基于脑电数据的中医辨证分型系统、模型建立的方法和系统的制作方法
【技术领域】
[0001] 本发明涉及医学数据处理技术领域，特别是涉及一种基于脑电数据的中医辨证分 型系统、模型建立的方法和系统。
【背景技术】
[0002] 脑中风又称为脑卒中或脑血管意外（Cerebrovaseularaccident)，是一组突然起 病，以局灶性神经功能缺失为特征的急性脑血管疾病，该病具有发病率高、致残率高、病死 率高、复发率高等特点。据报道，全球每年有460万人死于脑中风，中风已成为中老年人的三 大死因之一。脑中风发病后的2周~6个月称为中风恢复期，此期间脑中风患者多会存留一 些中风后遗症，给患者的生活带来严重影响。因此在脑中风恢复期，给予积极有效的中西医 护理，对改善脑中风后遗症具有重要作用。
[0003] 中医的辩证方法很多，《中医辩证学》概括为:八纲辩证(表里寒热虚实阴阳），脏腑 辩证(五脏六腑的辩证），六经辩证(经络），卫气营血辩证，三焦辩证，气血辨证等。病因辨证 以及以上辨证方法之间的关系，并紧扣临床阐述了中医症状辨证，提炼了《伤寒论》《金匮要 略》及温病学的精髓。国家中医药管理局医政司发布《中医内科急症诊疗规范.中风病中医 疗效评定标准》，将中风病按《金匮要略》的分法分为中络，中经，中脏，中腑。中经络又分为 肝阳暴亢、风火上扰，风痰淤血，痹阻脉络，痰热腑实，风痰上扰，气虚血瘀，阴虚风动五类证 候；中脏腑分为风火上扰清窍，痰湿蒙塞心神，痰热内闭心窍，元气败脱，心神散乱四类证 候。
[0004] 脑电波(Electroencephalogram，EEG)是大脑在活动时，大量神经元同步发生的突 触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在 大脑皮层或头皮表面的总体反映。脑电图已被用于除临床诊断和常规认知神经科学的传统 用途的多种用途。早期使用的是二战期间美国陆军航空兵筛选出飞行员有癫痫发作的危 险。目前，领域专业人员或者研究人员从不同方面阐释中风恢复期患者的情况。有学者通过 了解中风恢复期患者的自我效能及生活质量水平，探讨两者的相关性。还有研究运用自制 中医四诊信息调查表对中风病发病不同时点进行前瞻性临床调查，从中选取恢复期数据进 行分析，运用因子分析和聚类分析的方法提取恢复期证候要素等。但是目前还未有相关利 用脑电数据预测中风恢复期患者的中医辨证分型的技术。
【发明内容】
[0005] 基于此，有必要针对上述技术问题，提供一种基于脑电数据的中医辨证分型系统、 模型建立的方法和系统，其能够利用被试者的脑电数据，准确地确定其所属的辨证类型。
[0006] -种基于脑电数据的中医辨证分型系统，包括：
[0007] 数据获取单元，用于获取被试者的脑电数据，并对所述脑电数据进行预处理，获取 所述脑电数据对应的多个节律参数；
[0008] 特征参数获取单元，用于将所述多个节律参数进行特征选择，获取选择后的特征 参数；
[0009] 辨证类型判定单元，根据预先建立的中医辨证分型模型，确定所述特征参数对应 的中医辨证类型。
[0010] 在其中一些实施例中，所述数据获取单元还用于：
[0011] 获取所述脑电数据的多个脑电特征，其中，所述多个脑电特征包括α波、β波、Θ波、 和δ波；
[0012] 获取所述多个脑电特征对应的节律，将所述节律进行归一化，以获取所述脑电数 据对应的节律参数。
[0013] 在其中一些实施例中，所述特征参数获取单元还用于:将所述多个节律参数输入 特征递归剔除模型，得到训练后的SVM参数;计算所述SVM参数在预定排序准则下的排序准 则分数，并对所述排序准则分数进行排序;剔除排序准则分数小于预定阈值的SVM参数，获 取所述选择后的特征参数。
[0014] 一种基于脑电数据的中医辨证分型模型的建立方法，包括以下步骤：
[0015] 获取多个被试者的脑电数据，并对所述脑电数据进行预处理，获取所述脑电数据 对应的节律参数数据集；
[0016] 将所述节律参数数据集划分为训练数据和测试数据；
[0017] 将所述训练数据进行特征选择，获取选择后的特征参数；
[0018] 将所述特征参数和所述测试数据输入支持向量机分类模型，获取各个中医辨证类 型对应的权重系数；
[0019] 根据所述权重系数建立中医辨证分型模型。
[0020] 在其中一些实施例中，所述对所述脑电数据进行预处理的步骤包括：
[0021] 获取所述脑电数据的多个脑电特征，其中，所述多个脑电特征包括α波、β波、Θ波、 和δ波；
[0022]获取所述多个脑电特征对应的节律功率谱，将所述节律功率谱进行归一化，以获 取所述脑电数据对应的节律参数。
[0023]在其中一些实施例中，所述将所述训练数据进行特征选择的步骤包括：
[0024]将所述训练数据输入特征递归剔除模型，得到训练后的SVM参数；
[0025] 计算所述SVM参数在预定排序准则下的排序准则分数，并对所述排序准则分数进 行排序；
[0026] 剔除排序准则分数小于预定阈值的SVM参数，获取所述选择后的特征参数。
[0027] 在其中一些实施例中，所述将所述特征参数和所述测试数据输入支持向量机分类 模型获取各个中医辨证分型对应的权重系数的步骤包括：
[0028] 根据所述选择后的特征参数从所述测试数据中选取相应的特征参数；
[0029]将所述选择后的特征参数和从所述测试数据中选取相应的特征参数输入支持向 量机分类模型；
[0030] 根据所述支持向量机分类模型的决策函数获取各个中医辨证类型对应的权重系 数。
[0031] 在其中一些实施例中，所述方法还包括:对所述中医辨证分型模型进行交叉验证。
[0032] 一种基于脑电数据的中医辨证分型模型的建立系统，包括：
[0033]数据获取模块，用于获取多个被试者的脑电数据，并对所述脑电数据进行预处理， 获取所述脑电数据对应的节律参数数据集；
[0034]分类模块，用于将所述节律参数数据集划分为训练数据和测试数据；
[0035]特征参数获取模块，用于将所述训练数据进行特征选择，获取选择后的特征参数； [0036]建模模块，用于将所述特征参数和所述测试数据输入SVM分类模型，获取各个中医 辨证类型对应的权重系数，根据所述权重系数建立中医辨证分型模型。
[0037]在其中一些实施例中，所述建模模块还用于:根据所述选择后的特征参数从所述 测试数据中选取相应的特征参数;将所述选择后的特征参数和从所述测试数据中选取相应 的特征参数输入支持向量机分类模型;根据所述支持向量机分类模型的决策函数获取各个 中医辨证类型对应的权重系数。
[0038]上述的基于脑电数据的中医辨证分型系统、基于脑电数据的中医辨证分型模型的 建立方法和系统，采用递归特征剔除支持向量机(SVM-RFE)模型进行特征选择。选择的特征 参数作为数据特征输入至支持向量机(SVM)分类模型，获取各个中医辨证类型对应的权重 系数，根据该权重系数即可判定被试者所属的中医辨证类型。
【附图说明】
[0039]图1为一些实施例中的基于脑电数据的中医辨证分型系统结构框图；
[0040]图2为一些实施例中的基于脑电数据的中医辨证分型模型的建立方法的流程图； [0041 ]图3为一些实施例中的5折交叉验证的过程示意图；
[0042]图4为一些实施例中的基于脑电数据的中医辨证模型的建立系统的结构框图。
【具体实施方式】
[0043] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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仅用以解释本发明，并 不用于限定本发明。
[0044] 在一些实施例中，如图1所示，提出一种基于脑电数据的中医辨证分型系统10,该 系统10包括:数据获取单元102、特征参数获取单元104和辨证类型判定单元。
[0045] 在一些实施例中，数据获取单元102用于获取被试者的脑电数据，并对脑电数据进 行预处理，获取脑电数据对应的多个节律参数。
[0046] 数据