一种基于脑电图频域数据的精神分裂症三分类方法
专利汇可以提供一种基于脑电图频域数据的精神分裂症三分类方法专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种基于 脑电图 频域数据的 精神分裂症 三分类方法，涉及精神分裂症辅助诊断分类领域。所述方法利用自发脑电技术，以在没有诱导的情况下获得受外界干扰较小的脑电图作为精神分裂症辅助诊断的数据来源，通过初始化 数据处理 后，将脑电图时域数据转换为频域数据，再对脑电图频域数据进行频段划分，将分段的数据分别作为矩阵处理，得到数量可控的LES特征，使用基于二次规划的频段权重分配 算法 得到分类效果最好的频域权重，利用 支持向量机 分类算法进行基于脑电图频域数据的精神分裂症的首阶段、健康阶段和临床高危综合征阶段的分类。通过本发明的实施，能够对精神分裂症进行科学而准确的分类，实现基于脑电图数据的精神分裂症辅助诊断。，下面是一种基于脑电图频域数据的精神分裂症三分类方法专利的具体信息内容。
1.一种基于脑电图频域数据的精神分裂症三分类方法，其特征在于，包括如下步骤：
步骤1、数据采集：利用自发脑电波技术，使用电极帽，获得个体的脑电图时域数据；
步骤2、数据预处理：对所述脑电图时域数据进行数据预处理，所述数据预处理包括数据去噪，时频变换与滤波，得到所述脑电图频域数据，对所述脑电图频域数据进行数据分块，得到分块频域矩阵；
步骤3、特征提取：计算所述分块频域矩阵的各个子块的协方差矩阵后，计算各个所述协方差矩阵的LES，并将所述LES作为分类特征；
步骤4、如果所述脑电图时域数据为训练样本数据，则转步骤5，否则转步骤6；
步骤5、分类算法构建与修正，得到修正后的精神分裂症辅助诊断模型：
所述分类算法构建包括以各频段的LES特征和主分类器为基础构建分类算法，依照机器学习算法的流程，完成对所述分块频域矩阵的初步分类；
所述分类算法修正包括采用分频段权重分配算法，根据不同EEG的数据频段对分类精度的贡献，对所述分类算法进行修正，最后得到修正后的所述精神分裂症辅助诊断模型；
步骤6、将经过所述步骤1、所述步骤2和所述步骤3处理过的所述脑电图频域数据输入经过修正后的所述精神分裂症辅助诊断模型，得到精神分裂症三分类的分类结果。
2.如权利要求1所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤2具体包括如下步骤：
步骤2.1、通过fast-ICA算法获取64通道独立成分，通过ADJUST插件探测伪迹干扰并置零，再进一步逆变换回时域信号，去除伪迹干扰；
步骤2.2、用快速傅里叶变换将时域数据转换为频域数据，并去除基线漂移干扰；
步骤2.3、采用高通滤波的方式将低于0.5HZ的基线漂移信号滤除，采用低通滤波的方式滤去高于49.5HZ的频段，去除工频干扰，得到频域数据矩阵；
步骤2.4、以频率为基准将所述频域数据矩阵依据不同的频段范围进行区块划分，得到所述分块频域矩阵。
3.如权利要求2所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤3具体包括如下步骤：
步骤3.1，分块数据标准化处理；提取所述分块频域矩阵的某个子块矩阵，以变量为单位，按行进行z-score标准化，取样本点均值为0、方差为1，得到所述子块矩阵对应的标准化后的所述子块标准矩阵Xp×n；
步骤3.2，计算所述子块标准矩阵Xp×n对应的样本协方差矩阵；
步骤3.3，计算所述子块标准矩阵Xp×n对应的所述样本协方差矩阵的LES；
步骤3.4，重复所述步骤3.1至所述步骤3.3，依次计算所述分块频域矩阵各个所述子块矩阵对应的所述样本协方差矩阵的LES，进而得到所述分块频域矩阵的特征集。
4.如权利要求3所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤3.3包括如下步骤：
步骤3.3.1、计算所述子块标准矩阵Xp×n对应的所述样本协方差矩阵的特征值{λ1,λ2,Λ,λp}，式中p为所述子块标准矩阵Xp×n的行数；
步骤3.3.2、将所述特征值代入检验函数；
步骤3.3.3、将所有所述检验函数的结果求和，得到所述子块标准矩阵Xp×n对应的所述样本协方差矩的LES。
5.如权利要求4所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤3.3.2中采用冯·诺依曼熵作为所述检验函数，所述步骤3.3.3中的所有所述检验函数的结果求和公式如下式所示：
式中n为所述子块标准矩阵Xp×n的列数。
6.如权利要求1或5所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤5中所述分类算法构建中的所述主分类器为SVM分类器，所述SVM分类器核函数采用高斯核函数，所述分类算法的优化目标中添加松弛变量。
7.如权利要求6所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤5中所述分类算法修正包括如下步骤：
步骤5.1：采用基于集成学习的加权投票法重新构建若干个子分类器，获取各个所述子分类器的分类结果；
步骤5.2：采取基于有约束和无约束的二次规划的权重分配方法获取频段特征权重；
步骤5.3：对得到的所述频段特征权重进行后续处理；
步骤5.4：根据所述步骤5.3的结果对所述分类算法进行修正，得到修正后的所述精神分裂症辅助诊断模型。
8.如权利要求7所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤5.3中的所述后续处理包括如下：
步骤5.3.1：权重值离散化；对所述频段特征权重的初始权重值进行离散化处理；所述离散化处理包括如下操作：
将所述初始权重值分为m个层级；
对所述初始权重值的最低值的所述层级赋值为1，所述初始权重值的最高值的所述层级赋值为m；
根据所述初始权重值所落的所述层级所在的区间对其划分到不同的层级，进而得到以单次分类为基准的相对权重；
步骤5.3.2：特征集增广；处于所述层级为1的层级的特征将从所述特征集中排除，而对处于其他权重层级的特征将予以特征数目的倍增；
步骤5.3.3：再分类：按照比例增广后的所述特征集，重新采用所述主分类器进行分类。
9.如权利要求8所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤5.3.2中的所述特征倍增的方法为：基于所述相对权重所在的层级i，对所述层级i区间内的特征数目增广i-1倍，所述i小于等于所述m，且大于1。
10.如权利要求2或9所述的基于脑电图频域数据的精神分裂症三分类方法，其特征在于，所述步骤2.4中所述频域数据矩阵的区块划分包括如下步骤：
步骤2.4.1：所述频域数据矩阵从左到右依据频率由低到高依次排列；
步骤2.4.2：以列为基准，将所述频域数据矩阵划分为若干个频段，相邻所述频段的频率覆盖范围连续，划分的区块数与频段满足如下关系：
式中，B为划分的区块数，Δfk表示第k个区块的频段范围，F为所述频域数据矩阵的频率范围。
一种基于脑电图频域数据的精神分裂症三分类方法
技术领域
背景技术
发明内容
附图说明
具体实施方式
0.5HZ且小于等于49.5HZ；各矩阵区别主要在于不同频段的不同幅值，得到分块频域矩阵；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于倾向性异质装袋算法的钢材质量预测方法 | 2020-05-08 | 500 |
| 一种基于医疗服务的集成信息管理方法 | 2020-05-08 | 729 |
| 一种声乐转换钢琴曲的钢琴学习方法 | 2020-05-08 | 807 |
| 构建基于PU学习的恶意流量检测模型的方法及装置 | 2020-05-12 | 149 |
| 一种汽车无线充电的方法及系统 | 2020-05-12 | 743 |
| 基于长短期记忆网络的梯级水电站发电量预测方法 | 2020-05-13 | 794 |
| 一种基于深度学习的多时相SAR图像变化检测方法 | 2020-05-08 | 459 |
| 一种声乐转换钢琴曲的钢琴学习系统 | 2020-05-08 | 467 |
| 软件众包的任务型对话系统及方法 | 2020-05-11 | 468 |
| 一种基于心率变异性的睡眠分期方法 | 2020-05-11 | 316 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
