基于脑电特征和深度网络的RBD检测及辅助诊断-论文-万方医学网

首页 > 哈尔滨理工大学 > 基于脑电特征和深度网络的RBD检测及辅助诊断

基于脑电特征和深度网络的RBD检测及辅助诊断

二维码有效期 120s

收藏纠错

摘要帕金森病（PD）是第二常见神经退行性疾病，多数PD患者会发展为快速眼动睡眠行为障碍（RBD）。PD伴RBD患者作为非震颤运动亚型，比单纯PD患者患各种并发症的风险更大，正确识别PD中的RBD具有治疗和预后意义。目前现有PD伴RBD诊断方法存在设备舒适度不高及精度较低的问题，本文提出基于脑电多层次融合特征和深度网络的PD伴RBD智能辅助诊断方法，以改进目前诊断方法的不足。<br>　　首先，根据患者睡眠监测报告和多导睡眠图中脑电数据，对PD伴RBD和PD不伴RBD两类被试的睡眠前5分钟清醒原始脑电信号进行滤波和分段，以保留感兴趣波段并优化计算复杂性，每位被试者的六导联脑电被分为150段等长的时间窗信号。<br>　　其次，采用离散小波变换对脑电信号进行多层次时频特征表达，并提取统计、谱、非线性特征构建多层次融合特征空间。<br>　　最后，基于预处理、多层次融合特征提取和双向长短期记忆网络结合三折交叉验证构建深度网络分类模型，结合脑电六导联信号实现RBD的检测，通过dropout层改进过拟合。并通过对分类模型的分类结果进行后处理实现被试者的最终诊断。<br>　　本文所提RBD检测方法基于时间窗的分类准确度为86.50%，AUC值为0.95，与传统分类算法和现有文献方法相比，所提检测方法准确度分别提高了7.42%和14.79%，且与采用多导睡眠信号自动分析的AUC值相当。另外，基于外部测试集验证所提辅助诊断方法有效性，得到经后处理基于被试者的诊断准确度为87.50%，实现了被试者的PD伴RBD辅助诊断，虽略低于采用多导睡眠信号诊断RBD的精度，但优于临床问卷结果，所提方法具有较高临床应用价值。