[发明专利]一种基于指脉信号的抑郁症患者精神状态识别的方法

说明书

一种基于指脉信号的抑郁症患者精神状态识别的方法，包括以下具体步骤：S1、制定采样收集规则和标定规则；S2、采集人体指尖脉搏信号做去噪处理；S3、将脉搏信号切分成为单独的脉搏周期；S4、脉搏信号数据集的构建；S5、将二维的神经网络模型改造为一维的神经网络模型；S6、调整以及优化一维的神经网络模型；S7、在一维神经网络结构的卷积层中使用大尺寸卷积核的策略；S8、制定人体指尖脉搏特征提取规则和提取方法构建人体指尖脉搏特征数据集；S9、制定并改进神经网络结构；S10、对抑郁症患者精神状态进行识别。本发明对抑郁症患者的精神状态的检测成本低、监测时效性高且识别准确度高。

技术领域

本发明涉及医疗信息技术领域，尤其涉及一种基于指脉信号的抑郁症患者精神状态识别的方法。

背景技术

抑郁症是最常见的抑郁障碍，以显著而持久的心境低落为主要临床特征，是心境障碍的主要类型；抑郁症从精神和身体两个方面影响着患者的生活，抑郁症已经成为了全球范围内普遍存在的问题；根据世界卫生组织的最新统计数据，全世界有三亿五千万左右的人口正在面临抑郁症带来的病痛。2005年到2015年这短短的十年间，抑郁症患者的总数量就增加了至少18％。有研究表明，抑郁症的发病率近年来逐渐攀升，抑郁症患者遍布各个年龄层，中青年群体中的抑郁症患者是最多的，并且在青年人群中，发病率有更快的提高趋势；

目前，临床上诊断抑郁症以及评估抑郁症严重程度的主要工具是精神疾病预测量表(Mental Disorder Predictive Scale)，其包括标准化患者自评量表与临床他评量表。基于功能性近红外光谱(functional near-infrared spectroscopy，fNIRS)的脑功能成像技术是一种新兴的辅助抑郁症诊断的技术，fNIRS能够根据基于血液动力学变化的非侵入式的脑功能成像技术对大脑神经活动进行监测，用于辅助抑郁症的诊断。随着信息技术与计算机科学的不断发展，仅依靠传统疾病症状学的抑郁症诊断方法已经不能满足对抑郁症更加系统深入研究的需求，新兴的计算精神病学引入了计算和统计的方法来探索抑郁症的内部病理机制，结合理论驱动与数据驱动两种方法，使用高维的复杂数据进一步揭示人类身体进行信息加工的过程并辅助各种精神疾病的鉴别，这对于精神疾病的发病机制研究、预防、诊断和治疗都有着巨大的推动作用。其中，数据驱动方法主要是基于机器学习算法对多项健康数据进行有效分析，发现其中的规律，从而提高抑郁症诊断的准确性，进而为不同患者提供更加具有针对性的治疗方案，能够使全世界生活在不同发展程度的国家和地区的人们更加便捷地接受诊疗服务。

将精神疾病预测量表作为抑郁症辅助诊断的工具，缺乏客观的生物学指标，而基于功能性近红外光谱的脑功能成像图作为抑郁症辅助诊断的新技术，其成像设备价格昂贵且不易携带，抑郁症患者无法及时监测个人精神状态的变化；目前，缺乏高效快速的识别方法以识别抑郁症患者的精神状态。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于指脉信号的抑郁症患者精神状态识别的方法，本发明对抑郁症患者的精神状态的检测成本低、监测时效性高且识别准确度高。

(二)技术方案

本发明提供了一种基于指脉信号的抑郁症患者精神状态识别的方法，包括以下具体步骤：

S1、制定人体指尖脉搏信号的采样收集规则和标定规则；

S2、采集人体指尖脉搏信号，并对信号做去噪处理，得到脉搏信号；

S3、将脉搏信号切分成为单独的脉搏周期；

S4、脉搏信号数据集的构建；

S5、将二维的神经网络模型改造为一维的神经网络模型；

S6、调整以及优化一维的神经网络模型的识别效果；

S7、在一维神经网络结构的卷积层中使用大尺寸卷积核的策略；