一种基于聚类的心境障碍评估方法及系统与流程

本申请涉及医疗设备相关，尤其涉及一种基于聚类的心境障碍评估方法及系统。

背景技术：

1、随着社会的发展，心境障碍类疾病成为了现代人日益关注的问题。目前，常规的心境障碍诊疗是基于量表评估和医生经验实现。脑电图是一种常用的记录皮层产生的电活动的测量方法，具有高分辨率，无创性和低成本的特点，可以反映人脑各种功能区的神经活动，因此在脑疾病诊断，运动恢复，神经系统疾病评估上都有应用。近年来，在心理学和认知神经科学领域的期刊上，基于脑电图探究心境障碍的研究也呈上升趋势。

2、虽然近年来已经有很多基于脑电图区分心境障碍的研究，但是由于脑电图具有非线性，复杂，非平稳的特点，测量时轻微的身体活动都可能会引起信号的畸变，导致没有稳定的评估效果。对于心境障碍本身，一种类别的疾病可能存在多种亚型，且患者心境障碍的发作状态存在个体差异，这些都增加了以唯一分界目标区分心境障碍疾病试验与对照的难度。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、鉴于现有技术的上述缺点、不足，本申请提供一种基于基于聚类的心境障碍评估方法及系统，将表现单一且易受伪差影响的脑电信号转化为多元且表现相对稳定的特征，可以多角度的表征大脑活动。进一步地，从传统脑电分析角度分别进行特征提取，使得部分特征可解释性高，便于评估者理解。根据本申请的分簇群评估方法可以降低个体差异对后续分类任务带来的困扰，可以提升后续评估任务的泛化能力。并且根据本申请的分簇群评估方法可以辅助疾病亚型的进一步探究。

2、本发明提供了一种基于聚类的心境障碍评估方法，所述方法包括：

3、获取多角度的表征脑功能的特征集，并通过提取角度对所述特征集进行类别划分；

4、通过特征优化模型对所述特征集进行优化，根据目标特征量合并所有类别的特征得到优化后的结果特征集；

5、将所述结果特征集输入至目标聚类模型，得到每个时间片上特征的所属簇群；

6、基于所述簇群建立分类模型，通过试验数据训练所述分类模型，得到目标分类模型；

7、基于所述目标分类模型得到每个时间片的评估概率序列，获取序列的中位数作为最终评估结果。

8、在本发明的一个实施例中，所述目标聚类模型通过以下步骤得到：

9、获取评估目标以及试验数据；

10、通过聚类法将所述试验数据归类到不同的簇群以构建目标聚类模型。

11、在本发明的一个实施例中，获取多角度的表征脑功能的特征集，包括：

12、获取初始脑电数据并对所述初始脑电数据进行预处理得到目标脑电数据；

13、提取所述目标脑电数据中功率值在预设范围内的通道段落，将所述通道段落进行加权融合得到脑区位置代表数据，并根据预设时间单位长度将所述脑区位置代表数据切分成若干时间片；

14、将切片后的所述脑区位置代表数据基于脑电的时频特性，构建多角度的表征脑功能的特征集。

15、在本发明的一个实施例中，所述预处理包括降采样、重参考、陷波去工频、带通滤波，伪差去除、i ca去除眼电心电肌电。

16、在本发明的一个实施例中，提取所述目标脑电数据中功率值在预设范围内的通道段落，包括：

17、获取所述目标脑电数据中各通道段落的功率值；

18、剔除所述功率值不在预设范围内的通道段落。

19、在本发明的一个实施例中，通过聚类法将所述试验数据归类到不同的簇群，包括：

20、通过bi rch聚类法扫描所述试验数据并采用增量的方式构建cf树；

21、对所述cf树进行压缩；

22、遍历压缩后的cf树并进行聚类划分，并输出目标簇。

23、在本发明的一个实施例中，所述伪差去除包括：

24、对带通滤波后的脑电数据做时间切片，得到多个时间片；

25、计算每个时间片内的波幅，删除波幅不在预设范围内的时间片。

26、在本发明的一个实施例中，所述i ca去除眼电心电肌电包括：

27、对初始脑电数据做线性变换，利用统计特性的非高斯性将初始脑电数据分解为一组相互独立的成分，每个成分代表不同的来源，将来源为眼电、心电、肌电的成分去除，并将剩余成分逆变换回初始脑电数据。

28、本发明还提供了一种基于聚类的心境障碍评估系统，包括以下模块：

29、特征优化模块，用于获取多角度的表征脑功能的特征集，并通过提取角度对所述特征集进行类别划分；通过特征优化模型对所述特征集进行优化，根据目标特征量合并所有类别的特征得到优化后的结果特征集；

30、簇群建立模块，用于将所述结果特征集输入至目标聚类模型，得到每个时间片上特征的所属簇群；

31、分类模型建立模块，用于基于所述簇群建立分类模型，通过试验数据训练所述分类模型，得到目标分类模型；

32、结果评估模块，用于基于所述目标分类模型得到每个时间片的评估概率序列，获取序列的中位数作为最终评估结果。

33、在本发明的一个实施例中，还包括：

34、数据预处理模块，用于获取初始脑电数据并对所述初始脑电数据进行预处理得到目标脑电数据；

35、通道融合模块，用于提取所述目标脑电数据中功率值在预设范围内的通道段落，将所述通道段落进行加权融合得到脑区位置代表数据，并根据预设时间单位长度将所述脑区位置代表数据切分成若干时间片；

36、特征构建模块，用于将切片后的所述脑区位置代表数据基于脑电的时频特性，构建多角度的表征脑功能的特征集。

37、本发明的上述技术方案相比现有技术具有以下优点：

38、本发明所述的一种基于聚类的心境障碍评估方法及系统，将表现单一且易受伪差影响的脑电信号转化为多元且表现相对稳定的特征，可以多角度的表征大脑活动。本发明从传统脑电分析角度分别进行特征提取，使得部分特征可解释性高便于评估者理解。根据本发明的分簇群评估方法可以降低个体差异对后续分类任务带来的困扰，可以提升后续评估任务的泛化能力。根据本发明的分簇群评估方法可以辅助疾病亚型的进一步探究。

技术特征：

1.一种基于聚类的心境障碍评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标聚类模型通过以下步骤得到：

3.根据权利要求1所述的方法，其特征在于，获取多角度的表征脑功能的特征集，包括：

4.根据权利要求3所述的方法，其特征在于，所述预处理包括降采样、重参考、陷波去工频、带通滤波，伪差去除、i ca去除眼电心电肌电。

5.根据权利要求1所述的方法，其特征在于，提取所述目标脑电数据中功率值在预设范围内的通道段落，包括：

6.根据权利要求4所述的方法，其特征在于，所述伪差去除包括：

7.根据权利要求4所述的方法，其特征在于，所述i ca去除眼电心电肌电包括：

8.一种基于聚类的心境障碍评估系统，其特征在于，包括以下模块：

9.根据权利要求8所述的系统，其特征在于，还包括：

技术总结
本申请提供了一种基于聚类的心境障碍评估方法及系统，方法包括：获取多角度的表征脑功能的特征集，并通过提取角度对特征集进行类别划分；通过特征优化模型对特征集进行优化，根据目标特征量合并所有类别的特征得到优化后的结果特征集；将结果特征集输入至目标聚类模型，得到每个时间片上特征的所属簇群；基于簇群建立分类模型，通过试验数据训练所述分类模型，得到目标分类模型；基于所述目标分类模型得到每个时间片的评估概率序列，获取序列的中位数作为最终评估结果。本申请将脑电信号转化为多元且表现相对稳定的特征。另外分簇群评估降低个体差异对后续分类任务带来的困扰，提升后续评估任务的泛化能力，还可辅助疾病亚型的进一步探究。

技术研发人员：闫宇翔,赵童,崔洢
受保护的技术使用者：灵心慧智医学科技（北京）有限公司
技术研发日：
技术公布日：2024/1/16