【技术实现步骤摘要】
本专利技术属于精神科医疗诊断辅助系统，具体为一种基于脑电信号和人工智能分类的医疗诊断辅助系统。
技术介绍
1、基于脑电信号和人工智能分类的精神科医疗诊断辅助系统是指利用脑电信号（eeg）数据和人工智能分类算法来辅助精神科医生进行精神疾病的诊断和治疗决策的系统。它结合了脑电信号的生物特征和人工智能的分析能力，旨在提高精神科医生的诊断准确性和治疗效果。
2、但是，在已有的精神科医疗诊断辅助系统中，存在着精神科医疗诊断辅助需要合适的被试精神状态分类范式，进而才能有效进行脑电信号分类和诊断辅助的技术问题；在已有的精神科医疗诊断辅助系统中，存在着脑电数据特征复杂且多样，影响后续分类和预测任务准确性的技术问题；在已有的精神科医疗诊断辅助系统中，存在着复杂的脑电特征信息不能进行简单的特征融合，需要进行多模态融合和高精度分类的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于脑电信号和人工智能分类的医疗诊断辅助系统，针对在已有的精神科医疗诊断辅助系统中，存在着精神科医疗诊断辅助需要合适的被试精神状态分类范式，进而才能有效进行脑电信号分类和诊断辅助的技术问题，本方案创造性地构建视听精神状态范式和构建静息态精神状态范式，为脑电信号采集提供了良好的理论支持；针对在已有的精神科医疗诊断辅助系统中，存在着脑电数据特征复杂且多样，影响后续分类和预测任务准确性的技术问题，本方案创造性地采用离散小波变化分解脑电信号并计算信号特征信息，提升了脑电信号人工智能分类的
2、本专利技术采取的技术方案如下：本专利技术提供的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，包括脑电信号采集模块、精神状态分类范式构建模块、脑电信息预处理模块、特征信息处理模块、脑电信号分类模块和医疗诊断辅助模块；
3、所述精神状态分类范式构建模块，用于构建脑电信号采集步骤所需的被试的精神状态范式，通过精神状态分类范式构建，得到脑电记录采集范式，并将所述脑电记录采集范式发送至脑电信号采集模块；
4、所述脑电信号采集模块，用于采集医疗诊断辅助需要的脑电信号数据，通过从脑电采集系统中，进行信号采集和被试数据统计，得到脑电信号原始数据，并将所述脑电信号原始数据发送至脑电信息预处理模块和脑电信号分类模块；
5、所述脑电信息预处理模块，用于对采集得到的脑电信息进行初步处理，通过采用eeglab和matlab的信号处理工具，进行脑电信息处理得到优化脑电数据，并将所述优化脑电数据发送至特征信息处理模块和脑电信号分类模块，所述脑电信息预处理包括以下步骤：信息过滤、数据优化、小波分解和脑电信息预处理；
6、所述特征信息处理模块，用于对脑电数据进行特征计算，具体为通过应用离散小波变化分解所述优化脑电数据中的脑电信号，计算并构建信号特征，得到脑电特征信息数据，并将所述脑电特征信息数据发送至脑电信号分类模块；
7、所述脑电信号分类模块，用于融合脑电特征信息并进行脑电信号分类，具体为采用结合多头注意力机制的卷积双向长短期记忆神经网络的方法，基于所述优化脑电数据和所述脑电特征信息数据进行脑电信号分类，得到脑电信号分类数据，并将所述脑电信号分类数据发送至医疗诊断辅助模块；
8、所述结合多头注意力机制的卷积双向长短期记忆神经网络，包括多头注意力层、卷积神经网络子网和双向长短期记忆神经网络子网；所述多头注意力层，用于集中特征信息；所述卷积神经网络子网，用于计算生成特征图并进行多数组特征数据处理，具体包括卷积层、池化层和全连接层，其中，所述池化层，具体采用多模态低秩双线性池化代替传统池化层的特征拼接方法，进行多模态融合；所述双向长短期记忆神经网络子网，用于进行脑电信号分类，具体包括前向子网、后向子网和独立隐藏层；
9、所述医疗诊断辅助模块，用于依据脑电信号的人工智能分类结果，进行医疗诊断辅助，通过医疗诊断辅助，得到精神科分诊参考信息。
10、进一步地，所述精神状态分类范式构建，用于构建脑电信号采集步骤所需的被试的精神状态范式，具体指构建视听精神状态范式和构建静息态精神状态范式，得到脑电记录采集范式；
11、所述视听精神状态范式，包括听觉刺激范式和图片刺激范式；
12、所述听觉刺激范式，具体指脑电采集系统通过扩音器，提供1000赫兹，70分贝的正弦音调刺激，所述正弦音调刺激为成对声音刺激；
13、所述成对声音，具体指声音之间有512毫秒的间隔和5秒的对间间隔，总计36对的成对音源；
14、所述成对声音刺激，具体持续3分钟，并在成对声音刺激期间，要求被试注视面前约80厘米处的电脑屏幕上的符号；
15、所述图片刺激范式，所述图片具体指对刺激水平、复杂程度、亮度和色彩匹配的图片组，包括情绪图片和非情绪图片；
16、所述图片刺激，具体进行20对按随机顺序出现的图片刺激，每张图片展示5秒，每两张图片展示之间的时间间隔为10秒，每张图片重复出现3次的；
17、所述静息态精神状态范式，包括睁眼静息态范式和闭眼静息态范式；
18、所述静息态精神状态范式，具体持续6分钟，包括3分钟的睁眼静息态和3分钟的闭眼静息态。
19、进一步地，所述脑电信号采集，用于采集医疗诊断辅助需要的脑电信号数据，具体为采用脑电采集系统，通过信号采集和被试数据统计，得到脑电信号原始数据，所述脑电信号原始数据，包括脑交替电流信号数据、被试基本信息数据和被试认知评估数据；
20、所述脑电采集系统，具体采用64导脑电信号放大器，依据所述脑电记录采集范式，对被试进行脑电记录；
21、所述脑电记录，包括认知任务和静息态脑电采集，所述静息态脑电采集，具体指连续记录脑交替电流信号，并采用24位分辨率和1024赫兹的采样率，进行脑电信号数字化和保存，所述脑交替电流信号的信号范围为0.03赫兹至100赫兹，所述64导脑电信号放大器，具体指带有64个干电极的头盔式干电极脑电帽。
22、进一步地，所述脑电信息预处理，用于对采集得到的脑电信息进行初步处理，具体指采用eeglab和matlab的信号处理工具，进行脑电信息处理，得到优化脑电数据，包括以下步骤：
23、信息过滤，具体为采用infomaxica方法进行眨眼信息提取和伪影过滤；
24、数据优化，具体为通过数据去噪进行数据优化；
25、小波分解，具体为通过小波变换进行脑电信号分解；
26、脑电信息预处理本文档来自技高网...
【技术保护点】
1.一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：包括脑电信号采集模块、精神状态分类范式构建模块、脑电信息预处理模块、特征信息处理模块、脑电信号分类模块和医疗诊断辅助模块；
2.根据权利要求1所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述特征信息处理中，所述通过应用离散小波变化分解所述优化脑电数据中的脑电信号，计算并构建信号特征，得到脑电特征信息数据，具体包括以下步骤：
3.根据权利要求2所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述脑电信号分类中，所述结合多头注意力机制的卷积双向长短期记忆神经网络，包括多头注意力层、卷积神经网络子网和双向长短期记忆神经网络子网；
4.根据权利要求3所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述脑电信号分类中，所述采用结合多头注意力机制的卷积双向长短期记忆神经网络的方法，基于所述优化脑电数据和所述脑电特征信息数据进行脑电信号分类，得到脑电信号分类数据的步骤，包括：
5.根据权利要求4所述的一种基于脑电
6.根据权利要求5所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述精神状态分类范式构建中，所述脑电信号采集步骤所需的被试的精神状态范式，具体指构建视听精神状态范式和构建静息态精神状态范式；
7.根据权利要求6所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：所述脑电信号采集，具体为采用脑电采集系统，通过信号采集和被试数据统计，得到脑电信号原始数据，所述脑电信号原始数据，包括脑交替电流信号数据、被试基本信息数据和被试认知评估数据；
8.根据权利要求7所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：所述医疗诊断辅助，用于依据脑电信号的人工智能分类结果，进行医疗诊断辅助，具体为依据所述脑电信号分类数据进行精神科医疗诊断辅助，得到诊断辅助报告，所述诊断辅助报告依据所述脑电信号分类数据生成，具体指单个病人脑电中的各精神科数据特征，所述精神科数据特征，包括抑郁成分、焦虑成分、精神分裂成分、情感障碍成分和老年痴呆成分。
...【技术特征摘要】
1.一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：包括脑电信号采集模块、精神状态分类范式构建模块、脑电信息预处理模块、特征信息处理模块、脑电信号分类模块和医疗诊断辅助模块；
2.根据权利要求1所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述特征信息处理中，所述通过应用离散小波变化分解所述优化脑电数据中的脑电信号，计算并构建信号特征，得到脑电特征信息数据，具体包括以下步骤：
3.根据权利要求2所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述脑电信号分类中，所述结合多头注意力机制的卷积双向长短期记忆神经网络，包括多头注意力层、卷积神经网络子网和双向长短期记忆神经网络子网；
4.根据权利要求3所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，其特征在于：在所述脑电信号分类中，所述采用结合多头注意力机制的卷积双向长短期记忆神经网络的方法，基于所述优化脑电数据和所述脑电特征信息数据进行脑电信号分类，得到脑电信号分类数据的步骤，包括：
5.根据权利要求4所述的一种基于脑电信号和人工智能分类的医疗诊断辅助系统，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。