基于多层次特征融合的抑郁状态识别系统

本发明涉及抑郁状态识别，特别是涉及基于多层次特征融合的抑郁状态识别系统。

背景技术：

1、本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

2、目前，临床上对抑郁症的诊断主要基于icd-0或dsm-v中的抑郁症诊断标准，结合病人的访谈情况、量表以及医生诊疗经验进行。易因患者的配合程度、医生熟练程度等主观因素的影响而导致误诊，且患者就医意识及早期筛查工具的缺乏导致部分患者诊疗时已经达到重度抑郁障碍。

3、近年来，随着互联网和科学技术的发展，深度学习因其强大的数据处理、数据挖掘能力已被广泛应用于医疗领域。利用机器学习和生物学信息辅助抑郁识别成为提高抑郁识别准确率的重要方式。传统的门控循环单元(gated recurrent unit,gru)往往需要大量的数据进行训练，临床上很难采到大量且优质的数据。除此之外，单一的生理信号在深度学习中难以稳定而准确的对抑郁症进行识别。目前对生物学信号的应用主要是眼动信号、面部表情、语音信号和脑电信号，但是眼动信号、面部表情和语音信号具有欺骗性，脑电信号采集不易且采集价格昂贵，这些均不适合在人群中普及。

技术实现思路

1、为了解决现有技术的不足，本发明提供了基于多层次特征融合的抑郁状态识别系统；本发明数据容易获取，成本低；利用深度神经网络建立的识别模型，拥有输入数据即得结果的特点，识别速度快。

2、基于多层次特征融合的抑郁状态识别系统，包括：

3、数据获取模块，其被配置为：获取待识别的脉搏信号和心电信号；

4、数据预处理模块，其被配置为：对待识别的脉搏信号和心电信号进行预处理；

5、数据裁剪模块，其被配置为：对预处理后的信号进行裁剪；

6、抑郁识别模块，其被配置为：将裁剪后的脉搏信号和心电信号均输入到训练后的特征级抑郁状态检测模型中，训练后的特征级抑郁状态检测模型对脉搏波信号特征和心电信号特征进行特征级融合，并输出特征级抑郁状态分类结果；

7、将裁剪后的脉搏信号输入到训练后的脉搏信号决策级融合子网络(photoplethysmogram-decision fusion sub network,ppg-dfsn)中，输出ppg-dfsn抑郁状态分类结果；

8、将裁剪后的心电信号输入到训练后的心电信号决策级融合子网络(electrocardiogram-decision fusion sub network,ecg-dfsn)中，输出ecg-dfsn抑郁状态分类结果；

9、将ppg-dfsn抑郁状态分类结果与ecg-dfsn抑郁状态分类结果进行决策级融合得到决策级融合抑郁状态分类结果；

10、将决策级融合抑郁状态分类结果与特征级抑郁状态分类结果进行融合得到最终的抑郁状态分类结果。

11、上述技术方案中的一个技术方案具有如下优点或有益效果：

12、将深度学习与传统机器学习相结合并使用多层次特征融合处理的结果，在一定程度上减少数据量不足对于深度网络的影响，提取的特征更加全面，识别准确率更高。在抑郁症临床诊断方面与目前所使用的量表相比，本发明数据容易获取，成本低；利用深度神经网络建立的识别模型，拥有输入数据即得结果的特点，识别速度快；提供的方法极大的减少了医生、患者的主观因素，检测的结果更加客观。

技术特征：

1.基于多层次特征融合的抑郁状态识别系统，其特征是，包括：

2.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述获取待识别的脉搏信号和心电信号，包括：

3.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述对待识别的脉搏信号和心电信号进行预处理，包括：

4.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将裁剪后的脉搏信号和心电信号均输入到训练后的特征级抑郁状态检测模型中，其中，训练后的特征级抑郁状态检测模型，其网络结构包括：

5.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将裁剪后的脉搏信号和心电信号均输入到训练后的特征级抑郁状态检测模型中，其中，训练后的特征级抑郁状态检测模型，其训练过程包括：

6.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将裁剪后的脉搏信号输入到训练后的脉搏信号决策级融合子网络中，输出ppg-dfsn抑郁状态分类结果，其中，训练后的脉搏信号决策级融合子网络，包括：依次连接的第三gru网络和第二支持向量机分类器；

7.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将裁剪后的心电信号输入到训练后的心电信号决策级融合子网络中，输出ecg-dfsn抑郁状态分类结果，其中，训练后的心电信号决策级融合子网络，包括：依次连接的第四gru网络和第三支持向量机分类器；

8.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将ppg-dfsn抑郁状态分类结果与ecg-dfsn抑郁状态分类结果进行决策级融合得到决策级融合抑郁状态分类结果，包括：

9.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，所述将决策级融合抑郁状态分类结果与特征级抑郁状态分类结果进行融合得到最终的抑郁状态分类结果，包括：

10.如权利要求1所述的基于多层次特征融合的抑郁状态识别系统，其特征是，系统具体实现流程如下：

技术总结
本发明公开了基于多层次特征融合的抑郁状态识别系统，包括：将裁剪后的脉搏信号和心电信号均输入到训练后的特征级抑郁状态检测模型中，进行特征级融合，并输出特征级抑郁状态分类结果；将裁剪后的脉搏信号输入到训练后的脉搏信号决策级融合子网络中，输出PPG‑DFSN抑郁状态分类结果；将裁剪后的心电信号输入到训练后的心电信号决策级融合子网络中，输出ECG‑DFSN抑郁状态分类结果；将PPG‑DFSN抑郁状态分类结果与ECG‑DFSN抑郁状态分类结果进行决策级融合得到决策级融合抑郁状态分类结果；将决策级融合抑郁状态分类结果与特征级抑郁状态分类结果进行融合得到最终的抑郁状态分类结果。

技术研发人员：杨立才,王子嘉,李嘉恺,柳昕祎,朱仲军
受保护的技术使用者：山东大学
技术研发日：
技术公布日：2024/1/15