1.一种基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,包括以下步骤:
获取多个脑电信号样本,所述脑电信号样本包括健康样本和抑郁症患者样本;
预处理多个脑电信号样本的脑电信号并制作数据集;
设置多个CSP特征选择参数,并构建相应的多个CSP模型,逐一利用所述CSP模型从数据集中提取相应的多个CSP特征矩阵;
设置多个PSD时间窗口值,并构建相应的多个PSD模型,逐一利用所述PSD模型从数据集中提取相应的多个PSD特征矩阵;
逐一将提取的CSP特征矩阵和PSD特征矩阵作为预先构建的分类器的输入,得到分类器输出的分类结果,根据分类结果计算分类准确率P;
逐一判断分类准确率P1、P2与预设值p的大小:若P1>p且P2>p,则保存相应的特征选择参数及其对应的CSP模型和相应的时间窗口值及其对应的PSD模型,获得基于CSP算法和PSD算法的脑电信号分析模型。
2.根据权利要求1所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述多个脑电信号样本源于兰州大学普适感知与智能系统实验室的MODMA公开数据集中129导静息状态下的脑电信号;
所述获取多个脑电信号样本包括以下步骤:采用国际脑电图学会标定的10‑20电极导联定位标准记录导联E1至E129,并将Cz设置为参考电极;
获取脑电信号样本的采样频率设置为250HZ,各通道导联阻抗均设置为45‑55kΩ;
使用128导联的HydroCel Geodesic Sensor Net电导帽和Net Station软件获取脑电信号样本,并以.mat形式保存。
3.根据权利要求2所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述预处理多个脑电信号样本的脑电信号并制作数据集包括以下步骤:遍历每一个脑电信号样本文件中的.mat数据文件,打开文件读取原始记录数据;
选定16个导联:Fp1、Fp2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5和T6,去除与所述16个导联不对应的EGI‑129;
运行EEGLAB内嵌的FIR滤波器,设置上限频率为49Hz,下限频率为51Hz,则去除50Hz的工频干扰;
运行EEGLAB内嵌的ICA独立成分分析,筛查并去除眼动和心跳伪迹;
将每个脑电信号样本裁剪至40000个采样点,并转化为矩阵格式,将标准化后的数据重新命名编号并以.data形式保存。
4.根据权利要求3所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述提取相应的多个CSP特征矩阵包括以下步骤:构造符合输入结构体要求的数据结构:EEGSignals.x、EEGSignals.y和EEGSignals.s;
其中,EEGSignals.x是三维矩阵,存储多个标准化后样本所有导联的采样数据,格式为[Ns×Nc×Nt],其中,Ns为采样点数,Nc为采样导联数,Nt为样本数;
EEGSignals.y是Nt长度的行向量,包括每一个样本的标签信息;
EEGSignals.s是采样频率;
提取多个CSP特征矩阵;
注入特征标签一:将多个CSP特征矩阵的最后一行打上对应的0‑1标签,则每个样本的每列特征数据对应的标签值相同,其中,0表示无抑郁症特征,1表示有抑郁症特征。
5.根据权利要求1所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述多个CSP特征选择参数为2、3或4。
6.根据权利要求3所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述提取相应的多个PSD特征矩阵包括以下步骤:读取多个标准化后的脑电信号:遍历每一个标准化后的样本文件中.data数据文件,打开文件读取多个标准化后的数据;
分频带提取信号:运行巴特沃斯带通滤波器,设置截止频率为1Hz、4Hz、8Hz、14Hz和
30Hz,逐一从多个标准化后的数据中提取相应的delta、theta、alpha和beta频带的信号;
获取各频带的PSD特征矩阵:每设置一个时间窗口值t,选取250×t个采样点计算PSD特征,并按照delta、theta、alpha和beta的顺序依次将计算出的特征矩阵组合到一起,得到一个样本中1个导联的各频带的PSD特征矩阵;
组合总PSD特征矩阵:重复步骤获取各频带的PSD特征矩阵,依次算出每个样本的16个导联的所有情况,并依次拼接起来,得到总PSD特征矩阵;
注入特征标签二:将总PSD特征矩阵的最后一行打上对应的0‑1标签,每个样本的16×4列特征数据对应的标签值相同,其中,0表示无抑郁症特征,1表示有抑郁症特征。
7.根据权利要求1所述的基于CSP算法和PSD算法的脑电信号分析模型构建方法,其特征是,所述多个PSD时间窗口值为0.5s、1s、2s、3s和4s。
8.一种权利要求1‑7任一项所述的基于CSP算法和PSD算法的脑电信号分析方法,其特征是,包括以下步骤:
获取脑电信号样本;
预处理脑电信号样本并标准化脑电信号样本;
利用预先构建的CSP模型,提取待分析脑电信号的CSP特征;
利用预先构建的PSD模型,提取待分析脑电信号的PSD特征;
将提取得到的CSP特征和PSD特征逐一输入预先构建的分类器,得到分类结果1和分类结果2;
根据分类结果判断脑电信号:若分类结果1和分类结果2一致,则根据分类器的分类结果确定待分析脑电信号是否为表征抑郁症的脑电信号;若分类结果1和分类结果2不一致,则重新分析脑电信号或者输出判断存疑信号;
其中,所述预先构建的CSP模型和PSD模型利用权利要求1‑7任一项所述的基于CSP算法和PSD算法的脑电信号分析模型预先构建。
9.一种权利要求8所述的基于CSP算法和PSD算法的脑电信号分析系统,其特征是,包括以下模块:
获取模块,用于获取脑电信号样本;
预处理模块,用于预处理脑电信号样本并标准化脑电信号样本;CSP模块,用于利用预先构建的CSP模型,用于利用预先构建的CSP模型,提取待分析脑电信号的CSP特征;
PSD模块,用于利用预先构建的PSD模型,提取待分析脑电信号的PSD特征;
分类模块,用于将提取得到的CSP特征和PSD特征逐一输入预先构建的分类器,得到分类结果1和分类结果2;
判断模块,用于根据分类结果判断脑电信号:若分类结果1和分类结果2一致,则根据分类器的分类结果确定待分析脑电信号是否为表征抑郁症的脑电信号;若分类结果1和分类结果2不一致,则重新分析脑电信号或者输出判断存疑信号。