基于变分贝叶斯抑郁症的脑电信号识别研究

发布时间：2020-05-22 04:02

【摘要】：抑郁症是一种常见的精神疾病,以心境低落和悲观为主要特征,症状严重时可能会产生自杀行为。由于抑郁症患者数量逐年增加,诊断结果受主观因素影响,容易造成误诊和漏诊,所以急需提高其诊断的准确性。通过对抑郁症脑电信号的研究现状、处理和分析方法的综合分析,发现脑电信号去噪方法和诊断模型的选择对提高诊断准确率至关重要。在去噪处理方面,本文提出了希尔伯特-黄变换(Hilbert-Huang Transform,HHT)结合小波包的去噪方法。采集到的脑电信号含有噪声,通过小波包算法进一步处理HHT中得到的含噪固有模态函数(Intrinsic Mode Function,IMF)分量,可使去噪后的重构信号保留更多有效的信息。在诊断模型的建立方面,由于脑电信号中存在很大的不确定性,采用基于概率的表示方法对于分析脑电信号往往能取得很好的效果,故提出在变分贝叶斯理论基础上建立脑电信号的隐马尔可夫诊断模型。首先,利用变分贝叶斯(Variational Bayesian,VB)算法、最大似然(Maximum Likelihood,ML)算法和最大后验(Maximum A Posteriori,MAP)算法对隐马尔科夫模型(Hidden Markov Model,HMM)进行参数估计及分析。然后,在合成数据上比较VB和ML算法得到的隐马尔科夫模型,实验结果显示VB算法可以避免ML算法中出现的过拟合现象。最后,把去噪处理后的脑电信号的波动指数作为诊断模型的输入,比较三种算法下的隐马尔科夫模型的识别率,实验结果表明VB算法下的隐马尔科夫模型对抑郁组和健康对照组的识别率最高,可达到91.2%。
【图文】：

采集系统,硬件,脑电

1 实验过程1. 受试者的选择本文的实验涉及抑郁组和健康对照组。实验对象由 15 名健康者和 15 名抑郁组成，为保证结果质量，要求受试者年龄在 20~55 岁之间（23.7±10.2 岁；平均准差），右利手，听力健全，智力正常，受教育背景要求高于小学。其他要求)抑郁组：PHQ-9 得分在 10 分及以上的受试者和 DASS-21 评分 14 分及以上的受类为抑郁组；(2)健康对照组：问卷得分归类为健康的受试者。下列受试者将被实验之外：长期服用睡眠药物，患有高血压或心脏病，怀孕，哺乳或服用避孕慢性身体疾病，三代以内的家庭成员患有心理障碍，在一年内滥用酒精或心理药2. 实验设备用于采集脑电数据的设备主要包括 3IT_EHV1 脑电帽，8 通道的 OpenBCI_V3 以及配套的 GUI 数据分析软件 OpenBCI_GUI。（1）脑电帽：3IT_EHV1 脑电帽是全新脑电帽，，全干电极（无需导电膏），enBCI Ultracortex_Mark3/4 系列脑电帽。如图 4.1(a)所示。

界面图,数据采集,界面,数据分析软件

8 个独立的信号采集通道，主控为 Arduino UNO，脑电芯片为全球著名半导体商 TI（德州仪器）提供。如图 4.1(b)所示。（3）数据分析软件：数据分析软件 OpenBCI_GUI 为设备的配套软件，可以对采集参数进行设置以及分析数据。实验中各电极的采样频率设置为 250Hz、精度为 8bi带通滤波设置为 0.5Hz~100Hz 以及 50Hz 陷波滤波。如图 4.2 所示。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R749.4;R318;TN911.7

【参考文献】