[发明专利]一种基于注意力机制的抑郁症脑电信号识别方法及系统

说明书

本发明属于脑机接口领域，具体涉及一种基于注意力机制的抑郁症脑电信号识别方法及系统；该方法包括：获取受测者的原始脑电信号并对原始脑电信号进行预处理，得到第一脑电信号；对第一脑电信号进行去噪和平滑处理，得到第二脑电信号；采用分脑区神经网络对第二脑电信号进行处理，得到多个分脑区特征；拼接多个分脑区特征，得到全脑区特征；采用全脑区神经网络对全脑区特征进行处理，得到抑郁症脑电信号识别结果；本发明使用注意力机制加强不同脑区特征的权重占比，整体识别率高，识别效果好，可辅助医生进行抑郁症的诊断，实用性高。

技术领域

本发明属于脑机接口领域，具体涉及一种基于注意力机制的抑郁症脑电信号识别方法及系统。

背景技术

抑郁症是一种精神疾病，其主要影响思维过程，行为和情绪，从而对人际关系和工作表现造成不利影响。对需要及时接受临床治疗的抑郁症患者来说，早期准确诊断抑郁症是至关重要的。对于之前的抑郁症诊断大多数是使用调查问卷来作为评判和筛选工具，这种方法有极大的缺陷就是需要经验丰富的医生。

脑电信号是一种多通道的时间序列，具有一定的规律性和非平稳性。它会随着个体的生理因素的变化而变化，当脑部尤其是皮层有病变时，规律性受到破坏，波形即发生变化。目前对从脑电图(EEG)获取的大脑电信号进行定量测量，是一种具有明显实用优势的神经成像技术，其优势在于它不涉及侵入性操作，易于管理，耐受性好，成本相对较低。此外，抑郁症状的普遍性和持续性使头皮记录脑电图成为了解抑郁症潜在机制的合适方法。因此，研究脑电图可辅助临床对及脑部疾病进行诊断。

考虑到EEG网络不规则性是抑郁症可能引起的生理症状之一，脑电活动具有源自不同脑区的空间特征，因此从不同脑区提取的脑电特征也可用于抑郁症的鉴别；可根据神经网路的内部结构来探索大脑的空间信息，进而获得不同脑区的脑电特征，但是基于EEG信号的全脑结构研究中，少有研究探索抑郁症的各个脑区的空间信息，同时，对于不同脑区的特征权重占比是有待解决的问题。

发明内容

针对现有技术存在的不足，本发明提出了一种基于注意力机制的抑郁症脑电信号识别方法及系统，该方法包括：

S1：获取受测者的原始脑电信号并对原始脑电信号进行预处理，得到第一脑电信号；

S2：对第一脑电信号进行去噪和平滑处理，得到第二脑电信号；

S3：采用分脑区神经网络对第二脑电信号进行处理，得到多个分脑区特征；

S4：拼接多个分脑区特征，得到全脑区特征；

S5：采用全脑区神经网络对全脑区特征进行处理，得到抑郁症脑电信号识别结果。

优选的，对原始脑电信号进行预处理的过程包括：对原始脑电信号进行分脑区通道选择，得到多个分脑区的原始脑电信号；采用无限脉冲响应数字滤波器对多个分脑区的原始脑电信号进行滤波，得到第一原始信号；采用独立主成分分析移除第一原始信号中的眼电信号和肌电信号，对坏通道进行插值处理，得到第二原始信号；对第二原始信号进行降采样和滑动窗口处理，得到预处理好的原始脑电信号即第一脑电信号。

优选的，对第一脑电信号进行去噪处理的过程包括：将第一脑电信号在相空间重构为三维相空间矢量；对三维相空间矢量作线性最小二乘法处理，得到去噪后的第一脑电信号。

优选的，对第一脑电信号进行平滑处理的过程包括：将去噪后的第一脑电信号进行频域转化，得到频域脑电信号；移除频域脑电信号上的离群点，并对移除离群点的地方做特征平滑处理，得到第二脑电信号。

优选的，分脑区神经网络对第二脑电信号进行处理的过程包括：分脑区神经网络包括多个并行的SENet层和卷积层，卷积层包括一维卷积、Relu层和最大池化层；

第二脑电信号为多个脑区的脑电信号，将多个脑区的脑电信号分别输入到多个并行的SENet层中，得到添加了通道权重后的多个脑区的脑电信号；