[发明专利]基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法

权利要求书

1.基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，包括以下步骤：

S1，根据医生专业的临床诊断判定，首先对阿尔茨海默症患者进行分组，根据痴呆程度分为轻中度患者和重度患者，分别采集轻中度患者、重度患者以及健康老人在无音乐的静息态，音乐刺激态和刺激后状态的脑电信号；

S2，对步骤S1中采集的所有脑电信号均分别进行滤波和除噪处理，最终对每一个脑电信号进行截取并获得时间为10秒长的干净的脑电信号；

S3，对步骤S2中获得的每一个干净脑电信号进行截取，所述每一个干净脑电信号均截取出至少3个时间长为2秒的脑电信号片段；

S4，对步骤S3中，每一个干净脑电信号截取出的至少3个时间长为2秒的脑电信号片段均计算一次排列熵，并取各次排列熵的平均值为最后的排列熵值结果；

S5，分析排列熵值在无音乐静息态，音乐刺激态和刺激后状态的时空变化；

S6，根据步骤S5中，轻中度患者和重度患者的时空脑电特征的不同作为分类指标，从而对未知痴呆程度的病人进行痴呆分类。

2.根据权利要求1所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，步骤S2包括以下步骤：

S21，对步骤S1中采集的所有脑电信号均去除50Hz的工频信号；

S22，对去除了50Hz工频信号的所有脑电信号均完成0.5Hz-80Hz的带通滤波从而去除高频噪声；

S23，在经过步骤S21和步骤S22处理后得到的所有脑电信号的基础上观察，手动选择出每个脑电信号中最干净平稳的10秒脑电信号；

S24，通过独立成分分解ICA算法模型去除所有10秒脑电信号中的眼电和肌电，最终获得干净的10秒的脑电信号。

3.根据权利要求1所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，步骤S5中所述时空变化包括时间层面变化和空间层面变化。

4.根据权利要求3所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，所述时间层面变化指轻中度患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态上升；重度患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态下降。

5.根据权利要求4所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，所述空间层面变化指轻中度患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态发生变化的是颞叶和顶叶；重度患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态发生变化的是只有颞叶。

6.根据权利要求5所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，步骤S6还包括如下步骤：

S61，若在时间层面变化上观察到患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态上升，则将患者归类于轻中度组；若在时间层面变化上观察到患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态下降，则将患者归类于重度组。

7.根据权利要求6所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，步骤S6还包括如下步骤：

S62，若在空间层面变化上观察到患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态，颞叶和顶叶都发生变化，则将患者归类于轻中度组；若在空间层面变化上观察到患者音乐刺激态和刺激后状态的排列熵相比于无音乐静息态，只有颞叶发生变化，则将患者归类于重度组。

8.根据权利要求1所述的基于音乐脑电信号排列熵对阿尔茨海默症患者痴呆程度分类的方法，其特征在于，步骤S3中，所述每一个干净脑电信号均截取出3个时间长为2秒的脑电信号片段，3个脑电信号片段分别截取10秒干净脑电信号中的2-4秒、4-6秒和6-8秒。