[发明专利]一种基于动态因效性脑网络的抑郁症检测装置

权利要求书

1.一种基于动态因效性脑网络的抑郁症检测装置，其特征在于，所述装置包括：

采集40Hz-O-chirp声刺激下被试的脑电信号，使用滑动窗口对脑电信号加窗，在每一个窗口下，利用基于格兰杰因果思想的偏定向相干算法计算PDC的大小，得到每个时间窗下的PDC邻接矩阵；

基于邻接矩阵计算每个时间窗下的脑网络拓扑特征参数，构建出动态脑网络变化图；计算动态脑连接拓扑参数，用于刻画抑郁症患者的大脑动态变化特征；

将检测到的异常脑连接子网络特征进行特征降维与融合，采用肯德尔相关系数的变体去除分类能力弱的特征，利用支持向量机进行分类模型的构建，使用留一交叉验证法，最终计算模型的准确性、灵敏度、特异性与ROC曲线以评估分类性能。

2.根据权利要求1所述的一种基于动态因效性脑网络的抑郁症检测装置，其特征在于，

使用汉明窗对提取的每一段经过预处理后的脑电信号加窗，窗长为0.6s，步长为0.1s，即在每一个0.6s长的脑电信号下计算PDC矩阵，得到动态因效性脑连接矩阵，构建出对应的动态脑网络；使用网络统计学NBS刻画抑郁症患者的大脑动态变化特征。

3.根据权利要求1所述的一种基于动态因效性脑网络的抑郁症检测装置，其特征在于，所述将检测到的异常脑连接子网络特征进行特征降维与融合，采用肯德尔相关系数的变体去除分类能力弱的特征具体为：

利用NBS识别抑郁症患者脑连接中存在异常的部分，得到P维特征：

P＝N×N×T

其中，N＝30，T为存在异常脑连接的时间窗的数量；

在每一个时间窗口T下，将得到的P维特征进行特征降维，使用肯德尔相关系数去除分类能力弱的特征，相关系数定义如下：

其中，n_c、n_d分别表示一致对和不一致对的数目，m、n分别表示病人和健康人的数目；观测的一对数据{X_ij,Y_j}和{X_ik,Y_k}，X_ij指的是第j个被试的脑连接矩阵中的第i个脑连接特征值，Y_j指的是第j个被试的类别标签，如果这个被试是抑郁症患者，Y_j＝1，如果该被试是健康对照组，则Y_j＝-1；

concordant pairs和discordant pairs分别定义为：

concordant pairs：sign(X_ij-X_ik)＝sign(Y_j-Y_k)

discordant pairs：sign(X_ij-X_ik)＝-sign(Y_j-Y_k)

每个特征属性都会计算出一个Kendall’s tau相关系数，将系数的绝对值作为特征的分类能力。

4.根据权利要求3所述的一种基于动态因效性脑网络的抑郁症检测装置，其特征在于，所述装置包括：

将计算得到的动态拓扑参数进行统计学分析，得到前期、中期、后期具有显著性差异的特质参数，将特征参数与特征值进行融合；

对分类特征进行选择、降维、融合之后，进行分类模型的训练与测试，使用支持向量机作为分类器，留一交叉验证进行模型验证；计算模型的准确性、灵敏度、特异性与ROC曲线进行模型的性能评估。