【技术实现步骤摘要】
本专利技术涉及中药功效评价，特别涉及基于情绪的中药功效评价方法。
技术介绍
1、人们每天都在经历并感受着情绪的变化。情绪是个体的复杂心理过程，情绪既可以是正面的，也可以是负面的。正性情绪可以使人感到舒适，有利于人体的健康，而负性情绪会对人们的生活造成不良影响，损害身心健康，引发各种疾病。情绪与五脏关系密切。五脏、六腑、眼耳鼻舌身、皮肉筋骨脉都是情绪问题的靶器官，情绪状态依赖于五脏精血的充盈和阴阳平衡。气机运动也是引发情绪问题的重要因素，气机的正常也依赖于脏腑功能及气血的调畅。怒则气上，喜则气缓，悲则气消，恐则气下，寒则气收，热则气泄，惊则气乱，劳则气耗，思则气结，气机不调会引发诸多的不良情绪，最终又伤及脏腑。
2、面对复杂的情绪问题，需要寻找一种安全、方便、有效的方法，调节不良情绪，改善身心健康。中药中有一类特殊的中药，即芳香中药。芳香中药以“香”取效，芳香中药之“香”善窜，或入腠理，或走经络，或达脏腑，而心主神明，肺司呼吸，脑为元明之府，通过心、脑、肺等脏腑奏“香”之功，其功效包含解表发散、解肌止痛、行气活血、舒络活经、协调脏腑、扶正固本、健脾化湿、化湿开窍、醒脑开窍等。芳香中药最广泛的应用形式是芳香疗法，属于中医外治法的范畴，中医内病外治是临床中十分重要的治疗手段，是发挥芳香中药药物特色的重要方法之一。芳香疗法可以减轻各种生理过程和疾病的症状，改善常见的情绪症状，包括忧郁、压力、疼痛、焦虑和疲劳等，根据人体情绪状态和机体特征，辨证用“香”，有效发挥“香”之功效，对不良情绪的调节产生有益的影响。
3、随
技术实现思路
1、本专利技术要解决的技术问题是提供一种可以较为客观、快速、有效地评价中药情绪调节功效的方法。
2、为解决上述技术问题，本专利技术采用以下技术方案，一种基于情绪的中药功效评价方法，其特征在于，包括以下步骤：
3、a、通过生物信号检测系统采集受试者使用中药前和使用中药后的生物信号；
4、b、选定步骤a中采集的生物信号，进行生物信号特征处理，采用生物信号计算方法，计算待测人中药使用前和使用后的情绪状态评分；
5、c、根据步骤b计算所得的评分，利用评分方法，评价中药情绪调节功效。
6、可选的，所述检测系统采集的生物信号包括脑电、心率、呼吸率、体温、血压、脉率信号中的一种或多种。所述脑电信号包括1条或多条通道。
7、可选的，所述生物信号特征处理方法包括原始特征数据预处理、关键特征提取、特征融合，融合特征矩阵构建，连续特征离散化。
8、可选的，所述数据预处理对原始数据进行清洗，数据预处理方法包括缺失值填补、异常值删除、重复值删除、噪声剔除等，经过所述预处理方法后得到的数据可以有效改善数据脏、乱、差的问题。
9、可选的，所述关键特征提取是基于所述预处理数据进行特征分析，表征关键特征的数据在各个所述情绪状态下的阳性和阴性待测人数据之间存在显著性差异。利用曼-惠特尼 u检验比较各个所述情绪状态的特征在不同状态下是否存在显著性差异性，以 p<0.05作为检验标准，当显著性概率小于0.05时，表明该特征存在显著性差异。
10、可选的，所述特征融合采用串行特征融合策略，对于不同特征空间，假设两个特征向量为x1和x2，串行融合策略按照x=x1+x2的原则对两个特征向量进行融合，即将特征向量直接进行拼接构成一个多维的融合特征向量。
11、可选的，所述连续特征离散化基于信息价值采用最优iv值分箱法将连续型特征通过分箱的方式离散化，可以有效降低特征复杂度和冗余性，增加特征预测能力，提高模型的稳健性。
12、可选的，所述生物信号计算方法是基于所述特征处理后的生物信号构建所述情绪状态预测模型，所述预测模型采用的算法为逻辑回归算法，并对所述逻辑回归算法中的参数进行优化，所述参数包括penalty、solver、c、max_iter、class_weight，经过所述参数优化后的模型预测性能提升，所述预测模型采用的性能评价指标包括混淆矩阵、准确率、精确率、召回率、f1-score、特异度、假正率、真正率、roc曲线和auc值。
13、可选的，所述评分方法通过计算所述生物信号分数得到情绪状态评分。所述评分方法以所述情绪状态预测模型为基础，预测各个情绪状态的阳性概率，通过概率分数转换算法，将各个所述阳性概率转换成分数，按照总评分计算公式得到评分卡。所述评分方法的总评分计算公式如式所示：
14、其中，a、b为常数，为模型的参数，表示第i个变量的第j个分箱，表示第i个变量的第j个分箱的woe值。
15、可选的，所述评分卡可以实时、高效、科学地评价中药作用下的躯体化症状、强迫症状、人际关系敏感、忧郁、焦虑、敌对、恐怖、偏执、精神病性、其他及总体情绪状态，根据评分结果分析中药对所述情绪状态的作用效果，形成基于所述评分卡的情绪调节功效评价方法。
本文档来自技高网...【技术保护点】
1.一种基于情绪的中药功效评价方法，其特征在于，包含以下步骤：
2.在根据权利要求1所述的生物信号检测系统，其特征在于，所述检测系统采集的生物信号包括脑电、心率、呼吸率、体温、血压、脉率信号中的一种或多种。所述脑电信号包括一条或多条通道。
3.根据权利要求1所述的生物信号特征处理，其特征在于，所述生物信号特征处理方法包括原始特征数据预处理、关键特征提取、特征融合，融合特征矩阵构建，连续特征离散化。
4.根据权利要求3所述的原始特征数据预处理，其特征在于，所述数据预处理对原始数据进行清洗，数据预处理方法包括缺失值填补、异常值删除、重复值删除、噪声剔除等，经过所述预处理方法后得到的数据可以有效改善数据脏、乱、差的问题。
5.根据权利要求3所述的关键特征提取，其特征在于，所述关键特征提取是基于所述预处理数据进行特征分析，表征关键特征的数据在各个所述情绪状态下的阳性和阴性待测人数据之间存在显著性差异。利用曼-惠特尼U检验比较各个所述情绪状态的特征在不同状态下是否存在显著性差异性，以P<0.05作为检验标准，当显著性概率小于0.05时，
6.根据权利要求3所述的特征融合，其特征在于，所述特征融合采用串行特征融合策略，对于不同特征空间，假设两个特征向量为x1和x2，串行融合策略按照x=x1+x2的原则对两个特征向量进行融合，即将特征向量直接进行拼接构成一个多维的融合特征向量。
7.根据权利要求3所述的连续特征离散化，其特征在于，所述连续特征离散化基于信息价值采用最优IV值分箱法将连续型特征通过分箱的方式离散化，可以有效降低特征复杂度和冗余性，增加特征预测能力，提高模型的稳健性。
8.根据权利要求1所述的生物信号计算方法，其特征在于，所述生物信号计算方法是基于所述特征处理后的生物信号构建所述情绪状态预测模型，所述预测模型采用的算法为逻辑回归算法，并对所述逻辑回归算法中的参数进行优化，所述参数包括penalty、solver、C、max_iter、class_Weight，经过所述参数优化后的模型预测性能提升，所述预测模型采用的性能评价指标包括混淆矩阵、准确率、精确率、召回率、F1-score、特异度、假正率、真正率、ROC曲线和AUC值。
9.根据权利要求1所述的评分方法，其特征在于，所述评分方法通过计算所述生物信号分数得到情绪状态评分。所述评分方法以所述情绪状态预测模型为基础，预测各个情绪状态的阳性概率，通过概率分数转换算法，将各个所述阳性概率转换成分数，按照总评分计算公式得到评分卡。所述评分方法的总评分计算公式如下式所示：
10.根据权利要求9所述的评分卡，其特征在于，所述评分卡可以实时、高效、科学地评价中药作用下的躯体化症状、强迫症状、人际关系敏感、忧郁、焦虑、敌对、恐怖、偏执、精神病性、其他及总体情绪状态，根据评分结果分析中药对所述情绪状态的作用效果，形成基于所述评分卡的情绪调节功效评价方法。
...【技术特征摘要】
1.一种基于情绪的中药功效评价方法，其特征在于，包含以下步骤：
2.在根据权利要求1所述的生物信号检测系统，其特征在于，所述检测系统采集的生物信号包括脑电、心率、呼吸率、体温、血压、脉率信号中的一种或多种。所述脑电信号包括一条或多条通道。
3.根据权利要求1所述的生物信号特征处理，其特征在于，所述生物信号特征处理方法包括原始特征数据预处理、关键特征提取、特征融合，融合特征矩阵构建，连续特征离散化。
4.根据权利要求3所述的原始特征数据预处理，其特征在于，所述数据预处理对原始数据进行清洗，数据预处理方法包括缺失值填补、异常值删除、重复值删除、噪声剔除等，经过所述预处理方法后得到的数据可以有效改善数据脏、乱、差的问题。
5.根据权利要求3所述的关键特征提取，其特征在于，所述关键特征提取是基于所述预处理数据进行特征分析，表征关键特征的数据在各个所述情绪状态下的阳性和阴性待测人数据之间存在显著性差异。利用曼-惠特尼u检验比较各个所述情绪状态的特征在不同状态下是否存在显著性差异性，以p<0.05作为检验标准，当显著性概率小于0.05时，表明该特征存在显著性差异。
6.根据权利要求3所述的特征融合，其特征在于，所述特征融合采用串行特征融合策略，对于不同特征空间，假设两个特征向量为x1和x2，串行融合策略按照x=x1+x2的原则对两个特征向量进行融合，即将特征向量直接进行拼接构成一个多维的融合特征向量。
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。