本技術涉及醫(yī)療設備，特別涉及一種基于腦電圖信號分析的抑郁癥檢測設備。

背景技術：

1、抑郁癥是一種嚴重的精神障礙，表現(xiàn)為持續(xù)的悲傷情緒，并存在潛在的自殺傾向。根據(jù)世界衛(wèi)生組織(who)的數(shù)據(jù)，截至2023年，全球已有超過2.64億人受到抑郁癥的困擾，這使得早期診斷和及時干預顯得尤為重要。

2、然而，傳統(tǒng)的抑郁癥診斷方法存在一些局限性。這些方法通常包括功能性磁共振成像、漢密爾頓抑郁量表以及自報告問卷等，它們往往需要專業(yè)的醫(yī)療保健人員進行指導和分析。但這樣的診斷過程不僅可能受到主觀感知或患者情緒波動的影響，導致結果的不準確性，而且往往費用高昂、耗時且工作量大。

3、特別是傳統(tǒng)的腦電信號采集系統(tǒng)，它們在體積上相對較大，不便攜帶，且通常需要使用腦電導電膠來協(xié)助腦電帽提高信號收集效率。這樣的采集方式限制了腦電信號在更廣泛場合的應用。更需要注意的是，腦電圖信號本身具有高度隨機性和非平穩(wěn)性的特點。正常的腦電信號往往以數(shù)十微伏的混合頻率成分進行記錄，這使得信號的分析變得更為復雜。同時，使用商業(yè)水凝膠電極采集腦電信號時，環(huán)境噪音和參與者的相關變量也可能對信號產(chǎn)生干擾，進一步增加了分析的難度。

技術實現(xiàn)思路

1、本技術旨在至少解決現(xiàn)有技術中存在的技術問題之一。為此，本技術提出一種基于腦電圖信號分析的抑郁癥檢測設備，能夠對腦電圖信號進行解釋處理，提高檢測的效率以及檢測結果的準確性。

2、本技術提供了一種基于腦電圖信號分析的抑郁癥檢測設備，包括：

3、皮膚樣電極，所述皮膚樣電極用于粘附于檢測者的前額，以采集對應檢測者的腦電圖信號；

4、處理模塊，所述處理模塊與所述皮膚樣電極通信連接，用于：

5、獲取所述腦電圖信號，并對所述腦電圖信號進行預處理，得到目標腦電圖數(shù)據(jù)；

6、對所述目標腦電圖數(shù)據(jù)進行特征提取，得到若干個線性特征和非線性特征；

7、將所述線性特征和所述非線性特征輸入至訓練好的預測模型中，得到預測結果。

8、根據(jù)本技術實施例的基于腦電圖信號分析的抑郁癥檢測設備，至少具有如下有益效果：通過使用皮膚樣電極粘附于檢測者的前額，該設備顯著減小了傳統(tǒng)腦電信號采集系統(tǒng)的體積，實現(xiàn)了更為便攜的設計。同時，處理模塊負責獲取腦電圖信號，并對其進行預處理，其中該預處理可以為對信號的濾波、去噪、信號增強等操作，消除或減少干擾因素對信號質量的影響，接下來，處理模塊對預處理后的目標腦電圖數(shù)據(jù)進行特征提取，通過算法技術，提取出若干個線性特征和非線性特征，這些特征能夠反映腦電信號在抑郁癥患者中的特異性變化。將提取出的線性特征和非線性特征輸入至訓練好的預測模型中，以得到預測結果，處理模塊能夠清晰地解釋模型預測結果的原因和依據(jù)。這種可解釋性不僅增強了預測結果的置信度，還有助于醫(yī)生或研究人員更好地理解抑郁癥患者的腦電信號變化，從而進行更加精準的診斷和干預。該檢測設備能夠對腦電信號算法具有可解釋性，可以更深入地了解抑郁癥患者腦電信號的變化規(guī)律，處理模塊提高了檢測效率和精度，為抑郁癥的早期診斷和干預提供了有力支持，能夠對腦電圖信號進行解釋處理，不僅體現(xiàn)在提高診斷的準確性和可靠性上，還有助于降低診斷成本和時間成本，促進抑郁癥患者的及時治療和康復。

9、根據(jù)本技術的一些實施例，所述對所述腦電圖信號進行預處理，得到目標腦電圖數(shù)據(jù)，包括：

10、去除所述腦電圖信號的無效數(shù)據(jù)值，并按照預設的頻率對所述腦電圖信號的時間序列，得到目標腦電圖信號；

11、將所述目標腦電圖信號切分為固定長度的數(shù)據(jù)樣本，相鄰的所述數(shù)據(jù)樣本之間具有預設長度的重復段。

12、根據(jù)本技術的一些實施例，所述去除所述腦電圖信號的無效數(shù)據(jù)值，并按照預設的頻率對所述腦電圖信號的時間序列，得到目標腦電圖信號，包括：

13、去除所述腦電圖信號中為0的無效數(shù)據(jù)值，并按512hz的頻率對所述腦電圖信號的時間序列，得到目標腦電圖信號；

14、所述將所述目標腦電圖信號切分為固定長度的數(shù)據(jù)樣本，相鄰的所述數(shù)據(jù)樣本之間具有預設長度的重復段，包括：

15、將所述目標腦電圖信號按照2秒的時序長度切分為數(shù)據(jù)樣本，相鄰的所述數(shù)據(jù)樣本之間具有50％重復率的重復段。

16、根據(jù)本技術的一些實施例，所述對所述目標腦電圖數(shù)據(jù)進行特征提取，得到若干個線性特征和非線性特征，包括：

17、對所述目標腦電圖數(shù)據(jù)進行傅里葉變換處理，得到不同頻率波段的線性特征和非線性特征。

18、根據(jù)本技術的一些實施例，所述線性特征包括：原始值均值、原始值標準差、注意力均值、注意力標準差、δ波均值、θ波均值、低α波均值、高α波均值、低β波均值、高β波均值、低γ波均值、中γ波均值、低β波均值/θ波均值和高β波均值/θ波均值。

19、根據(jù)本技術的一些實施例，所述非線性特征包括：復雜度系數(shù)和功率譜熵。

20、根據(jù)本技術的一些實施例，所述將所述線性特征和所述非線性特征輸入至訓練好的預測模型中，得到預測結果，包括：

21、將所述線性特征和所述非線性特征輸入至訓練好的預測模型中，計算每個所述線性特征對應的評分值、以及每個所述非線性特征的評分值；

22、根據(jù)每個所述線性特征對應的評分值和每個所述非線性特征的評分值，計算對應檢測者的潛在值；

23、根據(jù)所述潛在值，得到預測結果。

24、根據(jù)本技術的一些實施例，所述計算每個線性特征對應的評分值，包括：

25、獲取每個所述線性特征對應的權值、每個所述非線性特征對應的權值；

26、根據(jù)所述線性特征和對應的權值，計算每個所述線性特征對應的評分值；

27、根據(jù)所述非線性特征和對應的權值，計算每個所述非線性特征對應的評分值。

28、根據(jù)本技術的一些實施例，每個所述線性特征的權值和所述非線性特征對應的權值從大到小依次為：所述注意力均值對應的權值、所述原始值標準差對應的權值、所述低γ波均值對應的權值、所述δ波均值對應的權值、所述中γ波均值對應的權值、所述低α波均值對應的權值、所述高α波均值對應的權值、所述功率譜熵對應的權值、所述高β波均值對應的權值、所述θ波均值對應的權值、所述高β波均值/θ波均值對應的權值、所述低β波均值對應的權值、所述低β波均值/θ波均值對應的權值、所述復雜度系數(shù)對應的權值、所述原始值均值對應的權值。

29、根據(jù)本技術的一些實施例，每個所述線性特征的權值和所述非線性特征對應的權值通過以下的方法步驟確定的：

30、通過所述皮膚樣電極獲取若干個健康者的正常腦電圖信號，以及若干個抑郁癥患者的異常腦電圖信號；

31、對所述正常腦電圖信號和所述異常腦電圖信號進行處理，分別得到正常線性特征、正常非線性特征和異常線性特征、異常非線性特征；

32、根據(jù)同一類型的所述正常線性特征和所述異常線性特征、同一類型的所述正常非線性特征和所述異常非線性特征的相關度，確定每個所述線性特征的權值和所述非線性特征對應的權值。

33、本技術的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。