[发明专利]一种抑郁症自杀行为的多模式特征信息融合预测方法

权利要求书

1.一种抑郁症自杀行为的多模式特征信息融合预测方法，其特征在于：包括如下步骤：

S1：采集脑电信号，数据采集以单侧乳突作参考电极，对侧乳突作记录电极，并且还对测试者进行三维心理痛苦量表测试以及仿真气球冒险任务测试，分别获得量表评估得分和风险决策行为特征，所述量表评估得分用于获得临床评价指标特征；

S2：对S1中的所述脑电信号数据预处理，包括：

S21：去眼电：通过EOG相关法消除眼电干扰；

S22：转参考：将双侧乳突作为参考电极；

S23：数字滤波：主要为了提高信噪比，消除50Hz工频电源或高频信号的干扰，采用频带宽为0.5-30Hz进行滤波；

S24：降采样率：将采样率降至250Hz重采样；

S25：去除伪迹：剔除幅值超出±100μV的脑电波；

S3：对步骤S2中的预处理后的所述脑电信号数据通过计算各个脑电极之间的相位锁定值检测脑电信号同步性，并且采用所述相位锁定值来构建脑网络；

构建判别函数将S3中的所述脑电信号数据进行分类，设包含l个样本的训练集为输入向量，y_k∈{-1,+1}为类别标识，利用非线性函数φ(.)将原始测量空间中的训练集数据X_i映射到一个高维线性特征空间，在这个维数为无穷大的线性空间中构造最优分类超平面，并得到分类器的判别函数，分类超平面用公式表示为：

w·Φ(x)+b＝0……………………………4

其判别函数为：

y(x)＝sign[(w·Φ(x)+b]……………………………5

设K(x_i,x_j)＝Φ(x_i)·Φ(x_j)为其核函数；

S4：对步骤S3分析得到的所述脑网络的神经信息与步骤S1中的所述量表评估得分以及所述风险决策行为特征进行融合，并通过机器学习进行分类判断；

通过模式识别方法对高风险自杀行为的抑郁病人样本与低风险自杀行为的抑郁病人样本进行分类，采用在两组间存在差异的静息态各频段所述 脑电信号的所述相位锁定值，所述量表评估得分，以及所述风险决策行为特征分别逐一作为特征建立单一特征模型，并将分类准确率达到70％以上的每个所述单一特征模型对应的特征认为是重性抑郁障碍自杀风险的潜在预测指标；然后再将所述潜在预测指标两两组合形成新的复合特征模型，再次对重性抑郁障碍自杀风险进行分类检测。

2.根据权利要求1所述的抑郁症自杀行为的多模式特征信息融合预测方法，其特征在于：步骤S3中：所述脑网络构建包括：

a、选取带通滤波的频率，所述相位锁定值是表示两组信号在特定频段上的同步程度，在分析前，有必要对信号进行某一频段的带通滤波，以便提取目标频段；

b、计算瞬时相位，采取希尔伯特变换将信号分解为独立的相位和幅度成分，获得该信号在每个采样点上的瞬时相位值，希尔伯特变换公式如下:

其中，pv是指柯西主值；

最后，脑电信号x(t)的瞬时相位θ_i(t)计算公式为:

其中x_i′(t)是信号x_i(t)希尔伯特变换的结果；

c、计算相位锁定值，计算脑电信号x(t)和y(t)的瞬时相位后，两个不同电极之间的脑电信号相位锁定值PLV的计算公式如下:

其中，θ(t)表示在t时刻两个信号的相位差，θ(t)＝θ_i(t)-θ_j(t)，N表示该时间段的样本总数；

d、根据c中的数据，得到某一段时间内，指定频段电极对之间的连接矩阵，判断PLV值的变化范围，若PLV值的变化范围为0-1，PLV值越大则表示两个电极对之间的同步性越强，0代表完全不同步，1代表完全同步。