本發(fā)明涉及人工智能，特別是涉及一種基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)。

背景技術(shù)：

1、帕金森病(pd)是一種常見的慢性、進(jìn)行性、退行性神經(jīng)系統(tǒng)疾病。越來越多的循證醫(yī)學(xué)證明了這一點(diǎn)。帕金森病表現(xiàn)復(fù)雜多樣，包括震顫、強(qiáng)直、運(yùn)動遲緩、姿勢不穩(wěn)等，這些癥狀是影響帕金森病患者生活質(zhì)量的重要因素，甚至?xí)?dǎo)致進(jìn)行性功能障礙。此外，由于不同的因素，帕金森病患者的體質(zhì)、臨床癥狀、年齡等均表現(xiàn)出較大的個體差異和異質(zhì)性。帕金森病者的臨床特點(diǎn)有助于進(jìn)一步了解帕金森病的發(fā)病機(jī)制、臨床進(jìn)展及個體化治療。

2、為了客觀反映帕金森病的臨床異質(zhì)性，學(xué)者們利用數(shù)據(jù)驅(qū)動分類技術(shù)對帕金森病患者進(jìn)行了分析。最常見的分類之一是以震顫為主(td)亞型、姿勢不穩(wěn)定和步態(tài)困難(pigd)亞型、以及混合型亞型。通過比較td和pigd患者的臨床特點(diǎn)發(fā)現(xiàn)，大多數(shù)pigd亞型帕金森病患者病情進(jìn)展迅速，臨床預(yù)后較差。

3、許多帕金森病患者除了典型的運(yùn)動癥狀外，還伴有一些非運(yùn)動癥狀，如睡眠障礙、抑郁焦慮、視力減退、胃腸道紊亂等，這些癥狀往往在帕金森病診斷前就存在，可能是帕金森病的重要前兆特征。部分臨床報(bào)告顯示，pigd亞型患者存在較高的認(rèn)知障礙、癡呆、幻覺風(fēng)險、抑郁、冷漠等心理和情緒問題，這些癥狀通常對多巴胺能治療無反應(yīng)或反應(yīng)較差。td亞型的臨床癥狀較輕，運(yùn)動和認(rèn)知癥狀進(jìn)展較慢，癡呆和精神疾病的風(fēng)險較低。

4、tus認(rèn)為，在治療運(yùn)動癥狀的基礎(chǔ)上，及早發(fā)現(xiàn)不同亞型，并對與該亞型相關(guān)的非運(yùn)動癥狀進(jìn)行個體化干預(yù)，可能是延緩疾病進(jìn)展、改善患者預(yù)后的重要途徑。然而，以往的研究大多基于單一的運(yùn)動癥狀問卷，很少有研究報(bào)道區(qū)分不同亞型的非運(yùn)動癥狀，更未有綜合考慮運(yùn)動癥狀和非運(yùn)動癥狀等來對亞型帕金森病的類型進(jìn)行識別的技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)存在的問題和不足，提供一種基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)。

2、本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的：

3、本發(fā)明提供一種基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特點(diǎn)在于，其包括信息采集模塊、信息預(yù)處理模塊、特征提取模塊、特征向量構(gòu)建模塊和類型識別模塊；

4、所述信息采集模塊用于采集待識別者的基本信息、運(yùn)動癥狀信息、非運(yùn)動癥狀信息和客觀指標(biāo)；

5、其中，基本信息包括性別和年齡；運(yùn)動癥狀信息包括利用多模態(tài)傳感器檢測到的震顫數(shù)據(jù)、強(qiáng)直數(shù)據(jù)、姿勢不穩(wěn)步態(tài)障礙數(shù)據(jù)和運(yùn)動遲緩數(shù)據(jù)，震顫數(shù)據(jù)包括震顫信號及其對應(yīng)的腦電信號，強(qiáng)直數(shù)據(jù)包括強(qiáng)直信號及其對應(yīng)的腦電信號，姿勢不穩(wěn)步態(tài)障礙數(shù)據(jù)包括姿勢信號、步態(tài)信號及其對應(yīng)的腦電信號，運(yùn)動遲緩數(shù)據(jù)包括運(yùn)動遲緩信號及其對應(yīng)的腦電信號；

6、非運(yùn)動癥狀信息包括胃腸道癥狀信息、泌尿道癥狀信息、心血管癥狀信息、體溫調(diào)節(jié)癥狀信息、瞳孔調(diào)節(jié)癥狀信息、性功能癥狀信息、睡眠障礙癥狀信息、快速眼動睡眠行為異常癥狀信息即rbd癥狀信息、焦慮程度癥狀信息和抑郁程度癥狀信息；客觀指標(biāo)包括唾液皮質(zhì)醇含量和唾液褪黑素含量；

7、所述信息預(yù)處理模塊用于針對基本信息進(jìn)行賦值預(yù)處理操作；針對運(yùn)動癥狀信息，對震顫信號及其對應(yīng)的腦電信號、強(qiáng)直信號及其對應(yīng)的腦電信號、姿勢信號與步態(tài)信號及其對應(yīng)的腦電信號、運(yùn)動遲緩信號及其對應(yīng)的腦電信號進(jìn)行降噪濾波預(yù)處理操作；針對非運(yùn)動癥狀信息中的各個信息進(jìn)行評分預(yù)處理操作；

8、所述特征提取模塊用于針對基本信息提取性別賦值特征和年齡賦值特征；針對運(yùn)動癥狀信息，提取震顫信號中震顫時域特征和震顫頻域特征，提取震顫信號對應(yīng)的腦電信號中震顫腦電時域特征和震顫腦電頻域特征，提取強(qiáng)直信號中強(qiáng)直時域特征和強(qiáng)直頻域特征，提取強(qiáng)直信號對應(yīng)的腦電信號中強(qiáng)直腦電時域特征和強(qiáng)直腦電頻域特征，提取姿勢信號中姿勢時域特征和姿勢頻域特征，提取步態(tài)信號中步態(tài)時域特征和步態(tài)頻域特征，提取姿勢信號對應(yīng)的腦電信號中姿勢腦電時域特征和姿勢腦電頻域特征，提取運(yùn)動遲緩信號中遲緩時域特征和遲緩頻域特征，提取運(yùn)動遲緩信號對應(yīng)的腦電信號中遲緩腦電時域特征和遲緩腦電頻域特征；針對非運(yùn)動癥狀信息中的各個信息分別提取胃腸道評分賦值特征、泌尿道評分賦值特征、心血管評分賦值特征、體溫調(diào)節(jié)評分賦值特征、瞳孔調(diào)節(jié)評分賦值特征、性功能評分賦值特征、睡眠障礙評分賦值特征、rbd評分賦值特征、焦慮程度評分賦值特征和抑郁程度評分賦值特征；

9、所述特征向量構(gòu)建模塊用于基于各個特征構(gòu)建一維特征向量＝(性別賦值特征、年齡賦值特征、震顫時域特征、震顫頻域特征、震顫腦電時域特征、震顫腦電頻域特征、強(qiáng)直時域特征、強(qiáng)直頻域特征、強(qiáng)直腦電時域特征、強(qiáng)直腦電頻域特征、姿勢時域特征、姿勢頻域特征、步態(tài)時域特征、步態(tài)頻域特征、姿勢腦電時域特征、姿勢腦電頻域特征、遲緩時域特征、遲緩頻域特征、遲緩腦電時域特征、遲緩腦電頻域特征、胃腸道評分賦值特征、泌尿道評分賦值特征、心血管評分賦值特征、體溫調(diào)節(jié)評分賦值特征、瞳孔調(diào)節(jié)評分賦值特征、性功能評分賦值特征、睡眠障礙評分賦值特征、rbd評分賦值特征、焦慮程度評分賦值特征、抑郁程度評分賦值特征、唾液皮質(zhì)醇含量特征、唾液褪黑素含量特征)；

10、所述類型識別模塊用于將待識別者的一維特征向量輸入至基于深度學(xué)習(xí)算法構(gòu)建的目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)類型識別模型中進(jìn)行亞型帕金森病的類型識別，從而識別并輸出待識別者的具體亞型帕金森病的類型，亞型帕金森病的類型包括震顫為主的亞型帕金森病即td亞型、姿勢不穩(wěn)定及步態(tài)困難亞型帕金森病即pigd亞型、以及混合型亞型帕金森病。

11、本發(fā)明的積極進(jìn)步效果在于：

12、本發(fā)明同時考慮了待識別者的基本信息、運(yùn)動癥狀信息、非運(yùn)動癥狀信息和客觀指標(biāo)這些因素，基于這些因素提取出多個特征，利用這些特征和基于深度學(xué)習(xí)算法構(gòu)建的目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)類型識別模型能夠準(zhǔn)確的識別出待識別者的亞型帕金森病的類型。

技術(shù)特征：

1.一種基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，其包括信息采集模塊、信息預(yù)處理模塊、特征提取模塊、特征向量構(gòu)建模塊和類型識別模塊；

2.如權(quán)利要求1所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述特征提取模塊用于針對震顫時域特征、強(qiáng)直時域特征、姿勢時域特征、步態(tài)時域特征和遲緩時域特征，提取的時域特征包括幅值、標(biāo)準(zhǔn)差和相似熵；針對震顫頻域特征、強(qiáng)直頻域特征、姿勢頻域特征、步態(tài)頻域特征和遲緩頻域特征，提取的頻域特征包括頻率、頻譜最大峰值和頻譜能量值；針對震顫腦電時域特征、強(qiáng)直腦電時域特征、姿勢腦電時域特征和遲緩腦電時域特征，提取的時域特征包括幅值、標(biāo)準(zhǔn)差和相似熵；針對震顫腦電頻域特征、強(qiáng)直腦電頻域特征、姿勢腦電頻域特征和遲緩腦電頻域特征，提取的頻域特征包括δ波、θ波、α波、β波和γ波頻段的功率譜密度。

3.如權(quán)利要求1所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述特征提取模塊用于針對非運(yùn)動癥狀信息中的各個信息，提取的胃腸道評分賦值特征＝胃腸道評分值*胃腸道評分權(quán)重，提取的泌尿道評分賦值特征＝泌尿道評分值*泌尿道評分權(quán)重，提取的心血管評分賦值特征＝心血管評分值*心血管評分權(quán)重，提取的體溫調(diào)節(jié)評分賦值特征＝體溫調(diào)節(jié)評分值*體溫調(diào)節(jié)評分權(quán)重，提取的瞳孔調(diào)節(jié)評分賦值特征＝瞳孔調(diào)節(jié)評分值*瞳孔調(diào)節(jié)評分權(quán)重，提取的性功能評分賦值特征＝性功能評分值*性功能評分權(quán)重，提取的睡眠障礙評分賦值特征＝睡眠障礙評分值*睡眠障礙評分權(quán)重，提取的rbd評分賦值特征＝rbd評分值*rbd評分權(quán)重，提取的焦慮程度評分賦值特征＝焦慮程度評分值*焦慮程度評分權(quán)重，提取的抑郁程度評分賦值特征＝抑郁程度評分值*抑郁程度評分權(quán)重。

4.如權(quán)利要求3所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，胃腸道評分權(quán)重、體溫調(diào)節(jié)評分權(quán)重、rbd評分權(quán)重和焦慮程度評分權(quán)重的權(quán)重值較大，泌尿道評分權(quán)重、心血管評分權(quán)重、瞳孔調(diào)節(jié)評分權(quán)重、性功能評分權(quán)重、睡眠障礙評分權(quán)重、抑郁程度評分權(quán)重的權(quán)重值較小。

5.如權(quán)利要求1所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述系統(tǒng)還包括模型構(gòu)建模塊，所述模型構(gòu)建模塊用于構(gòu)建目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)類型識別模型：

6.如權(quán)利要求5所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)類型識別模型由多個卷積層、每個卷積層后跟著一個池化層、最后一個池化層后跟著一個全連接層和全連接層后跟著一個softmax分類器組成，其中設(shè)定每個卷積層的卷積核的個數(shù)均為2的倍數(shù)，且前一卷積層的卷積核的個數(shù)大于后一卷積層的卷積核的個數(shù)。

7.如權(quán)利要求6所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述模型構(gòu)建模塊用于：

8.如權(quán)利要求7所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，當(dāng)全局最優(yōu)適應(yīng)度達(dá)到預(yù)設(shè)值或迭代次數(shù)達(dá)到最大迭代次數(shù)t則迭代結(jié)束，此時基于全局最優(yōu)位置得到最優(yōu)超參數(shù)，利用最優(yōu)超參數(shù)建立目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)類型識別模型，否則判定是否t≤t/2，是則按照降序方式將各個粒子的當(dāng)前個體最優(yōu)適應(yīng)度進(jìn)行排布，將位于最后的n1個粒子舍棄，將全局最優(yōu)適應(yīng)度所屬粒子作為主精英粒子、未舍棄的其余粒子中隨機(jī)選取n1個粒子作為從精英粒子，將主精英粒子分別與每個選出的從精英粒子進(jìn)行遺傳雜交獲得n1個粒子，雜交獲得的n1個粒子中每個粒子的當(dāng)前位置即為第t次迭代后該粒子的位置，雜交獲得的n1個粒子中每個粒子的當(dāng)前速度即為第t次迭代后該粒子的速度＝主精英粒子和對應(yīng)參與雜交的從精英粒子的速度的平均速度，以此可獲得新粒子種群，對新粒子群繼續(xù)更新各個粒子的速度和位置，n1為正整數(shù)且1≤n1≤l/3，t＝t+1，否則直接更新各個粒子的速度和位置。

9.如權(quán)利要求1所述的基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)，其特征在于，所述震顫信號利用震顫傳感器檢測獲得，所述腦電信號利用腦電傳感器檢測獲得，所述強(qiáng)直信號利用柔性觸覺傳感器檢測獲得，所述姿勢信號利用姿勢傳感器檢測獲得，步態(tài)信號利用步態(tài)傳感器檢測獲得，所述運(yùn)動遲緩信號利用慣性傳感器檢測獲得。

技術(shù)總結(jié)
本發(fā)明基于腦電信號和深度學(xué)習(xí)的亞型帕金森病類型識別系統(tǒng)：采集待識別者基本信息、運(yùn)動癥狀信息、非運(yùn)動癥狀信息和客觀指標(biāo)；對基本信息進(jìn)行賦值；對運(yùn)動癥狀信息中震顫信號及其對應(yīng)的腦電信號、強(qiáng)直信號及其對應(yīng)的腦電信號、姿勢信號與步態(tài)信號及其對應(yīng)的腦電信號、運(yùn)動遲緩信號及其對應(yīng)的腦電信號進(jìn)行降噪濾波；對非運(yùn)動癥狀信息中各信息進(jìn)行評分；對基本信息提取性別和年齡賦值特征；對運(yùn)動癥狀信息提取各信號的時域特征和頻域特征；對非運(yùn)動癥狀信息中各信息分別提取評分賦值特征；基于各特征構(gòu)建一維特征向量；將一維特征向量輸入目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)類型識別模型中進(jìn)行亞型帕金森病的類型識別并輸出待識別者的亞型帕金森病的類型。

技術(shù)研發(fā)人員：吳攸,葉青,楊熠文,袁曉蕾,李慧,許黎敏,高晨,顧思純,顧敏玨
受保護(hù)的技術(shù)使用者：上海中醫(yī)藥大學(xué)附屬龍華醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19