[发明专利]用于识别成瘾人群的脑电特征筛选方法、成瘾评估方法及系统

权利要求书

1.一种用于识别成瘾人群的脑电特征筛选方法，其特征在于，包括：

从包括成瘾个体和正常个体的人群中采集多份样本数据，所述样本数据中包括多个特征的原始脑电数据；

针对每份原始脑电数据进行去干扰和滤波处理，提取预设频率范围的脑电数据；

分别从每份脑电数据中提取出多个有效特征，所述有效特征包括每个导联位置用于反映脑电趋势的特征指标、每个导联位置上不同波段对应的脑电变化数据以及任意两个导联位置每个波段上的加权相位滞后指数；

依次计算移除任一个或多个种类的有效特征得到的特征组合方案，并分别计算每个所述特征组合方案在多份样本数据中对应的模型复杂度得分，最终基于所述模型复杂度得分从中筛选出一个所述特征组合方案将其中的有效特征作为用于识别成瘾人群的脑电筛选特征。

2.根据权利要求1所述的方法，其特征在于，分别从每份脑电数据中提取出多个有效特征之后还包括：

每份所述脑电数据中包括在睁眼状态和闭眼状态下分别提取的多个特征；

将睁眼状态下的特征值与闭眼状态下的特征值一一对应相减，得到包括多个导联位置用于反映脑电趋势的特征指标、不同波段对应的脑电变化数据以及任意两个导联位置每个波段上的加权相位滞后指数的多个所述有效特征。

3.根据权利要求1所述的方法，其特征在于，针对每份原始脑电数据进行去干扰和滤波处理，提取预设频率范围的脑电数据的方法包括：

采用mne软件工具对每份原始脑电数据进行预处理，通过陷波操作去除交流电干扰；

通过带通滤波操作提取预设频率范围为0.1Hz-70Hz的脑电数据。

4.根据权利要求1所述的方法，其特征在于，分别从每份脑电数据中提取出多个有效特征的方法包括：

从预设频率范围内获取每个导联位置的用于反映脑电趋势的特征指标，每个导联位置上不同波段对应的脑电变化数据以及任意两个导联位置每个波段上的加权相位滞后指数；其中，

所述特征指标包括去趋势波动分析指标、Higuchi分形维数指标、Petrosian分形维数指标、均值指标、标准差指标和变异系数指标中的一种或多种；

所述不同波段对应的脑电变化数据包括利用短时傅里叶变换计算得到的1-4Hz的delta波段、4-8Hz的theta波段、8-13Hz的alpha波段、13-30Hz的beta波段、30-44Hz的gamma波段以及44-70Hz的High-gamma波段的脑电变化数据；

所述任意两个导联位置每个波段上的加权相位滞后指数是指在任意两个不同导联位置上处于每个相同波段的加权相位滞后指数。

5.根据权利要求4所述的方法，其特征在于，依次计算移除任一个或多个种类的有效特征得到的特征组合方案，并分别计算每个所述特征组合方案在多份样本数据中对应的模型复杂度得分，最终基于所述模型复杂度得分从中筛选出一个所述特征组合方案将其中的有效特征作为用于识别成瘾人群的脑电筛选特征的方法包括：

S1，利用非参数检验方法对有效特征进行初筛过滤，获取脑电数据中剩余的有效特征；

S2，统计脑电数据中的剩余有效特征，依次移除其中一个有效特征对应得到一组特征组合方案，直至全部的有效特征均被轮询移除后对应得到多组特征组合方案；

S3，采用预先训练的机器学习模型对每组特征组合方案进行概率预测的计算；

S4，将每组特征组合方案对应的计算结果利用贝叶斯信息准则计算当前轮每一组特征组合方案对应的模型复杂度得分；

S5，筛选出此轮中模型复杂度得分最小的特征组合方案，获取其中被移除的有效特征；

S6，将筛选出的被移除的有效特征从剩余有效特征种类中移除，并返回步骤S2，直至移除任一个有效特征都会导致当前轮的模型复杂度得分相对于上一轮的模型复杂度得分升高或者剩下的有效特征总数达到阈值，则结束轮询；

S7，统计剩余的有效特征，将对应的特征组合方案中的有效特征作为用于识别成瘾人群的脑电筛选特征。