检索历史 清除

1.一种基于脑电图信号分析的抑郁症检测设备，其特征在于，包括： 皮肤样电极，所述皮肤样电极用于粘附于检测者的前额，以采集对应检测者的脑电图信号； 处理模块，所述处理模块与所述皮肤样电极通信连接，用于： 获取所述脑电图信号，并对所述脑电图信号进行预处理，得到目标脑电图数据； 对所述目标脑电图数据进行特征提取，得到若干个线性特征和非线性特征； 将所述线性特征和所述非线性特征输入至训练好的预测模型中，得到预测结果。 2.根据权利要求1所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述对所述脑电图信号进行预处理，得到目标脑电图数据，包括： 去除所述脑电图信号的无效数据值，并按照预设的频率对所述脑电图信号的时间序列，得到目标脑电图信号； 将所述目标脑电图信号切分为固定长度的数据样本，相邻的所述数据样本之间具有预设长度的重复段。 3.根据权利要求2所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述去除所述脑电图信号的无效数据值，并按照预设的频率对所述脑电图信号的时间序列，得到目标脑电图信号，包括： 去除所述脑电图信号中为0的无效数据值，并按512Hz的频率对所述脑电图信号的时间序列，得到目标脑电图信号； 所述将所述目标脑电图信号切分为固定长度的数据样本，相邻的所述数据样本之间具有预设长度的重复段，包括： 将所述目标脑电图信号按照2秒的时序长度切分为数据样本，相邻的所述数据样本之间具有50％重复率的重复段。 4.根据权利要求1所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述对所述目标脑电图数据进行特征提取，得到若干个线性特征和非线性特征，包括： 对所述目标脑电图数据进行傅里叶变换处理，得到不同频率波段的线性特征和非线性特征。 5.根据权利要求1所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述线性特征包括：原始值均值、原始值标准差、注意力均值、注意力标准差、δ波均值、θ波均值、低α波均值、高α波均值、低β波均值、高β波均值、低γ波均值、中γ波均值、低β波均值/θ波均值和高β波均值/θ波均值。 6.根据权利要求5所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述非线性特征包括：复杂度系数和功率谱熵。 7.根据权利要求6所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述将所述线性特征和所述非线性特征输入至训练好的预测模型中，得到预测结果，包括： 将所述线性特征和所述非线性特征输入至训练好的预测模型中，计算每个所述线性特征对应的评分值、以及每个所述非线性特征的评分值； 根据每个所述线性特征对应的评分值和每个所述非线性特征的评分值，计算对应检测者的潜在值； 根据所述潜在值，得到预测结果。 8.根据权利要求7所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，所述计算每个线性特征对应的评分值，包括： 获取每个所述线性特征对应的权值、每个所述非线性特征对应的权值； 根据所述线性特征和对应的权值，计算每个所述线性特征对应的评分值； 根据所述非线性特征和对应的权值，计算每个所述非线性特征对应的评分值。 9.根据权利要求8所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，每个所述线性特征的权值和所述非线性特征对应的权值从大到小依次为：所述注意力均值对应的权值、所述原始值标准差对应的权值、所述低γ波均值对应的权值、所述δ波均值对应的权值、所述中γ波均值对应的权值、所述低α波均值对应的权值、所述高α波均值对应的权值、所述功率谱熵对应的权值、所述高β波均值对应的权值、所述θ波均值对应的权值、所述高β波均值/θ波均值对应的权值、所述低β波均值对应的权值、所述低β波均值/θ波均值对应的权值、所述复杂度系数对应的权值、所述原始值均值对应的权值。 10.根据权利要求9所述的基于脑电图信号分析的抑郁症检测设备，其特征在于，每个所述线性特征的权值和所述非线性特征对应的权值通过以下的方法步骤确定的： 通过所述皮肤样电极获取若干个健康者的正常脑电图信号，以及若干个抑郁症患者的异常脑电图信号； 对所述正常脑电图信号和所述异常脑电图信号进行处理，分别得到正常线性特征、正常非线性特征和异常线性特征、异常非线性特征； 根据同一类型的所述正常线性特征和所述异常线性特征、同一类型的所述正常非线性特征和所述异常非线性特征的相关度，确定每个所述线性特征的权值和所述非线性特征对应的权值。