【技术实现步骤摘要】
本专利技术涉及医疗数据处理，尤其涉及一种抑郁症检测系统。
技术介绍
1、在抑郁症检测领域，随着生物标志物研究的深入，基于电子鼻理念的呼吸分析技术正逐渐展现出其潜力。该技术通过高精度传感器阵列检测患者口呼出气中的挥发性有机化合物（vocs），这些化合物含量与人体生理状态及心理状态密切相关，为抑郁症等精神疾病的非侵入性检测提供了新的视角。
2、当前的呼吸分析设备分为有气袋呼吸分析设备和无气袋呼吸分析设备，其中，无气袋呼吸分析设备内部设有储存气体的中介舱，通过向中介舱直接吹气对抑郁症进行检测，无气袋呼吸分析设备在使用过程中需要排出中介舱中的干扰气体，传统解决方案为让被测试者尽可能多的吹气，使中介舱中充满待测气体，把干扰气体排出中介舱。
3、然而，上述方案对被测试者要求高，长时间大量的吹气增加了患者的负担及设备的使用门槛，难以保证干扰气体是被排出中介舱而不是与待测气体混合，进而影响抑郁症检测的准确性。
技术实现思路
1、为解决上述问题，本专利技术公开了一种抑郁症检测系统。
2、本专利技术公开了一种抑郁症检测系统，包括：呼出气体收集模块、波形信号采集模块和检测模块；
3、所述呼出气体收集模块的气体通道沿呼出气体的流动方向逐渐收窄，用于通过在所述气体通道的进气口处和出气口处制造流速差，排出气体通道内的原有气体并收集呼出气体；
4、所述波形信号采集模块与所述呼出气体收集模块连接，用于采集呼出气体的波形信号；
5、所述检测模块
6、优选的，所述气体通道的进气口中轴线与出气口中轴线在预设的一点处相交。
7、优选的，所述波形信号采集模块包括固体电解质二氧化碳传感器、对可燃类气体敏感的传感器以及对恶臭味气体敏感的传感器。
8、优选的，所述检测模块包括特征提取单元、特征选择单元和抑郁症检测单元；
9、所述特征提取单元与所述波形信号采集模块连接，用于对所述波形信号进行特征提取，得到特征集合；
10、所述特征选择单元与所述特征提取单元连接，用于对所述特征集合进行选择，得到最优特征子集；
11、所述抑郁症检测单元与所述特征选择单元连接，用于根据所述最优特征子集进行抑郁症检测。
12、优选的，对所述特征集合进行选择，得到最优特征子集，具体为：
13、基于融合inf-fss和svm-rfe的特征选择算法，对所述特征集合进行选择，得到最优特征子集。
14、优选的，基于融合inf-fss和svm-rfe的特征选择算法，对所述特征集合进行选择，得到最优特征子集，具体为：
15、根据inf-fss算法和所述特征集合，得到邻阶矩阵；
16、根据svm-rfe算法和所述特征集合，得到权重矩阵；
17、根据所述邻阶矩阵和所述权重矩阵，对所述特征集合进行选择，得到最优特征子集。
18、优选的，根据所述邻阶矩阵和所述权重矩阵，对所述特征集合进行选择，得到最优特征子集，具体为：
19、根据所述邻阶矩阵和所述权重矩阵得到第一特征重要性得分和第二特征重要性得分；
20、对所述第一特征重要性得分和所述第二特征重要性得分进行归一化求和，得到最终特征重要性得分；
21、根据所述最终特征重要性得分，对所述特征集合进行选择，得到最优特征子集。
22、优选的，对所述波形信号进行特征提取，具体为：
23、对所述波形信号进行瞬态特征提取、频域特征提取以及分解信号特征提取中的至少一种。
24、优选的，根据所述最优特征子集进行抑郁症检测，具体为：
25、将所述最优特征子集输入分类模型，得到所述最优特征子集对应的分类准确率；
26、根据所述分类准确率进行抑郁症检测。
27、相较于现有技术，本专利技术具有如下有益效果：
28、（1）本专利技术将呼出气体收集模块的气体通道设置为沿呼出气体流动方向逐渐收窄的形状，呼出气体进入气体通道的部分体积大，流速小；离开气体通道的部分体积小，流速大，使得气体通道内原有气体排放更加彻底；进一步的，进气口部分流速较慢，一方面使得测试者可以在更轻松的状态下完成吹气，不需要过度用力或长时间持续吹气；另一方面有助于呼出气体在气体通道内更加均匀地分布，减少了气体流动中的湍流和涡流现象，降低了对气体样本的扰动和破坏，有利于保持气体样本的原始特性和组成，便于后续的精确分析；
29、（2）本专利技术的气体通道出气口较窄，由于空间的限制和流速的增加，气体分子间的碰撞和扩散作用加强，有助于将残留在气体通道内的干扰气体进一步推向出气口并排出，提高抑郁症检测的准确度；
30、（3）本专利技术的波形信号采集模块设置了多个传感器，能够采集不同呼出气体的波形信号，为抑郁症的检测提供多维度的参考数据；
31、（4）本专利技术的系统通过同时使用瞬态特征、频域特征以及信号分解特征来分析波形信号，有助于更全面、准确地对抑郁症进行检测；
32、（5）本专利技术结合使用邻阶矩阵和权重矩阵，有助于发现特征之间的潜在关系和相互作用，选出更加精炼和高效的最优特征子集，从而提高抑郁症检测的准确性。
本文档来自技高网...【技术保护点】
1.一种抑郁症检测系统，其特征在于，包括：呼出气体收集模块、波形信号采集模块和检测模块；
2.根据权利要求1所述的抑郁症检测系统，其特征在于，所述气体通道的进气口中轴线与出气口中轴线在预设的一点处相交。
3.根据权利要求1所述的抑郁症检测系统，其特征在于，所述波形信号采集模块包括固体电解质二氧化碳传感器、对可燃类气体敏感的传感器以及对恶臭味气体敏感的传感器。
4.根据权利要求1所述的抑郁症检测系统，其特征在于，所述检测模块包括特征提取单元、特征选择单元和抑郁症检测单元；
5.根据权利要求4所述的抑郁症检测系统，其特征在于，对所述特征集合进行选择，得到最优特征子集，具体为：
6.根据权利要求5所述的抑郁症检测系统，其特征在于，基于融合Inf-FSs和SVM-RFE的特征选择算法，对所述特征集合进行选择，得到最优特征子集，具体为：
7.根据权利要求6所述的抑郁症检测系统，其特征在于，根据所述邻阶矩阵和所述权重矩阵，对所述特征集合进行选择，得到最优特征子集，具体为：
8.根据权利要求4所述的抑郁症检测系
9.根据权利要求4所述的抑郁症检测系统，其特征在于，根据所述最优特征子集进行抑郁症检测，具体为：
...【技术特征摘要】
1.一种抑郁症检测系统，其特征在于，包括：呼出气体收集模块、波形信号采集模块和检测模块；
2.根据权利要求1所述的抑郁症检测系统，其特征在于，所述气体通道的进气口中轴线与出气口中轴线在预设的一点处相交。
3.根据权利要求1所述的抑郁症检测系统，其特征在于，所述波形信号采集模块包括固体电解质二氧化碳传感器、对可燃类气体敏感的传感器以及对恶臭味气体敏感的传感器。
4.根据权利要求1所述的抑郁症检测系统，其特征在于，所述检测模块包括特征提取单元、特征选择单元和抑郁症检测单元；
5.根据权利要求4所述的抑郁症检测系统，其特征在于，对...
【专利技术属性】
技术研发人员：高原，张成龙，陈子洋，郭超勋，张大鹏，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：
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。