基于生理信息的抑郁症评估系统技术方案

本实用新型专利技术公开了一种基于生理信息的抑郁症评估系统，包括：信息采集模块、信号处理模块、参数计算模块、特征选择模块、机器学习模块和输出结果模块。本实用新型专利技术还公开了一种基于多种生理信息的抑郁症评估方法，包括以下步骤：1、对心电信号以及脉搏波信号、脑电信号、皮电信号、胃电信号、肌电信号、眼电信号、多导睡眠信号和温度信号中一种或一种以上信号进行信号处理，并计算信号参数；2、利用信号参数进行归一化处理，对经过归一化处理的信号参数组成的参数集进行特征选择，得到特征参数集；3、利用得到的特征参数集进行机器学习，利用特征参数集与抑郁等级的关系建立抑郁评估数学模型评估抑郁等级。具有能避免量表评估的主观性等优点。

【技术实现步骤摘要】

本技术涉及一种抑郁症评估技术，特别涉及一种基于生理信息的抑郁症评估 系统。
技术介绍
随着社会发展，人们面临越来越多的压力，抑郁症的发病率也越来越高。根据调查 中国约有9000万抑郁症患者，占总人口的6. 4%。全世界抑郁症患者约有3. 5亿。抑郁症 患者一般表现为情绪低沉，对以前感兴趣的事物丧失兴趣以及注意力降低。抑郁症等级有 轻度、中度、重度的区别，患病情况严重的有自杀倾向。抑郁症的病因是复杂的，而不是单一 的，主要由生物、心理和社会因素共同组成生物-心理-社会的统一模式，有遗传因素、生物 化学因素、神经内分泌因素、心理社会因素等原因影响。抑郁症的发病机制研究多集中于神 经递质及其受体，尤其是单胺类神经递质及其受体，研究认为神经肽在抑郁症发病中起重 要作用。但是至今，抑郁症的发病机制还没有一个统一的定论。 如今临床上对抑郁症的评估主要根据病史、临床症状等方式，目前国际上通用的 评估标准有I⑶-10和DSM-IV。国内主要采用I⑶-10,通过抑郁症症状的表现以及抑郁症 自评量表（SDS)判断受测者是否患有抑郁症，这样的评估方式会受到受测者主观陈述、心 理医生的自身主观因素和临床经验的影响，并不是客观评估抑郁症的有效方法。因此需要 一种基于生理信息对抑郁症进行评估，客观量化是否患有抑郁症以及抑郁等级。 根据以往的研究，抑郁症患者的心电、脉搏波、脑电、皮电、胃电、肌电、眼电、多导 睡眠、温度等生理信息跟正常人有所差异。表现为电信号的时域、频域、时域几何参数等有 所不同。因此根据多种生理信息表现的差异，对信号进行处理，计算大量的信号参数，建立 抑郁评估数学模型评估抑郁症具有研究基础、可行性和临床实用性。
技术实现思路
本技术的首要目的在于克服现有抑郁症评价技术的缺点和不足，提供一种基 于生理信息的抑郁症评估系统，该系统通过采集人体心电信息以及脉搏波、脑电、皮电、胃 电、肌电、眼电、多导睡眠、温度中一种或一种以上生理信息，计算生理信息的时域、频域等 参数，提取特征参数集，建立抑郁评估数学模型，进而对受测者是否患有抑郁症以及抑郁等 级进行评估。 本技术的另一目的在于克服现有抑郁症评价方法的缺点和不足，提供一种应 用于基于生理信息的抑郁症评估系统的评估方法，该评估方法能够客观量化地评估受测者 是否患有抑郁症以及抑郁等级。 本技术的首要目的通过下述技术方案实现：一种基于生理信息的抑郁症评估 系统，包括：信息采集模块、信号处理模块、参数计算模块、特征选择模块、机器学习模块和 输出结果模块。 信息采集模块，用于采集心电信号以及选择性地采集脉搏波信号、脑电信号、皮电 信号、胃电信号、肌电信号、眼电信号、多导睡眠信号、温度信号中一种或一种以上的生理信 息。信息采集模块采集的信号通过USB串口有线传输或者蓝牙无线传输的方式传输到信号 处理模块中。 信号处理模块，用于对生理信息进行信号处理，包括心电信号处理单元、脉搏波信 号处理单元、脑电信号处理单元、皮电信号处理单元、胃电信号处理单元、肌电信号处理单 元、眼电信号处理单元、多导睡眠信号处理单元和温度信号处理单元。其中心电信号处理单 元包括去基线处理、滤波去噪处理、提取窦性心搏间期（RR间期）处理、插值处理、傅里叶变 换处理以及谱分析和谱估计处理。脉搏波信号处理单元包括去基线处理、滤波去噪处理、 提取脉搏间期（PP间期）处理、插值处理、傅里叶变换处理以及谱分析和谱估计处理。脑 电信号处理单元包括去基线处理、阈值去噪处理、小波分解处理以及谱分析和谱估计处理。 皮电信号处理单元包括去基线处理和小波滤波处理。胃电信号处理单元包括去基线处理、 Hilbert-Huang变换处理、小波分析处理、多分辨率分析处理和独立成分分析处理。肌电信 号处理单元包括去基线处理和小波包自适应阈值去噪。眼电信号处理单元包括去基线处 理、加权中值滤波处理和小波变换处理。多导睡眠信号处理单元包括处理睡眠脑电信号、睡 眠肌电信号和睡眠眼电信号，对所述睡眠脑电信号进行去基线处理、阈值去噪处理、小波分 解处理以及谱分析和谱估计处理，对所述睡眠眼电信号进行去基线处理、加权中值滤波处 理和小波变换处理，对所述睡眠肌电信号进行去基线处理、小波包自适应阈值去噪处理和 睡眠分期处理。温度信号处理单元包括去基线处理、阈值滤波处理、建立温度值与图像灰度 值的关系式。信号处理模块输出经过处理的信号到参数计算模块。 参数计算模块，用于计算经过处理的信号的信号参数，包括心电参数计算单元、脉 搏波参数计算单元、脑电参数计算单元、皮电参数计算单元、胃电参数计算单元、肌电参数 计算单元、眼电参数计算单元、多导睡眠参数计算单元和温度参数计算单元。其中心电参数 计算单元包括计算RR间期、所有RR间期的均值（Mean)、心跳间期的标准差（SDNN)、相邻心 跳间期差值的均方根（RMSSD)、50毫秒间隔以上相邻心跳间期差值的比例（PNN50)、相邻心 跳间期之间的标准差（SDSD)、极低频成分（VLF)、低频成分（LF)、高频成分（HF)、频谱总功 率（TP)、低频成分与高频成分的比值（LF/HF)、RR间期散点图中垂直于y = x的标准偏差 (SD1)、RR间期散点图中y = x直线的标准偏差（SD2)、短期去趋势波动分析的斜率（al)和 长期去趋势波动分析的斜率（a2)。脉搏波参数计算单元包括计算PP间期、所有PP间期的 均值（Mean)、脉搏间期的标准差（SDNN)、相邻脉搏间期差值的均方根（RMSSD)、50毫秒间隔 以上相邻脉搏间期差值的比例（PNN50)、相邻脉搏间期之间的标准差（SDSD)、极低频成分 (VLF)、低频成分（LF)、高频成分（HF)、频谱总功率（TP)、低频成分与高频成分的比值（LF/ HF)、PP间期散点图中垂直于y = x的标准偏差（SD1)、PP间期散点图中y = x直线的标准 偏差（SD2)、短期去趋势波动分析的斜率（al)和长期去趋势波动分析的斜率（a2)。脑电参 数计算单元包括计算S波幅值、S波功率、S波均值、S波方差、S波偏歪度、S波峭度、 9波幅值、9波功率、9波均值、9波方差、9波偏歪度、9波峭度、a波幅值、a波功 率、a波均值、a波方差、a波偏歪度、a波峭度、0波幅值、0波功率、0波均值、0波 方差、0波偏歪度、0波峭度和小波熵。皮电参数计算单元包括计算皮肤交感反应潜伏期、 皮肤交感反应波幅和皮肤电阻值。胃电参数计算单元包括计算正常胃电节律、慢波、胃动过 缓成分和胃动过速成分。肌电参数计算单元包括计算基础值、最小值、最高值、肌电下降能 力和肌电曲线。眼电参数计算单元包括计算R波成分、r波成分、S波成分和s波成分。多 导睡眠信号参数计算单元包括计算睡眠潜伏期、睡眠总时间、觉醒指数、入睡期（S1)、浅睡 期（S2)、中度睡眠期（S3)、深度睡眠期（S4)、快速眼动百分比、快速眼动睡眠周期数、快速 眼动睡眠潜伏期，快速眼动睡眠强度，快速眼动睡眠密度和快速眼动睡眠时间。温度参数计 算单元包括计算人体体内温度分布。参数计算模块输出信号参数到特征选择模块。 特征选择模块，用当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种基于生理信息的抑郁症评估系统，其特征在于，包括：依次连接的信息采集模块、信号处理模块、参数计算模块、特征选择模块、机器学习模块和输出结果模块；信息采集模块采集心电信号并采集脉搏波信号、脑电信号、皮电信号、胃电信号、肌电信号、眼电信号、多导睡眠信号和温度信号中的一种信号或一种以上的信号；信息采集模块采集的信号通过USB串口有线传输或蓝牙无线传输的方式传输到信号处理模块中；信号处理模块处理生理信息，所述生理信息的处理包括去基线处理、滤波去噪处理、提取心搏间期处理、时频变换处理以及谱分析和谱估计处理，信号处理模块输出经过处理的信号到参数计算模块；参数计算模块计算经过处理的信号的信号参数，所述信号参数包括心率变异性的时域参数、频域参数、时域几何参数以及根据采集的生理信息计算脉搏波信号、脑电信号、皮电信号、胃电信号、肌电信号、眼电信号、多导睡眠信号或温度信号中的一种或一种以上信号的时域参数、频域参数、直方图参数和分布图参数，参数计算模块输出信号参数到特征选择模块；特征选择模块在全部信号参数中获取与抑郁等级相关的特征参数集，特征选择模块输出特征参数集到机器学习模块；机器学习模块训练抑郁等级量化的分类器，利用特征参数集建立抑郁评估数学模型，量化抑郁等级，机器学习模块输出抑郁等级到输出结果模块；输出结果模块显示抑郁评估数学模型输出的抑郁等级。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨荣骞，陈秀文，吕瑞雪，宋传旭，
申请(专利权)人：华南理工大学，深圳市是源医学科技有限公司，
类型：新型
国别省市：广东;44