于计算机生成的虚拟环境中，用户在计算机所创建的三维虚拟环境中处于一种身临其境的感觉。真实感非常强的虚拟现实场景，配以适当的背景音乐，用户可以通过多种传感器与多维化信息的环境发生交互作用。该场景从患者的角度出发，依托设计心理学，在内容和形式上的设计都充分考虑患者的疾病类型，年龄，性别，性格，使被试者能够更有更为真实的沉浸感和良好的带入感，其中穿插特殊的音效作用，更为有效真实的诱发刺激被试者的情绪状态，力求更为精准的对被试进行抑郁症风险性的筛查。

3.本发明采用最新的数据模型和可靠的数据分析方法优点如下：

(1)数据模型的体系更加健全：该数据模型是以最新的“973”实验数据分析的数据模型作为基础指标参量，丰富的数据库资源，其数据结构简单、清晰，有很好的数据独立性、安全保密性，用户易懂易用，可以与已有数据进行交叉对比，庞大的实验数据体系的到的数据模型具有精度高、数据模型的不平衡性低等特点，提高筛查诊断的准确性与针对性。

(2)数据分析方法更加精确，更加有效：在噪声去除上，工频干扰采用陷波器完成，眼电噪声的去除基于离散小波变换及改进的自适应动态AR模型参数进行去噪、滤除，其具有：参数可自动调节、学习并跟踪时变输入信号特征、算法简单实用；使用非线性动力学理论提取脑电信号的非线性特征，可以更快速更精准的得到有用的特征值；通过关联规则的特征选择算法(CFS)和K最邻近算法(KNN)的结合方法对数据进行特征选择和特征分类，此种方法增加了分类器模型的有效性和精确性。从而得到更精准的模型便于筛查抑郁症时的对比分析。

本发明的系统采用友好简单的人机界面，具有很便捷很灵活的普式化性能，使用简单，同时界面友好，易于医生和患者接受。系统不要求使用者具有编程经验，不提供复杂的操作环境。

附图说明

图1是本发明的系统组成结构示意图。

图2是数据分析系统组成结构示意图。

图3是本发明的方法流程示意图。

图4是虚拟现实场景开发流程图。

图5是脑电信号预处理流程图。

图6是分类判别模型建模过程流程图。

图7是抑郁症风险分析判别过程流程图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细说明。

如图1所示，是本发明的系统组成结构示意图。

一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统，包括虚拟现实诱发系统、脑电信号采集系统、数据分析系统；所述虚拟现实诱发系统用于建立不同的虚拟现实场景，所述脑电信号采集系统用于采集人脑在虚拟现实场景刺激下发生连续变化的脑电信号，输出处理后的脑电信号及提取的实时特征信息；所述数据分析系统具有由已贴标签的健康人群和抑郁症风险人群所训练出来的分类判别模型，用于对虚拟现实场景所激发的被式者脑电信号的特征信息进行特征分类，并将抑郁症筛查中所要求的特征信息与预先训练好的分类判别模型特征参数进行比较，区分判别健康人群和抑郁症风险人群，为抑郁症风险筛查提供客观依据。

1.本发明采用最新设计的普适化脑电采集系统。采用普适化多导脑电采集系统(关联专利：专利号：CN201520628152.6)采集脑电信号。多导脑电传感器有多个头皮电极，用于脑电信号采集，采样频率是256Hz，并将采集的脑电信号送入脑电信号提取模块；脑电信号提取模块，用于脑电信号的提取、放大和滤波处理，放大的信号通过16位A/D转换成数字信号后送入硬件实时脑电信号处理模块；脑电信号处理模块，用于对A/D转换的数字信号进行预处理，采用小波包分解、小波阈值的方法进一步消除干扰和生理伪差，并利用非线性动力学理论对信号进行实时的特征信息提取，并将处理后的脑电信号以及实时特征信息输出。

本发明实施例的脑电信号采集系统包括脑电信号提取模块、实时脑电信号处理模块；所述脑电信号提取模块用于脑电信号的提取、放大和滤波处理，并将处理后的信号经A/D转换成数字信号送入实时脑电信号处理模块；所述实时脑电信号处理模块用于对A/D转换的数字信号进行预处理，进一步消除干扰和生理伪差带来的噪声。

2.本发明采用虚拟现实技术，虚拟现实技术应用动态环境建模技术获取实际环境的三维数据，根据需要，利用获取的三维数据建立相应的虚拟环境模型：实现了全新的互动手段及互动场景设计，这使得被试患者不是被动的感受而是积极主动的走进场景方案中完成情绪诱发刺激；提高了整个系统的沉浸感，这使得人能够完全沉浸在虚拟环境中，具有和真实环境中一样的感觉，增加了情绪诱发刺激的带入感，降低患者中途退出率。虚拟现实技术能够充分的引起患者注意并能最大化的诱发患者内心的情绪状态，最大限度的减少了环境的干扰，完善的引导系统更便于被试积极使用系统，使得实现更好的诊断效果成为可能。通过佩戴虚拟现实眼镜，达到视觉场景与音频双重刺激。

本发明实施例的虚拟现实诱发系统包括依次连接的初始化模块、虚拟现实场景刺激模块、获取输入信息和逻辑处理模块、渲染帧图模块、同步显示模块；所述初始化模块用于对Unity3D，声音处理，输入设备等的初始化，进行一些内存分配、资源采集、从磁盘载入数据等；所述虚拟现实场景刺激模块用于响应系统消息，并对视听信息的模型进行渲染；所述获取输入信息和逻辑处理模块用于依抑郁症风险筛查方案中设定的脑电指标判断是否达到消息，若达到指标则获取消息，在消息处理模式中控制虚拟现实场景刺激，同时对获得的消息进行计数，判断是否切换虚拟现实场景刺激方案；渲染帧图模块用于对视听信息情绪诱发刺激中出现的各种模型进行渲染；同步显示模块用于清除不可见的后备缓冲区，再将要显示的物体按一定的逻辑绘制在这块内存区上，绘制完后，将其翻转到可见的前缓冲区上，按照60帧/秒的画面刷新率显示出连续画面的图像。

3.本发明采用全新的数据模型及数据分析系统。采集模块，采集由USB传输上来的经过预处理的脑电信号以及实时特征信息包；离线分析模块，对采集模块的脑电信号存储到本地硬盘，可在以后有需求时送入脑电信号二次处理模块进行时频域的特征分析，具备随时重演分析功能，快速寻找指定数据；采集模块的数据也可以直接送入脑电信号二次处理模块，对硬件实时脑电处理模块的数据进行进一步的处理，消除传输过程中的信号失真；数据分析模块，采用小波包分析的方法消除干扰和生理伪差并采用非线性动力学理论对去噪后的脑电信号进行特征提取，最后通过CFS+KNN的算法得到分类器的模型，从而得到更加精确的筛查抑郁症风险信息。管理模块，对筛查进程和受试者信息进行管理，包括被试者信息的创建、查询、修改、删除，以及诊断筛查方案的选择，设置筛查抑郁症方案所要求的指标和形式以及资料的存储，管理模块课一实时更新修改通讯逻辑模块和数据库模块的内容；数据库，存储筛查方案、被试者的信息及其筛查诊断抑郁症的过程；显示模块，实时显示被试者的动态脑电图及其变化情况；管理模块分别与通讯逻辑模块、离线分析模块、采集模块、抑郁症风险筛查数据分析模块、数据库、显示模块直接连接。系统的各模块之间相辅相成，相互支撑，使得最后的结果才具有更高性能的可靠性和精确有效性。

如图2所示，是数据分析系统组成结构示意图。本发明实施例的数据分析系统包括采集模块、离线分析模块、脑电信号二次处理模块、数据分析模块、通讯逻辑模块；所述采集模块采集由通讯逻辑模块传输上来的经过预处理的脑电信号以及实时特征信息包，所述离线模块对采集模块的脑电信号存储到本地硬盘，可在以后有需求时送入脑电信号二次处理模块进行时频域的特征分析，具备随时重演分析功能，快速寻找指定数据；采集模块的数据也可以直接送入脑电信号二次处理模块，对实时脑电处理模块的数据进行进一步的处理，消除传输过程中的信号失真；通过对预处理后得到的脑电信号进行更为精细的处理，以得到脑电功率谱阵列图和脑电θ、α、β等指标直方图的实时动态显示，实现脑电指标实时监护，医生通过该功能实时观察病人脑电信息各项指标变化，直观、准确地掌握病人脑功能状态，用以监测筛查的过程。直观的反映出被使者的信息，更有助于医生给出客观的诊断结果。所述数据分析模块，采用小波包分析的方法消除干扰和生理伪差并采用非线性动力学理论对去噪后的脑电信号进行特征提取，最后通过CFS+KNN的算法进行特征选择和分类。

数据分析系统还包括管理模块、数据库支持模块、显示模块；管理模块用于对筛查进程和受试者信息进行管理，包括受试者信息的创建、查询、修改、删除，以及诊断筛查方案的选择，设置筛查抑郁症方案所要求的指标和形式以及资料的存储，实时更新修改通讯逻辑模块与数据库模块的内容。数据库支持模块用于存储筛查方案、被试者的信息及其筛查诊断抑郁症的过程；本系统的所有数据都是由数据库支持系统的(DBSS)进行存储的，数据存储主要分两类，第一类是患者的基本信息，包括：患者的编号、姓名、性别、年龄、诊断方案、接受筛查抑郁症风险的次数、联系地址等，第二类是患者在最近一次诊断记录的脑电数据；除了接受筛查的方案和筛查的次数发生改变外，第一类数据基本不变。第二类数据会经常发生变化，可存储每一次筛查的脑电信号数据；另外，本系统也可将数据存储为XML格式的文件，以用于以后的网上传输和远程调用。显示模块用于实时显示被试者的动态脑电图及其变化情况，做出未接受刺激-----接受情绪刺激-----结束刺激的患者的动态脑电图的变化图，将接受虚拟现实刺激下的脑电信号波形动态实时地显示在显示器上，本系统实现了脑电图的变化图动态无笔描记。

如图3所示，是本发明的方法流程示意图。

一种基于虚拟现实场景脑电信号的抑郁症风险筛查方法，包括以下步骤：

1)启动虚拟现实诱发系统，建立虚拟现实刺激场景；

2)启动脑电信号采集系统，分别采集人脑在未有任何刺激的平静期、在虚拟现实场景刺激下以及在情绪恢复期发生的连续变化的脑电信号；

3)对获取的脑电信号进行处理分析，将提取出的抑郁症筛查中所要求的特征信息与预先训练好的分类判别模型特征参数进行比较，区分判别健康人群和抑郁症风险人群，为抑郁症风险筛查提供客观依据。

首先，启动在虚拟现实场景刺激下普式化脑电信号抑郁症风险筛查系统，接受风险筛查的患者先注册自己的信息，其中包括患者的编号、姓名、性别、年龄等信息。然后，医生按照所要针对的症状选择放置脑电多导电极片的位置，打开实时脑电记录。患者的脑电信号通过多导脑电极传感器提取进来后，通过脑电前置放大器对微弱的脑电信号进行放大，同时对原始脑电信号进行工频滤波处理，放大的信号通过16位A/D转换成数字信号，通过调用脑电信号实时处理模块中的预处理程序对脑电信号进行预处理以减少伪差的干扰，保证抑郁症风险筛查的有效性，然后通过蓝牙2.0传输到计算机，然后实时显示在屏幕上。医生调用脑电分析中相应的信号处理程序对采集的信号进行二次处理，得到患者信息的特征值，根据特征值与分类器模型的相应参数做比较。

启动虚拟现实场景刺激程序。脑电信号经过放大、采集、预处理以后，对读取的脑电信号进行实时分解，得到不同频率成分，然后对已知的多源特征信息融合技术进行处理，最终得出一个针对该个体的、消除不确定因素的在情感诱发状态下的指标参数，用于进行更精确的抑郁症风险筛查诊断。虚拟现实刺激程序筛查抑郁症的设计方案从心理学的角度上，针对不同年龄，不同症状，不同性格的受试者设计不同类型的刺激方案。在虚拟现实刺激开发方面，采用Unity Technologies公司的Unity3D来开发虚拟现实的游戏。运用功能强大的Unity3D能渲染出真实感非常强的三维场景，配以适当的背景音乐，使患者能够有身临其境的感觉，其中穿插特殊的音效作用，更能最大化的激发患者的情绪状态。

启动虚拟现实场刺激程序后，首先对各个对象初始化，然后进入虚拟现实视听信息情绪诱发刺激模块，响应系统消息，并对视听信息情绪诱发刺激中的模型进行渲染，控制视听信息情绪诱发刺激的进行。虚拟现实视听信息情绪诱发的具体操作是这样的：当启动该程序时，先给一段时序1分钟的不携带任何情感因素的舒适视听片段，采集患者平静期的脑电信号；间隔1分钟后，给出一段时序3分钟的三维视听情绪诱发刺激片段，采集患者在诱发情绪状态下的脑电信号；最后五分钟不给于任何三维视听片段，采集患者在恢复期的脑电信号。总时长10分钟。

将获取的脑电信号通过信号处理模块处理，应用离散小波变换对采集到的脑电信号进行小波分解，得到小波系数；由于眼电频率较低，所以仅对低频段的小波系数做特定的阈值处理，然后对处理之后的小波系数进行小波重构，从而提取出眼电参考信号；最后，将提取到的眼电参考信号作为自适应滤波器的参考输入，将未处理的脑电信号作为自适应滤波器的原始输入，这样系统的输出就得到了去除眼电噪声后的干净的脑电信号。得到纯净的脑电信号以后以后送入筛查抑郁症风险数据分析系统，得到患者的特征值并与已有的数据模型参数指标进行对比，从而得到有效的结论供医生参考。

在虚拟现实场景下情绪诱发刺激的过程中，系统会自动把患者的脑电信号储存下来，医生可以在患者做完整个抑郁症风险筛查方案的过程后回放该脑电信号并进行分析、打印。

步骤1)中，包括虚拟现实场景开发的步骤，图4是虚拟现实场景开发流程图。

在设计中，虚拟现实场景诱发刺激主要以事物的核心和患者内心的聚焦点作为诱发情感的主要基础，患者内心对某件事物的关注点表明了其注意力的倾向，以此进行设计，主要考虑到：心理活动停留在被选择的对象上的强度或紧张度，它使心理活动离开一切无关的事物，并且抑制多余的活动，最大化的激发了患者的情绪状态，使得脑电信号特征反应的更加明显。我们将以情绪诱发时注意力对事物的倾向性特征为基础，针对不同年龄，不同症状，不同性格的受试者设计不同类型和难度的视听诊断信息。在筛查诊断过程中要求儿童尽量保持注意力集中，所以要求视听信息筛查抑郁症时对儿童要有很强的吸引力和身临其境的感觉以便更好地做出筛查。

进入视听信息情绪诱发系统以后，首先在初始化模块中对程序各个对象(涉及到对Unity3D，声音处理，输入设备等的初始化)进行初始化，然后依次进入虚拟现实场景刺激模块，获取输入信息和逻辑处理模块，渲染帧图模块和同步显示模块，最后退出程序。

虚拟现实场景刺激初始化：在此模块中涉及到对Unity3D，声音处理，输入设备等的初始化。主要是进行一些内存分配、资源采集、从磁盘载入数据等，视听信息情绪诱发刺激初试化流程；

进入虚拟现实场景刺激模块：在此模块里，该模块主要是响应系统消息，并对视听信息的模型进行渲染。

获取输入消息和逻辑处理：在本视听信息情绪诱发刺激中，输入消息主要来自于抑郁症风险筛查方案中设定的脑电阈值参数消息。依据和阈值点的比较而被诊断为不同的人群。

渲染帧图和显示：主要是对视听信息情绪诱发刺激中出现的各种模型进行渲染，控制视听信息情绪诱发刺激的进行。图形显示过程是：先清除后备缓冲区(不可见)，再将要显示的物体按一定的逻辑绘制在这块内存区上，绘制完后，将其翻转到可见的前缓冲区上，一般视听信息情绪诱发的画面刷新率可达到30帧/秒，画面以此速度进行翻转，加上眼睛的滞留作用，使看到的图像变为连续的了。

步骤2)中，采集的脑电信号为被试者脑电的α波、β波、δ波、θ波信号，原始数据各波段混叠在一起的脑电信号是由脑电信号采集系统的三个电极采集得到的信号。脑电采集时，电极被放置于Fp1，FpZ和Fp2位于前额的位置，不会受头发的干扰，因此可以使用医用贴式湿电极，从而避免电极接触阻抗的干扰。该设计主要采用低功耗器件设计，传输方式采用蓝牙2.0，并配有电源管理系统，可以监测电源的状态。

δ波主要反应人在深度睡眠的状态或者有严重器质性脑疾病患；θ波主要反映人处于睡眠初期、冥想状态、困倦时、感情压抑时；α波主要反映人处于清醒、安静并闭眼状态；β波主要反映人处于精神紧张、情绪激动或亢奋以及思维活跃、注意力集中时的状态；此四种波段与高频β波的能量比将作为主要的特征参量能够很精准额反映出抑郁症分析按人群的信息。

步骤3)中，包括脑电信号预处理的步骤，图5是脑电信号预处理流程图。

首先应用离散小波变换对采集到的脑电信号进行小波分解,得到小波系数；由于眼电频率较低,所以仅对低频段的小波系数做特定的阈值处理,然后对处理之后的小波系数进行小波重构,从而提取出眼电参考信号；最后,将提取到的眼电参考信号作为自适应滤波器的参考输入,将未处理的脑电信号作为自适应滤波器的原始输入,这样系统的输出就得到了去除眼电噪声后的干净的脑电信号。

脑电信号预处理的实时脑电信号处理模块是由STM32F101的32位ARM微处理器及其外围电路实现。虽然模拟信号已经经过模拟滤波处理，但是通过放大器放大的，由A/D采集进来的信号还有存在一些干扰并存在一些生理伪差(例如：心电、眼电、肌电等等)。为了减少在反馈过程中出现错误判断，需要对采集的信号进行预处理。我们采用小波包分解、小波阈值等技术对信号进行实时预处理，以进一步消除干扰和生理伪差，为进一步分析脑电和进行特征诊断做准备。选用合适的小波分析可以很好满足在线分析系统中脑电伪差去除的要求。特别是小波包的应用，使得频域空间精细划分，更有利于伪差的去除和信号特征的提取。我们提出的对伪差信号相减的方法可以迅速、有效地消除在EEG信号的眼动伪差，滤波后的信号更适于提取EEG特征。同时，对于根据上层主计算机的要求对预处理后的脑电数字信号采用非线性动力学系统算法等方法进行特征提取。这些算法具有很快的运算速度，可以满足我们实时处理的要求。

步骤3)中，采用全新的分类判别数据模型来判别健康人群和抑郁症风险人群。全新的分类判别数据模型是根据不同病症在系统中进行分类，依据国家“973”计划的项目“基于生物、心理多模态信息的潜在抑郁症风险预警理论与生物传感关键技术研究”(项目代码：2014CB744600)实验的最新数据模型以及病患的具体情况，进行相应的特征选择、提取，训练出合适的分类器从而可以产生出更合理的生理指标参数。具有丰富的数据库资源，其数据结构简单、清晰，有很好的数据独立性、安全保密性，用户易懂易用，可以与已有数据进行交叉对比，提高筛查诊断的准确性与针对性。

步骤3)中，包括分类判别模型建模的步骤，图6是分类判别模型建模过程流程图。首先通过虚拟现实场景对已贴标签的健康人群和抑郁症风险人群进行情绪诱发刺激，然后采集脑电信号，对采集到的原始脑电信号通过小波包分析进行信号预处理，然后通过非线性动力学理论对去噪后的脑电信号进行特征提取，最后通过CFS+KNN的混合算法进行特征选择和特征分类，从而得到分类判别器模型。

相应的，图7是抑郁症风险分析判别过程流程图。应用分类判别模型进行抑郁症风险分析判别过程的步骤：通过虚拟现实场景对未知个体受试者进行情绪诱发刺激，采集该个体受试者的脑电信号并通过信号去噪等预处理模块以后通过非线性动力学理论对去噪后的脑电信号进行特征提取，将提取出来的特征参量送入分类判别模型从而直接得出抑郁症风险筛查结果。

本文虽然已经给出了本发明的一些实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。