[发明专利]用于多模式神经评估的方法和设备

权利要求书

1.一种建立用于主体的神经状况的多模式评定的分类器的方法，该方法包括步骤：

提供信号处理设备，所述信号处理设备操作地连接至存储器设备，所述存储器设备存储在存在或不存在脑部异常的情况下而对多个个体所执行的两个或更多个不同评定的结果，所述信号处理设备包括处理器，其被配置为执行如下步骤：

从所述两个或更多个不同评定的结果提取量化特征；

将所提取的特征存储在可选择特征池中；

从所述可选择特征池中选择特征的子集以构建所述分类器；并且

通过使用所述分类器对具有先验分类信息的数据记录进行分类而确定所述分类器的分类准确性。

2.根据权利要求1的方法，进一步包括步骤：

对所述可选择特征池应用一个或更多个数据缩减标准，以创建缩减特征池，从该缩减特征池选择用于构建所述分类器的特征子集。

3.根据权利要求1的方法，其中所述两个或更多个不同评定包括神经生理评定和神经认知评定。

4.根据权利要求3的方法，其中所述神经生理评定包括记录脑部电信号。

5.根据权利要求3的方法，其中所述两个或更多个不同评定包括一个或更多个类型的反应时间测量。

6.根据权利要求3的方法，其中所述神经认知评定使用动态问卷来执行，所述动态问卷被设计为基于针对先前问题所提供的答案而改变问题。

7.根据权利要求1的方法，其中所述两个或更多个不同评定包括各种生理参数的测量。

8.根据权利要求7的方法，其中所述两个或更多个评定包括心电图信号的记录。

9.根据权利要求1的方法，其中所述特征子集使用进化算法进行选择。

10.根据权利要求9的方法，其中应用的所述进化算法是遗传算法。

11.根据权利要求10的方法，其中所选择的特征子集使用随机突变爬山算法和修改的随机突变爬山算法中的至少一种进行优化。

12.根据权利要求1的方法，其中所述特征子集使用简单特征拾取器算法进行选择。

13.根据权利要求12的方法，其中选择的所述特征子集使用随机突变爬山算法和修改的随机突变爬山算法中的至少一种进行优化。

14.根据权利要求1的方法，其中所述分类器是线性判别函数。

15.根据权利要求1的方法，其中所述分类器是二次判别函数。

16.根据权利要求1的方法，其中目标函数被用来对所述分类器的性能进行评估。

17.根据权利要求16的方法，其中所使用的所述目标函数是所述分类器的接收方操作曲线之下的面积。

18.一种建立用于将个体数据分类为神经状况的两个或更多个类别之一的分类器的方法，所述方法包括步骤：

提供被配置为建立分类器的处理器；

提供操作地耦合至所述处理器的存储器设备，所述存储器设备存储种群参考数据库，所述种群参考数据库包括在存在或不存在脑部异常的情况下对多个个体所执行的生理评定和神经认知评定的结果所提取的量化特征池；

从所述种群参考数据库中的所述量化特征池选择多个脑部电信号特征；

在所述种群参考数据库中选择对多个个体所执行的一个或更多个附加评定而得出的另外的多个量化特征；

使用所选择的量化特征构建分类器；并且

使用所述存储器设备中所存储的预先标记的数据记录对所述分类器的性能进行评估，其中所述预先标记的数据记录被先验地分配至两个或更多个类别之一。

19.根据权利要求18的方法，其中所述一个或更多个附加评定包括反应时间的评定。

20.根据权利要求18的方法，其中所述一个或更多个附加评定包括心电图信号的记录。

21.根据权利要求18的方法，进一步包括步骤：

对所选择的特征应用一个或更多个数据缩减标准，以创建缩减特征子集，根据该缩减特征子集构建所述分类器。

22.根据权利要求18的方法，其中所述量化特征使用进化算法进行选择。