本发明涉及的是一种基于任务转换测试行为学数据的精神分裂症分类方法。
背景技术：
：精神分裂症(schizophrenia)是由一组症状群所组成的临床综合征，它是多因素的疾病。尽管目前对其病因的认识尚不很明确。因此，对精神分裂症的早期发现和早期诊断是整个社会迫切需要解决的问题。目前针对精神分裂症的诊断方法通常使用评估量表和影像学分析，最常用的量表有阳性和阴性症状量表(panss)和简明精神病评定量表(bprs)，而对于量表分析来说主观性太强。神经影像技术主要包括计算机断层扫描(ct)和磁共振成像(mri)，目前许多神经影像研究发现精神分裂症患者的相关脑区灰质及白质结构异常并且脑功能区连接异常，但是神经影像学测试成本较高，数据分析复杂，较难进行广泛推广和运用。因此对精神分裂症的检查和确诊仍然需要进行深入研究。精神分裂症患者存在严重的认知功能缺陷，特别是在感知能力、注意、记忆、执行控制和处理速度等方面。因此，研究精神分裂症患者的认知功能，对精神分裂症的诊断和治疗具有重要的应用价值。研究表明，任务转换是研究执行控制的一种可靠且有效的度量方法，其为研究注意和任务干扰提供了巨大的可能性。任务转换是一种行为心理学实验，该实验是指当被试意识到当前的认知任务反应不合适时为改变任务反应而重新配置精神资源的控制过程，实验要求被试者在一组简单的任务中频繁切换，使得行为反应与环境条件相一致，这是人类认知活动的常见现象。目前学术上普遍认为精神分裂症患者存在执行功能障碍，国内外研究表明精神分裂症患者在任务转换测试中的反应时间显著长于正常被试，说明当反应任务发生转换时，病人转换能力显著低于正常组，这可能与患者的临床症状如行动迟缓、意志活动减退等有关，导致反应时间延长。同时病人组执行任务正确率也低于正常组，但还没有达到统计学上的显著水平。目前精神分裂症患者的判断的一般方法是采用一系列神经心理评估和影像学分析，而许多神经心理评估需要由专业医生或经验丰富的神经科医生来进行检查，并且评估结果主观性强，而神经影像学，数据获取成本高，数据分析繁杂，无法对精神分裂症的判断给予快速客观准确的答复等问题。技术实现要素：本发明为了解决现有精神分裂症临床量表主观性强，误差大，而基于神经影像的分类方法影像数据获取成本高，分析复杂，对精神分裂症的检查和确诊都有较大的难度，无法对精神分裂症的判断给予快速客观准确的答复等问题，提供了一种基于任务转换测试行为学数据的精神分裂症分类方法。本发明由如下技术方案实现的：一种基于任务转换测试行为学数据的精神分裂症分类方法，采用如下步骤实现的：(s1)首先构建任务转换测试实验程序；(s2)获取被试者的任务转换测试的行为数据，包括反应时间和准确率；((s3)根据步骤(s2)获得的行为数据计算执行控制相关的时间差数据；(s4)把任务转换测试的行为数据和执行控制相关的时间差作为特征，利用自适应提高分类器对精神分裂症进行分类，采用交叉验证的测试方法对最优的自适应提高分类器进行检验。步骤(s1)中，任务转换测试实验程序具体为：通过实验软件e-prime设计两种非语言性质的实验任务，所述实验任务包括红色或绿色的颜色判断以及圆圈或三角形的形状判断；刺激类型包括四种：红色三角形、红色圆形、绿色三角形和绿色圆形；任务随机呈现，在每次试验中颜色和形状的双刺激出现前，给出需要执行哪项任务的提示，被试者根据任务提示做出相应的反应，内部设有计时器的按钮盒将被试者的反应记录下来；提示为两种类型：一种是直接指示任务名称的单词：color表示颜色分类任务，shape表示形状分类任务，另一种是字母：c表示颜色分类任务，s表示形状分类任务；绿色和三角形按左键反应，红色和圆形按右键；被试者的反应结束后刺激立刻消失。刺激呈现在显示器上，刷新率为85hz，分辨率为1024×768；在实验过程中，被试者视线距离屏幕60厘米，被试者采用惯用手的食指或中指敲击键盘上的左或右键做出反应。步骤(s2)获取被试者的任务转换测试的行为数据的具体方法为：测试组和对照组作为被试者进行实验任务，颜色和形状的单一刺激各100次试验，颜色和形状之间的转换各进行100次试验，任务出现时间为200ms或1200ms，试验间隔时间为600ms，在此间隔后，下一个线索提示开始；试验完成后，根据记录计算被试者每一次任务的反应时间，及判断正确与否，然后计算总的正确率和每一条件下多次任务的平均反应时间，按照以下三个条件变量获得的8种个人平均反应时间：①提示呈现时间：短提示条件下任务准备时间为200ms，长提示条件下任务准备时间为1200ms；②一致性：绿色三角形或者红色圆形出现时为一致的响应条件，而绿色圆形或者红色三角形出现时为不一致的响应条件；③转换条件：当前试验是否与上一个试验响应任务相同，任务相同为重复试验，任务不同为转换试验。步骤(s3)中获得执行控制相关的时间差数据包括：a、转换代价为短提示条件下重复试验和转换试验反应时间的差异；b、剩余转换代价为长提示条件下重复试验和转换试验反应时间的差异；c、反应转换代价为转换代价与剩余转换代价的和；d、干扰为一致条件和不一致条件下的反应时间差异，e、短时干扰为短提示条件下的干扰，f、长时干扰为长提示条件下的干扰。步骤(s4)中，首先将任务转换测试的行为数据和执行控制相关的时间差数据作为特征训练线性分类器，用上述线性分类器的加权和组成新的自适应提高分类器，最初每个线性分类器的权重设为m为被试者的数目；自适应提高分类器在训练过程中调整各个线性分类器的权重，最后得到一个最优的自适应提高分类器。所述最优自适应提高分类器获得的具体过程包括：对给定的样本(x1，y1)，...，(xm，ym)，其中xi∈x，yi∈y＝(-1，1)，x为训练特征，y为被试者类别，首先设定初始化每个线性分类器的权重为之后进行t次迭代，迭代过程如下：变量t从1开始增加到t，每次迭代首先计算每个特征ht对训练被试者进行分类得到的分类误差εt，然后计算新的样本权重最后更新各线性分类器的权重其中zt为归一化因子，循环结束后得到最优自适应提高分类器：步骤(s4)中所述交叉验证的过程为：利用自适应提高分类器对特征进行分类：从样本集中随机选择90％的样本作为训练样本，剩余10％的样本作为测试样本，将重复进行100次分类测试后得到的分类灵敏度、特异度和准确进行算术平均，然后将算术平均值作为分类器的为的分类结果，通过分类灵敏度、特异度和准确率，并对分类器进行了被试者工作特征曲线即roc曲线分析。步骤(s2)中：所述被试者包括已知患有精神分裂症的病人组和包括性别和年龄与病人组相匹配的已知未患有精神分裂症的正常人作为对照组。准确率、灵敏度、特异度是医学统计学中重要的评价指标。所谓准确率是分类正确的样本数除以所有的样本数；灵敏度是所有样本数中正常样本的比例，衡量了分类器对正常特征的识别能力；特异度是所有患病样本中被正确分类的比例，衡量了分类器对患病样本的识别能力。本发明中，准确率是直观判断分类器能正确识别精神分裂症和对照的能力，敏感度指不漏检精神分裂症特征的能力，而特异度反映不错误判断精神分裂症特征的能力。roc曲线是反映敏感性和特异性连续变量的综合指标，是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、(1-特异性)为横坐标绘制成曲线，曲线下面积(auc)越大，越接近1，表示分类器分类效果越好。本发明采用行为心理学实验进行测试，由计算机记录被试者的客观反应，采用数据挖掘的方法对原始行为学数据提取信息进行分析，实验结果更客观更准确。本发明利用任务转换测试得到的结果数据作为特征获得自适应提高分类器对精神分裂症疾病进行分类，以实现对精神分裂症患者的识别诊断。本发明将利用任务转换测试的反应时间、准确率、转换代价、干扰等15个特征。利用这些特征构建自适应提高分类器，对精神分裂症疾病进行分类，创建的最优自适应提高分类器达到了90％的分类准确率、100％的灵敏度和81％的特异度。受试者工作特征曲线(roc)分析方法得其曲线下方的面积(auc)为0.89。实验结果表明，该分类器效果好，能够客观、有效地帮助鉴别精神分裂症患者，在精神疾病研究领域有巨大的潜在应用价值。本发明采用的行为心理学测试是在电脑上进行的，并且完全由计算机来进行计算，实验结果更客观更准确。此外，任务转换测试试验只花费了半个小时，然后通过构建自适应提高分类器可以快速的建立精神分裂症的分类模型。因此，本发明所述方法显著缩短了整个精神分裂症神经心理诊断过程所消耗的时间。在帮助鉴别精神分裂症病人上有巨大的潜在用途，特别是作为一种客观的精神分裂症诊断辅助工具，可以快速地对精神分裂症的个体进行分类。附图说明图1为本发明实施流程图；图2为任务转换实验中4种刺激类型，图中：a为红色三角形，b为红色圆形，c为绿色三角形，d为绿色圆形；图3为任务转换测试程序；图4为分类器的roc曲线和auc值。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。下面结合附图对本发明的应用原理作详细的描述。1.选择被试者：病人组(sc)由45名精神分裂症患者组成，年龄22～49岁，正常对照组(nc)由55名性别和年龄与sc组相匹配的健康被试者组成，采用阳性与阴性症状量表(panss)和简明精神病评定量表(bprs)量表对病人组进行了测试，测试结果如表1所示。参与者接受了神经系统疾病和是否使用精神药物等筛查。所有的参与者都给出了书面的知情同意。表1：被试者年龄和性别统计病人组正常组年龄37.18±8.9134.67±7.46性别女10例/男35例女21例/男34例2.任务转换测试(tst)：1)设备：任务转换实验是通过一款商业实验软件e-prime在个人电脑上运行的。刺激呈现在一个17英寸的戴尔显示器上，刷新率为85hz，分辨率为1024×768。在实验过程中，被试者坐在一张舒适的椅子上，视线距离屏幕60厘米，被试用他们惯用手的食指或中指按键盘上的左或右键做出反应，一个带有内部计时器的按钮盒记录下了被试的响应。2)刺激：本实验包括两种非语言性质的任务:做出颜色判断(红色或绿色)或做出形状判断(圆圈或三角形)，刺激类型如图2所示，包括四种：红色三角形、红色圆形、绿色三角形和绿色圆形。被试者完成了一系列的试验，在这些试验中，任务随机呈现，并且在每次试验的双刺激(例如：一个叠加在绿色色块上的三角形)出现之前，都会给出一个提示，说明要执行哪一项任务。实验中使用了两种类型的提示，一种提示是直接指示任务名称的单词(例如：color表示颜色分类任务，shape表示形状分类任务)，另一种提示是字母(例如：c表示颜色分类任务，s表示形状分类任务)。被试者需根据任务提示按键盘上的左键或右键快速而准确地做出反应。3)程序：实验程序如图3所示，首先屏幕中心出现线索来提示被试应执行哪类任务(以字母或单词交替出现)，出现时间为200ms或1200ms，然后刺激在屏幕上出现直到被试做出反应，被试者须用他们的惯用手的食指或中指按键盘上的左键或右键做出反应，绿色和三角形按左键反应，红色和圆形按右键反应，四种刺激中存在一致的响应条件(绿色三角形或红色圆形出现时，提示是没必要的)和不一致的响应条件(绿色圆形或红色三角形出现时，提示是有效提示)，被试反应结束后刺激立刻消失，试验间隔时间为600ms，在此间隔后，下一个线索提示开始。被试者在正式实验之前先进行三个独立的练习实验组：对颜色进行8次反应试验、对形状进行8次试验、对颜色和形状之间的转换进行8次试验。如果被试在任一个练习实验块上准确率没有达到60％，则进行第二次练习实验，如果在第二次练习实验中准确率依然不达60％，则任务终止。练习实验结束并短暂休息后，被试进行正式实验。正式实验包括对8个组块，共400次试验，颜色和形状各100次试验，对颜色和形状之间的转换各进行100次试验。3.任务转换测试结果记录：精神分裂症的患者作为病人组和性别与年龄匹配的正常人作为对照组完成任务转换实验。先根据计算机记录计算被试者每一次任务的反应时间，及判断正确与否，然后计算总的正确率和每一条件下多次任务的平均反应时间，按照以下三个条件变量获得的8种个人平均反应时间：①提示呈现时间：短提示条件下任务准备时间为200ms，长提示条件下任务准备时间为1200ms；②一致性：绿色三角形或者红色圆形出现时为一致的响应条件，而绿色圆形或者红色三角形出现时为不一致的响应条件；③转换条件：当前试验是否与上一个试验响应任务相同，任务相同为重复试验，任务不同为转换试验。反应时间结果见表2。4.计算执行控制相关的时间差数据：根据8种平均反应时间时间计算获得6个执行控制相关的反应时间差包括：a、转换代价为短提示条件下重复试验和转换试验反应时间的差异；b、剩余转换代价为长提示条件下重复试验和转换试验反应时间的差异；c、反应转换代价为转换代价与剩余转换代价的和；d、干扰为一致条件和不一致条件下的反应时间差异，e、短时干扰为短提示条件下的干扰，e、长时干扰为长提示条件下的干扰。5.构建自适应提高分类器：得到训练的特征后，首先将任务转换测试的行为数据和执行控制相关的时间差数据分别作为特征训练线性分类器，用上述线性分类器的加权和组成新的自适应提高分类器，最初每个线性分类器的权重设为m为被试者的数目；自适应提高分类器在训练过程中逐渐调整各个线性分类器的权重，最后得到一个最优的自适应提高分类器。得到最优自适应提高分类器的具体过程包括：对给定的样本(x1，y1)，...，(xm，ym)，其中xi∈x，yi∈y＝(-1，1)，x为训练特征，y为被试者类别，首先设定初始化每个线性分类器的权重为之后进行t次迭代，迭代过程如下：变量t从1开始增加到t，每次迭代首先计算每个特征ht对训练被试者进行分类得到的分类误差εt，然后计算新的样本权重最后更新各线性分类器的权重其中zt为归一化因子，循环结束后得到最优自适应提高分类器：采用交叉验证的测试方法对自适应提高分类器进行检验的过程为：从样本集中随机选择90％的样本作为训练样本，剩余10％的样本作为测试样本，将重复进行100次分类测试后得到的分类灵敏度、特异度和准确进行算术平均，然后将算术平均值作为分类器的为的分类结果，通过分类灵敏度、特异度和准确率，并对分类器进行了受试者工作特征曲线(roc曲线)分析。准确率、灵敏度、特异度是医学统计学中重要的评价指标。所谓准确率是分类正确的样本数除以所有的样本数；灵敏度是所有样本数中正常样本的比例，衡量了分类器对正常特征的识别能力；特异度是所有患病样本中被正确分类的比例，衡量了分类器对患病样本的识别能力。本发明中，准确率是直观判断分类器能正确识别精神分裂症和对照的能力，敏感度指不漏检精神分裂症特征的能力，而特异度反映不错误判断精神分裂症特征的能力。roc曲线是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、(1-特异性)为横坐标绘制成曲线，曲线下面积(auc)越大，越接近1，表示分类器分类效果越好。6.实验结果1)任务转换测试结果：在所有被试者中，有45名精神分裂症患者和55名正常被试接受了任务转换测试，表2总结了精神分裂症组和正常被试组在各个条件下的反应时间的平均值和标准差，而根据8种平均反应时间时间计算获得的相关的反应时间差数据如表3所示。表2两组被试在各条件下的反应时间，表示为平均反应时间(标准差)表3相关的反应时间差，表示为平均值(标准差)2)分类器验证结果结果见图4，结果显示：创建的最优自适应提高分类器达到了90％的分类准确率、100％的灵敏度和81％的特异度。受试者工作特征曲线(roc)分析方法得其曲线下方的面积(auc)为0.89。本发明采用行为心理学实验进行测试，由计算机记录被试者的客观反应，采用数据挖掘的方法对原始行为学数据提取信息进行分析，实验结果更客观更准确。本发明利用任务转换测试的行为数据作为特征构建自适应提高分类器，以实现对精神分裂症患者的识别。本发明将利用任务转换测试的反应时间、准确率、转换代价、干扰等15个特征。利用这些特征和自适应提高分类器对精神分裂症疾病进行分类，创建的最优自适应提高分类器达到了90％的分类准确率、100％的灵敏度和81％的特异度。受试者工作特征曲线(roc)分析方法得其曲线下方的面积(auc)为0.89。实验结果表明，该分类器效果好，能够客观、有效地帮助鉴别精神分裂症患者，在精神疾病研究领域有巨大的潜在应用价值。本发明采用的行为心理学测试是在电脑上进行的，并且完全由计算机来进行计算，实验结果更客观更准确。此外，任务转换测试试验只花费了半个小时，然后通过构建自适应提高分类器可以快速的建立精神分裂症的分类模型。因此，本发明所述方法显著缩短了整个精神分裂症神经判别过程所消耗的时间。在帮助鉴别精神分裂症病人上有巨大的潜在用途，特别是作为一种客观的精神分裂症诊断辅助工具，可以快速地对精神分裂症的个体进行分类。本发明不局限于上述实施例所述的具体技术方案，凡采用等同替换形成的技术方案均为本发明要求的保护。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12