[发明专利]一种基于图互信息最大化的抑郁症患者脑电识别系统

说明书

本发明提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，包括：数据获取模块，被配置为：获取待识别的脑电信号并进行预处理；特征提取模块，被配置为：根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；抑郁症识别模块，被配置为：根据获取的特征向量和预设分类模型，得到抑郁症识别结果；其中，预设特征提取模型的训练，包括：根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部‑全局互信息最大化的对比学习训练图卷积神经网络的输出层；本发明利用图互信息最大化方法，充分利用了多通道信号及其相关性，实现了基于MDD脑电信号的更准确的抑郁症识别。

技术领域

本发明涉及医疗数据处理技术领域，特别涉及一种基于图互信息最大化的抑郁症患者脑电识别系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。

重度抑郁症(Major Depressive Disorder，MDD)是一种常见的精神疾病，其特征是持续的情绪低落，快感不足，悲伤和认知障碍，严重影响人们的生活质量。

目前，功能性磁共振成像(functional Magnetic Resonance Imaging，fMRI)、脑电图(Electroencephalogram，EEG)、脑磁图(Magnetoencephalography，MEG)等不同的神经生理学技术被广泛应用于评估MDD静息状态下的脑功能连接模式。特别是脑电图，由于其高时间分辨率、无创、相对低成本、便携性和实用性的优势，有潜力成为识别MDD振荡活动细微变化的有效生物标志物。

在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：

由于抑郁患者脑电的形式非常复杂，抑郁患者的识别仍然存在很多困难，现有的方法大多专注于独立分析每个通道的数据，很少分析信号之间的关系，不能完全利用丰富的数据信息，并且现有的方法识别准确度较低。

发明内容

为了解决现有技术的不足，本发明提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，利用图互信息最大化方法，充分利用了多通道信号及其相关性，实现了基于MDD脑电信号的更准确的抑郁症识别。

为了实现上述目的，本发明采用如下技术方案：

本发明第一方面提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，包括：

数据获取模块，被配置为：获取待识别的脑电信号并进行预处理；

特征提取模块，被配置为：根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；

抑郁症识别模块，被配置为：根据获取的特征向量和预设分类模型，得到抑郁症识别结果；

其中，预设特征提取模型的训练，包括：

根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部-全局互信息最大化的对比学习训练图卷积神经网络的输出层。

本发明第二方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如下步骤：

获取待识别的脑电信号并进行预处理；

根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；

根据获取的特征向量和预设分类模型，得到抑郁症识别结果；

其中，预设特征提取模型的训练，包括：

根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部-全局互信息最大化的对比学习训练图卷积神经网络的输出层。