[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

说明书

本发明公开一种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，涉及医疗设备技术领域，能够从众多脑电特征中筛选出能够用户识别成瘾人群的脑电特征，提升成瘾人群识别的准确率。该用于识别成瘾人群的脑电特征筛选方法包括：从包括成瘾个体和正常个体的人群中采集多份样本数据；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；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，并分别计算每个特征组合方案在多份样本数据中对应的模型复杂度得分，基于模型复杂度得分从中筛选出一个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。

技术领域

本发明涉及医疗诊断技术领域，尤其涉及一种用于识别成瘾人群的脑电 特征筛选方法、成瘾人群识别方法及系统。

背景技术

药物依赖的病因学及病理机制非常复杂，在药物依赖发展过程中，中枢 神经系统在分子、细胞、环路等水平发生一系列神经适应性改变，疾病不同 阶段具有不同神经生物学基础。其中，甲基苯丙胺具有很强的神经毒性，慢 性甲基苯丙胺使用出现认知功能损害，出现脑功能结构及脑功能异常等，这 些病理改变导致对毒品相关注意偏倚、冲动性及抑制功能下降等，使吸毒者 陷入吸毒-戒断-复吸的恶性循环。在治疗MA依赖方面，国际上尚缺乏高效的 客观诊断物质依赖的系统。随着科技发展，采用大数据分析与机器学习模型 等研究用于甲基苯丙胺患者的筛查和诊断评估，包括从分子、电生理、神经 认知及临床等多维度研发甲基苯丙胺依赖的客观指标体系，并基于此开发新 型干预将是重要的发展方向。

但目前已有的诊断评估模型主要基于临床评估或认知行为特征进行预测， 如2016年Ahn等利用人口学特征和行为学指标等开发了苯丙胺类物质成瘾和 阿片类成瘾的一款诊断模型，两种物质成瘾的诊断准确率达到71.2％和86.3％， 虽然该工具具备一定的诊断效力，但这项工具缺乏外部验证，也使得分类的 准确性存在过拟合的风险。在既往开发的工具中，这是一个非常常见的问题， 也导致许多工具难以进一步应用于临床。另外，主观性大是临床评估的常见 问题，尤其是在许多国家非法物质滥用属于违法问题，患者多难以配合完成 诊断和评估，这导致不同时间和环境下获得的结果存在差异，模型的准确性和可应用性受到很大影响。

基于客观指标开发辅助诊断评估模型是另一重要思路，脑电生理数据是 精神科广泛使用的临床检测项目，具有评估操作简易，携带便捷等优点。脑 电能够反映大脑在不同状态下的生理活动。相较于临床量表信息，脑电生理 数据具有高维度特征，具备挖掘当前还不被发现的疾病病理生理特征并提高 诊断准确率的潜力。在临床工作中，静息态是最为常用到脑电检测范式。传 统上多关注频域特征，包括α、β、ε、δ、γ等频段。研究发现物质依赖 患者表现出特定频段下能量的异常，这在酒精、甲基苯丙胺等物质依赖人群 中均被发现，为临床提供了辅助诊疗的意义。此外，在研究中还发现物质依 赖人群在功能连接和脑电信号复杂度等特征上存在异常。这些表现出显著差 异的特征是我们开发高准确率的辅助诊断预测模型的方向。然而目前这些指 标并没有真正在临床中有所应用，且极少研究整合这些指标共同反映物质依 赖的疾病特异性。在传统脑电生理数据分析中，这些指标的挖掘为我们理解 物质依赖提供了帮助，然而，脑电指标具备高时间分辨率，能够转化成更为 广泛的指标来反映疾病特点，这些复杂多样的指标难以被人脑直接理解，但 通过大数据分析和机器学习的方法可能为有效辅助诊断物质成瘾提供重要帮 助，并推动客观指标在精神科临床中的应用。

发明内容

本发明的目的在于提供一种用于识别成瘾人群的脑电特征筛选方法、成 瘾人群识别方法及系统，能够从众多脑电特征中筛选出能够用户识别成瘾人 群的脑电特征，提升成瘾人群识别的准确率。

为了实现上述目的，本发明的第一方面提供一种用于识别成瘾人群的脑 电特征筛选方法，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；