一種抑郁癥程度量化的評估系統(tǒng)及其評估方法
【專利摘要】本發(fā)明公開了一種抑郁程度量化評估系統(tǒng)，包括：心電脈搏波一體化檢測裝置、數(shù)據(jù)傳輸裝置、數(shù)據(jù)處理平臺。本發(fā)明還公開了一種抑郁程度量化評估診斷方法，包括以下步驟：步驟1、通過多狀態(tài)綜合測試平臺獲取不同狀態(tài)下的人體生理信息；步驟2、依據(jù)心率變異性分析原理得到不同狀態(tài)下的HRV特征參數(shù)；步驟3、評估自主神經(jīng)系統(tǒng)中的交感神經(jīng)、迷走神經(jīng)功能的平衡狀態(tài)；步驟4、建立抑郁程度量化評估模型，實現(xiàn)快速、客觀評估受測者的的抑郁程度等級。本發(fā)明屬于計算機輔助診斷【技術(shù)領(lǐng)域】，實現(xiàn)了抑郁程度量化評估，填補了抑郁癥檢查【技術(shù)領(lǐng)域】的空白，簡便易行，節(jié)省醫(yī)療資源，能有較好的臨床實用性。
【專利說明】一種抑郁癥程度量化的評估系統(tǒng)及其評估方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種計算機輔助診斷技術(shù)，特別涉及一種抑郁癥程度量化的評估系統(tǒng)及其評估方法。

【背景技術(shù)】
[0002]抑郁癥(抑郁性障礙)是由各種原因引起的以抑郁為主要癥狀的一組心境障礙或情感性障礙，以情感低落、思維遲緩、以及言語動作減少，遲緩為典型癥狀。抑郁癥患者中有10-15%面臨自殺的危險，給家庭和社會造成沉重復(fù)旦。世界衛(wèi)生組織、世界銀行和哈佛大學的一項聯(lián)合研究表明，抑郁癥已經(jīng)成為中國疾病負擔的第二大病病。我國抑郁癥是一個值得十分重視的問題。抑郁癥的診斷確定主要依據(jù)病史、精神癥狀檢查，及結(jié)合病程進展的規(guī)律綜合考慮。臨床評估需要記錄病人的當前狀況、病史和癥狀，還要記錄家庭病史以了解病人家庭成員是否有過心境障礙，并且討論病人是否有酒精或藥物濫用。臨床評估也包括了精神狀態(tài)評估。在開始診斷重性抑郁障礙之前，醫(yī)生通常會對患者進行一次體檢和一些特定的檢查來排除其他造成相似癥狀的疾病。對重性抑郁障礙最廣泛使用的診斷標準是美國的精神疾病診斷與統(tǒng)計手冊第四版修訂版(DSM-1V-TR)和世界衛(wèi)生組織的國際疾病與相關(guān)健康問題統(tǒng)計分類。重性抑郁障礙在DSM-1V-TR中被歸為心境障礙類。對重性抑郁障礙的診斷依賴于單次或復(fù)發(fā)的重性抑郁發(fā)作。其他診斷指標則用來定性發(fā)作本身和病程?，F(xiàn)有的抑郁癥診斷是根據(jù)抑郁癥自評量表和心理醫(yī)生的經(jīng)驗來診斷的，現(xiàn)有技術(shù)存在以下缺點與不足:
[0003]1、量表評分結(jié)果不能準確反映測試者的心理狀況，可能存在主觀隱瞞病情的情況；
[0004]2、單一評定量表的評分不能用來確診抑郁癥；
[0005]3、心理醫(yī)生的診斷結(jié)果會受到自身主觀因素和實際臨床經(jīng)驗的影響；
[0006]4、量表測試與心理問診效率低，資源耗費量大。


【發(fā)明內(nèi)容】

[0007]本發(fā)明的首要目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種抑郁癥程度量化的評估系統(tǒng)，該評估系統(tǒng)通過測試、記錄、分析受測者在多狀態(tài)綜合測試過程中的心電、脈搏波數(shù)據(jù)，獲取能夠反應(yīng)受測者在不同狀態(tài)下交感神經(jīng)系統(tǒng)與迷走神經(jīng)系統(tǒng)功能狀態(tài)的特征參數(shù)，對受測者的自主神經(jīng)系統(tǒng)的平衡狀態(tài)進行評估，進而評估受測者的精神狀態(tài)和抑郁程度。。
[0008]本發(fā)明的另一目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種所述抑郁癥程度量化的評估系統(tǒng)的評估方法，該評估方法能實現(xiàn)快速、客觀評估受測者的精神狀態(tài)和抑郁程度等級。
[0009]本發(fā)明的首要目的通過下述技術(shù)方案實現(xiàn):一種抑郁癥程度量化的評估系統(tǒng)，包括:心電脈搏波一體化檢測裝置、數(shù)據(jù)傳輸裝置、數(shù)據(jù)處理平臺；所述心電脈搏波一體化檢測裝置通過橋接器與數(shù)據(jù)傳輸裝置相連，數(shù)據(jù)傳輸裝置經(jīng)串口與上位機相連接；通過心電脈搏波一體化檢測裝置，獲取人體生理信號，經(jīng)過USB接口傳輸?shù)缴衔粰C數(shù)據(jù)分析平臺，數(shù)據(jù)分析平臺依據(jù)心率變異性原理分析自主神經(jīng)系統(tǒng)中交感神經(jīng)、副交感神經(jīng)的平衡狀態(tài)，量化評估抑郁程度。
[0010]所述心電脈搏波一體化檢測裝置，可以包括:心電處理模塊、脈搏波處理模塊和數(shù)據(jù)傳輸與處理模塊，所述的心電處理模塊包括:三導(dǎo)聯(lián)電極線、心電檢測裝置和心電信號處理電路，所述的脈搏波處理模塊包括:紅外脈搏波傳感器、脈搏波檢測裝置和脈搏波處理電路，所述的數(shù)據(jù)傳輸與處理模塊包括:處理器單片機、數(shù)據(jù)格式轉(zhuǎn)換芯片和上位機；心電處理模塊由三導(dǎo)聯(lián)電極線連接人體與心電檢測裝置獲取心電信號，經(jīng)耳機接口連接到心電信號處理電路部分，所述的心電信號處理電路包括集成儀表放大器和集成濾波放大器，心電信號處理電路經(jīng)線性光耦隔離裝置與處理器單片機的數(shù)據(jù)采樣端口相連；脈搏波處理模塊由紅外脈搏波傳感器連接人體與脈搏波檢測裝置獲取脈搏波信號，經(jīng)耳機接口連接到脈搏波處理電路部分，所述的脈搏波處理電路部分包括一階濾波和二階濾波電路，脈搏波處理電路經(jīng)線性裝置與數(shù)據(jù)傳輸與處理模塊的處理器單片機的數(shù)據(jù)采樣端口相連；處理器單片機經(jīng)串口與數(shù)據(jù)格式轉(zhuǎn)換芯片連接，數(shù)據(jù)格式轉(zhuǎn)換芯片經(jīng)USB傳輸線與上位機連接。
[0011]所述心電脈搏波一體化檢測裝置，也可以包括:心電處理模塊、脈搏波處理模塊和數(shù)據(jù)傳輸與處理模塊，所述的心電處理模塊包括:三導(dǎo)聯(lián)電極線、心電檢測裝置和心電信號處理電路，所述的脈搏波處理模塊包括:紅外脈搏波傳感器、脈搏波檢測裝置和脈搏波處理電路，所述的數(shù)據(jù)傳輸與處理模塊包括:處理器單片機、數(shù)據(jù)格式轉(zhuǎn)換芯片(所述數(shù)據(jù)格式轉(zhuǎn)換芯片的型號為:CP2102)和上位機(所述上位機型號為:蘋果電腦iMac-vesa版)；心電處理模塊由三導(dǎo)聯(lián)電極線連接人體與心電檢測裝置獲取心電信號，經(jīng)耳機接口連接到心電信號處理電路部分，所述的心電信號處理電路包括集成儀表放大器和集成濾波放大器，心電信號處理電路經(jīng)線性光耦隔離裝置與處理器單片機的數(shù)據(jù)采樣端口相連；脈搏波處理模塊由紅外脈搏波傳感器連接人體與脈搏波檢測裝置獲取脈搏波信號，經(jīng)耳機接口連接到脈搏波處理電路部分，所述的脈搏波處理電路部分包括一階濾波和二階濾波電路，脈搏波處理電路經(jīng)線性裝置與數(shù)據(jù)傳輸與處理模塊的處理器單片機的數(shù)據(jù)采樣端口相連；處理器單片機經(jīng)串口與數(shù)據(jù)格式轉(zhuǎn)換芯片連接，數(shù)據(jù)格式轉(zhuǎn)換芯片經(jīng)USB傳輸線與上位機連接。
[0012]本發(fā)明的另一目的通過以下技術(shù)方案實現(xiàn):一種所述抑郁癥程度量化的評估系統(tǒng)的評估方法，可以包括以下步驟:
[0013]步驟1、通過多狀態(tài)綜合測試平臺獲取不同狀態(tài)下的人體生理信息，依據(jù)心率變異性分析原理得到不同狀態(tài)下的HRV特征參數(shù)；通過測試受測者在多狀態(tài)綜合測試中的心電脈搏波數(shù)據(jù)，并對此數(shù)據(jù)進行HRV時域、頻域、非線性分析，根據(jù)CfsSubsetEval屬性評估方法和最好優(yōu)先迭代準則得到不同狀態(tài)下心率變異性特征參數(shù)；
[0014]步驟2、根據(jù)步驟I獲取的心率變異性特征參數(shù)量化評估自主神經(jīng)系統(tǒng)中的交感神經(jīng)、迷走神經(jīng)功能的平衡狀態(tài)；根據(jù)多狀態(tài)綜合測試過程得到的特征參數(shù)來描述該狀態(tài)下交感神經(jīng)系統(tǒng)與迷走神經(jīng)系統(tǒng)的相對平衡性，實現(xiàn)特征參數(shù)對自主神經(jīng)系統(tǒng)平衡狀態(tài)的量化評估；
[0015]步驟3、在定量評估自主神經(jīng)系統(tǒng)平衡狀態(tài)的基礎(chǔ)上，建立抑郁程度量化評估模型；通過預(yù)先建立的數(shù)學模型根據(jù)心率變異性分析模塊得到的特征參數(shù)對受測者的精神狀態(tài)進行評估和抑郁程度分級，以實現(xiàn)快速、客觀評估受測者的精神狀態(tài)。
[0016]在步驟I中，所述多狀態(tài)綜合測試的方法可以包括以下步驟:
[0017]步驟11、五分鐘靜息測試，數(shù)據(jù)采集平臺記錄受測者靜息態(tài)的心電脈搏波數(shù)據(jù)；
[0018]步驟12、正常呼吸30秒，然后一分鐘深呼吸測試，數(shù)據(jù)采集平臺記錄受測者深呼吸狀態(tài)的心電脈搏波數(shù)據(jù)；
[0019]步驟13、正常呼吸30秒，然后九十秒瓦爾薩爾瓦動作測試，數(shù)據(jù)采集平臺記錄受測者瓦爾薩爾瓦動作狀態(tài)的心電脈搏波數(shù)據(jù)；
[0020]步驟14、正常呼吸30秒，然后二分鐘站立測試，數(shù)據(jù)采集平臺記錄受測者坐立體態(tài)變化以及站立態(tài)的心電脈搏波數(shù)據(jù)。
[0021]在步驟I中，所述多狀態(tài)綜合測試的方法也可以包括以下步驟:1、五分鐘靜息測試，數(shù)據(jù)采集平臺記錄受測者靜息態(tài)的心電脈搏波數(shù)據(jù)；2、正常呼吸30秒，然后一分鐘深呼吸測試，數(shù)據(jù)采集平臺記錄受測者深呼吸狀態(tài)的心電脈搏波數(shù)據(jù)；3、正常呼吸30秒，然后九十秒瓦爾薩爾瓦動作測試，數(shù)據(jù)采集平臺記錄受測者瓦爾薩爾瓦動作狀態(tài)的心電脈搏波數(shù)據(jù)；4、正常呼吸30秒，然后二分鐘站立測試，數(shù)據(jù)采集平臺記錄受測者坐立體態(tài)變化以及站立態(tài)的心電脈搏波數(shù)據(jù)；所述HRV參數(shù)包括:時域參數(shù)、頻域參數(shù)和非線性參數(shù)，時域參數(shù)包括:SDNN、SDANN、RMSSD 和 pNN50，頻域參數(shù)包括:VLF、LF、HF、TP、pVLF、pLF、pHF、nLF、nHF和LF/HF,非線性參數(shù)包括SDl、SD2、SDSD, α: α2 ;所述的HRV表示心率變異性，所述的SDNN為所有竇性RR間期的標準差，所述的SDANN為每5分鐘的RR間期均值的標準差，所述的RMSSD為相鄰RR間期差值的均方根，所述的ρΝΝ50為50毫秒間隔以上相鄰RR間期差值的比例，SDSD為相鄰RR間期之間的標準差，所述的VLF為心率變異性曲線經(jīng)FFT變換后極低頻成分0.0033?0.04Hz的功率，所述的LF為心率變異性曲線經(jīng)FFT變換后低頻成分0.04?0.15Hz的功率；所述的HF為心率變異性曲線經(jīng)FFT變換后高頻成分
0.15?0.4Hz的功率；所述的TP為心率變異性曲線經(jīng)FFT變換后的總功率，所述的pVLF為心率變異性曲線極低頻成分的百分比，所述的PLF為心率變異性曲線低頻成分的百分比，所述的PHF為心率變異性曲線高頻成分的百分比，所述的nLF為歸一化的低頻功率，所述的nHF為歸一化的高頻成分，所述的LF/HF為低頻成分與高頻成分的比值，所述的SD2為散點圖在X = Y方向上的散點圖區(qū)域最長的兩點間距離，SDl為垂直于X = Y方向上散點圖區(qū)域最長的兩點間的距離，所述的Ci1 SHRV曲線第一部分去趨勢波動分析斜率，所述的Ci2為HRV曲線第二部分去趨勢波動分析斜率；所述的特征參數(shù)是根據(jù)可回溯的貪婪搜索擴張和CfsSubsetEval屬性評估方法獲得的HRV參數(shù)的特征參數(shù)集；CfsSubsetEval屬性評估方法是根據(jù)屬性子集中每一個特征的預(yù)測能力及其與其他特征的關(guān)聯(lián)性進行評估?？苫厮莸呢澙匪阉鲾U張為:首先初始化一個屬性為當前的結(jié)果集；擴展屬性集，計算當前屬性集對于分類結(jié)果的貢獻，作為當前屬性集評分；屬性集評分高于結(jié)果集，則保留當前屬性集為結(jié)果集，重復(fù)步驟2至3 ;連續(xù)N次擴充屬性集，其評分沒有高于結(jié)果集，保存結(jié)果集，迭代結(jié)束。
[0022]在步驟3中，所述抑郁程度量化評估模型，為根據(jù)AdaBoost算法在大量實驗數(shù)據(jù)的基礎(chǔ)上建立的分類模型。所述的訓練抑郁程度量化評估模型H，是根據(jù)AdaBoost原理得到的。AdaBoost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器，即弱分類器，然后把這些弱分類器集合起來，構(gòu)造一個更強的最終分類器。數(shù)據(jù)輸入抑郁程度量化評估模型H，得到診斷結(jié)果。
[0023]抑郁程度分級模塊完成對受測者的精神狀態(tài)進行評估和抑郁程度分級。抑郁程度量化評估系統(tǒng)在大量實驗數(shù)據(jù)基礎(chǔ)上基于AdaBoost的方法建立了數(shù)學模型，將受測者的特征參數(shù)抑郁等級量化評估模型進行分類劃分，即可得到當前測試者的抑郁等級。
[0024]在步驟3中，所述抑郁程度量化評估模型的建立過程包括以下步驟:
[0025]步驟31、計算HRV參數(shù)；所述HRV參數(shù)包括:時域參數(shù)、頻域參數(shù)和非線性參數(shù),時域參數(shù)包括:MEAN、SDNN、RMSSD 和 pNN50，頻域參數(shù)包括:VLF、LF、HF、TP、pVLF、pLF、pHF、nLF,nHF和LF/HF，非線性參數(shù)包括SD1、SD2、SDSD、a i和α 2 ;所述的HRV表示心率變異性，所述的MEAN為所有竇性RR間期的均值；SDNN為所有竇性RR間期的標準差，所述的RMSSD為相鄰RR間期差值的均方根，所述的PNN50為50毫秒間隔以上相鄰RR間期差值的比例，SDSD為相鄰RR間期之間的標準差，所述的VLF為心率變異性曲線經(jīng)FFT變換后極低頻成分0.0033?0.04Hz的功率，所述的LF為心率變異性曲線經(jīng)FFT變換后低頻成分0.04?
0.15Hz的功率；所述的HF為心率變異性曲線經(jīng)FFT變換后高頻成分0.15?0.4Hz的功率；所述的TP為心率變異性曲線經(jīng)FFT變換后的總功率，所述的pVLF為心率變異性曲線極低頻成分的百分比，所述的PLF為心率變異性曲線低頻成分的百分比，所述的pHF為心率變異性曲線高頻成分的百分比，所述的nLF為歸一化的低頻功率，所述的nHF為歸一化的高頻成分，所述的LF/HF為低頻成分與高頻成分的比值，所述的SD2為散點圖在X = Y方向上的散點圖區(qū)域最長的兩點間距離，SDl為垂直于X = Y方向上散點圖區(qū)域最長的兩點間的距離，所述的a i為HRV曲線第一部分去趨勢波動分析斜率，所述的α 2為HRV曲線第二部分去趨勢波動分析斜率；
[0026]步驟32、獲取特征參數(shù)集；根據(jù)可回溯的貪婪搜索擴張和CfsSubsetEval屬性評估方法獲得HRV參數(shù)的特征參數(shù)集；
[0027]步驟33、訓練抑郁程度量化評估模型H ;樣本集合Xtl包括N個訓練樣本，經(jīng)第一次訓練得到弱分類器hl，將分錯的樣本和其他樣本構(gòu)建成由N個訓練樣本組成的第二個樣本集合X1,經(jīng)第二次訓練得到弱分類器h2，經(jīng)t次重復(fù)訓練，得到t個弱分類器hi，所述hi ={hi i = 1,2,3,…，t}，t為正整數(shù)，所述抑郁程度量化評估模型的表達式為:
[0028]H=乞 a,ht
卜I，
[0029]其中，ht表示第t個弱分類器，α t表示第t個弱分類器的權(quán)重；
[0030]步驟34、把心電脈搏波一體化檢測裝置檢測到的數(shù)據(jù)輸入抑郁程度量化評估模型H，得到抑郁程度量化評估結(jié)果。
[0031]本發(fā)明的工作原理:本發(fā)明是根據(jù)多狀態(tài)綜合測試過程得到的心電脈搏波信號，經(jīng)過心率變異性分析，得到不同狀態(tài)下HRV特征參數(shù)來描述該狀態(tài)下交感神經(jīng)系統(tǒng)與迷走神經(jīng)系統(tǒng)的功能狀態(tài)，進而評估自主神經(jīng)系統(tǒng)相的對平衡性。根據(jù)不同狀態(tài)下的特征參數(shù)建立抑郁程度量化評估模型，對受測者的精神狀態(tài)進行評估和抑郁程度分級，以實現(xiàn)快速、客觀評估受測者的精神狀態(tài)。
[0032]本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及效果:
[0033]1、實現(xiàn)了抑郁程度量化評估，避免了量表評估的主觀性和多變性；
[0034]2、填補了抑郁癥的基于生理信息檢查【技術(shù)領(lǐng)域】的空白。
[0035]3、系統(tǒng)僅需獲取受測者的心電脈搏波數(shù)據(jù)即可科學評估受測者精神狀態(tài)的抑郁程度，簡便易行，節(jié)省醫(yī)療資源，能有較好的臨床實用性。

【專利附圖】

【附圖說明】
[0036]圖1為抑郁程度量化評估系統(tǒng)結(jié)構(gòu)圖。
[0037]圖2為抑郁程度量化評估系統(tǒng)原理圖。
[0038]圖3為系統(tǒng)軟件架構(gòu)圖。
[0039]圖4為多狀態(tài)測試流程圖。

【具體實施方式】
[0040]下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施方式不限于此。
[0041]實施例
[0042]如圖1所示，一種抑郁癥程度量化的評估系統(tǒng)，包括:心電脈搏波數(shù)據(jù)采集模塊、心率變異性處理分析模塊以及抑郁程度分級模塊；心電脈搏波數(shù)據(jù)采集模塊是以心電脈搏波一體化采集電路為基礎(chǔ)，經(jīng)USB接口將數(shù)據(jù)傳輸?shù)缴衔粰C，系統(tǒng)結(jié)構(gòu)圖如圖2所示。心率變異性數(shù)據(jù)處理分析模塊由多狀態(tài)心率變異性測試分析平臺、自主神經(jīng)系統(tǒng)評估平臺組成。多狀態(tài)心率變異性測試分析平臺、自主神經(jīng)系統(tǒng)評估平臺組成軟件架構(gòu)模塊如圖3所
/Jn ο
[0043]所述的抑郁程度量化評估系統(tǒng)，所述心電脈搏波一體化檢測裝置，包括:心電處理模塊、脈搏波處理模塊和數(shù)據(jù)傳輸與處理模塊，所述的心電處理模塊包括:三導(dǎo)聯(lián)電極線、心電檢測裝置和心電信號處理電路，所述的脈搏波處理模塊包括:紅外脈搏波傳感器、脈搏波檢測裝置和脈搏波處理電路，所述的數(shù)據(jù)傳輸與處理模塊包括:處理器單片機、數(shù)據(jù)格式轉(zhuǎn)換芯片(所述數(shù)據(jù)格式轉(zhuǎn)換芯片的型號為:CP2102)和上位機(所述上位機型號為:蘋果電腦iMac-vesa版)；心電處理模塊由三導(dǎo)聯(lián)電極線連接人體與心電檢測裝置獲取心電信號，經(jīng)耳機接口連接到心電信號處理電路部分，所述的心電信號處理電路包括集成儀表放大器和集成濾波放大器，心電信號處理電路經(jīng)線性光耦隔離裝置與處理器單片機的數(shù)據(jù)采樣端口相連；脈搏波處理模塊由紅外脈搏波傳感器連接人體與脈搏波檢測裝置獲取脈搏波信號，經(jīng)耳機接口連接到脈搏波處理電路部分，所述的脈搏波處理電路部分包括一階濾波和二階濾波電路，脈搏波處理電路經(jīng)線性裝置與數(shù)據(jù)傳輸與處理模塊的處理器單片機的數(shù)據(jù)采樣端口相連；處理器單片機經(jīng)串口與數(shù)據(jù)格式轉(zhuǎn)換芯片連接，數(shù)據(jù)格式轉(zhuǎn)換芯片經(jīng)USB傳輸線與上位機連接。
[0044]受測者根據(jù)抑郁程度量化評估系統(tǒng)的語音提示完成多狀態(tài)綜合測試過程。該過程分四部分，如圖4所示，第一部分為靜息測試，受測者處于坐位，保持正常呼吸稱為靜息狀態(tài)，該狀態(tài)下受測者的自主神經(jīng)系統(tǒng)處于常態(tài)，能夠反映出正常狀態(tài)下自主神經(jīng)系統(tǒng)的平衡狀態(tài)。第二部分為深呼吸測試，時長60秒，受測者主動控制呼氣吸氣時間，整個呼吸周期為10秒，吸氣呼氣時間各占50%。深呼吸時呼吸頻率的降低，HRV低頻段(0.05?0.1Hz)出現(xiàn)高功率，尤能反應(yīng)交感神經(jīng)的興奮或交感神經(jīng)和迷走神經(jīng)的共同作用。第三部分為Valsalva動作測試，每組動作30秒共3組。每組動作分為兩部分:吸氣屏氣保持15s，然后用力吐氣放松15秒。Valsalva動作具有興奮迷走神經(jīng)的作用。因此通過對比常人與抑郁癥患者Valsalva動作時的HRV參數(shù)差異，可以較為突出的反應(yīng)二者迷走神經(jīng)的興奮性能。第四部分為站立測試，受測者由坐位變?yōu)檎玖?，由于站立時心率比坐臥位時快，交感神經(jīng)對心率起正性變時作用，加速心率，迷走神經(jīng)對心率起負性變時作用，減緩心率。當測試者由坐位變?yōu)檎疚粫r，心率由慢變快，迷走神經(jīng)興奮性減弱，交感神經(jīng)興奮性增強。數(shù)據(jù)采集平臺記錄受測者在多狀態(tài)綜合測試過程的心電脈搏波數(shù)據(jù)。
[0045]使用心電脈搏波一體化檢測裝置記錄受測者在多狀態(tài)綜合測試過程過程中10分鐘的心電、脈搏波數(shù)據(jù)。本實施方案中記錄了 92個受測者的心電脈搏波數(shù)據(jù)作為樣本數(shù)據(jù)。對所有樣本數(shù)據(jù)的心電脈搏波數(shù)據(jù)進行校正、處理得到心率變異性曲線，獲取的心率變異性特征參數(shù)量化評估自主神經(jīng)系統(tǒng)中的交感神經(jīng)、迷走神經(jīng)功能的平衡狀態(tài)。根據(jù)多狀態(tài)綜合測試過程得到的特征參數(shù)來描述該狀態(tài)下交感神經(jīng)系統(tǒng)與迷走神經(jīng)系統(tǒng)的相對平衡性，實現(xiàn)特征參數(shù)對自主神經(jīng)系統(tǒng)平衡狀態(tài)的量化評估。HRV參數(shù)包括:時域參數(shù)、頻域參數(shù)和非線性參數(shù)，時域參數(shù)包括:MEAN、SDNN、RMSSD和pNN50，頻域參數(shù)包括:VLF、LF、HF、TP、pVLF、pLF、pHF、nLF、nHF 和 LF/HF,非線性參數(shù)包括 SDl、SD2、SDSD, a i 和 α 2 ;所述的HRV表示心率變異性，所述的MEAN為所有竇性RR間期的均值；SDNN為所有竇性RR間期的標準差，所述的RMSSD為相鄰RR間期差值的均方根，所述的PNN50為50毫秒間隔以上相鄰RR間期差值的比例，SDSD為相鄰RR間期之間的標準差，所述的VLF為心率變異性曲線經(jīng)FFT變換后極低頻成分0.0033?0.04Hz的功率，所述的LF為心率變異性曲線經(jīng)FFT變換后低頻成分0.04?0.15Hz的功率；所述的HF為心率變異性曲線經(jīng)FFT變換后高頻成分0.15?0.4Hz的功率；所述的TP為心率變異性曲線經(jīng)FFT變換后的總功率，所述的PVLF為心率變異性曲線極低頻成分的百分比，所述的pLF為心率變異性曲線低頻成分的百分比，所述的PHF為心率變異性曲線高頻成分的百分比，所述的nLF為歸一化的低頻功率，所述的nHF為歸一化的高頻成分，所述的LF/HF為低頻成分與高頻成分的比值，所述的SD2為散點圖在X = Y方向上的散點圖區(qū)域最長的兩點間距離，SDl為垂直于X = Y方向上散點圖區(qū)域最長的兩點間的距離，所述的a i為HRV曲線第一部分去趨勢波動分析斜率，所述的α 2為HRV曲線第二部分去趨勢波動分析斜率。
[0046]由于不同狀態(tài)下的自主神經(jīng)系統(tǒng)處于不同平衡狀態(tài):靜息狀態(tài)下，自主神經(jīng)系統(tǒng)處于一種常規(guī)狀態(tài)，交感神經(jīng)系統(tǒng)與副交感神經(jīng)系統(tǒng)相對平衡；深呼吸狀態(tài)下自主神經(jīng)系統(tǒng)的平衡性有所改變，交感神經(jīng)系統(tǒng)的作用或交感神經(jīng)與迷走神經(jīng)的共同作用增強；Valsalva動作狀態(tài)下迷走神經(jīng)興奮性增強；站立狀態(tài)下迷走神經(jīng)興奮性減弱，交感神經(jīng)興奮性增強。因此，根據(jù)可回溯的貪婪搜索擴張和CfsSubsetEval屬性評估方法獲得的HRV參數(shù)的特征參數(shù)集。CfsSubsetEval屬性評估方法是根據(jù)屬性子集中每一個特征的預(yù)測能力及其與其他特征的關(guān)聯(lián)性進行評估。可回溯的貪婪搜索擴張的迭代過程如下:1、首先初始化一個屬性為當前的結(jié)果集；2、擴展屬性集，計算當前屬性集對于分類結(jié)果的貢獻，作為當前屬性集評分；3、屬性集評分高于結(jié)果集，則保留當前屬性集為結(jié)果集，重復(fù)步驟2至3 ;連續(xù)5次擴充屬性集，其評分沒有高于結(jié)果集，保存結(jié)果集，迭代結(jié)束。
[0047]上述過程中獲取到的特征參數(shù)集為，靜息態(tài)參數(shù):pNN50、LF、HF、TP、α:;深呼吸態(tài)數(shù)據(jù):RMSSD、pNN50、VLF、LF、α:;瓦爾薩爾瓦態(tài)參數(shù):pNN50、TP、pVLF、nLF、nHF ;站立態(tài)參數(shù):Mean。
[0048]抑郁程度分級模塊完成對受測者的精神狀態(tài)進行評估和抑郁程度分級。抑郁程度量化評估系統(tǒng)在大量實驗數(shù)據(jù)基礎(chǔ)上基于AdaBoost的方法建立了數(shù)學模型，將受測者的特征參數(shù)輸入抑郁等級量化評估模型進行分類劃分，即可得到當前測試者的抑郁等級。訓練抑郁程度量化評估模型H，是根據(jù)AdaBoost原理得到的。AdaBoost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器，即弱分類器，然后把這些弱分類器集合起來，構(gòu)造一個更強的最終分類器。樣本集合XO包括92個訓練樣本，經(jīng)第一次訓練得到弱分類器hi，將分錯的樣本和其他樣本構(gòu)建成由92個訓練樣本組成的第二個樣本集合Xl，經(jīng)第二次訓練得到弱分類器h2，經(jīng)10次重復(fù)訓練，得到10個弱分類器hi，所述hi = {hi I i
=1,2,3,…，10}，所述抑郁程度量化評估模型的表達式為:H=^a,ht，其中，ht表示第t







1-1
個弱分類器，a t表示第t個弱分類器的權(quán)重；數(shù)據(jù)輸入抑郁程度量化評估模型H，得到診斷結(jié)果，準確率達到82.5%。
[0049]實施過程中，發(fā)現(xiàn)樣本數(shù)據(jù)量的增加有利于模型準確率的提高。初次實驗過程中，使用了 83個樣本數(shù)據(jù)作為抑郁程度量化評估模型的訓練集合，抑郁程度分類準確率是75.9%，二次實驗過程中增加了樣本量，使用92例樣本數(shù)據(jù)作為模型的訓練集，得到的診斷結(jié)果，準確率達到82.5%。由此可見，后續(xù)試驗中如果繼續(xù)增大模型訓練集，模型的準確率會繼續(xù)提高。
[0050]本發(fā)明公開的抑郁程度量化評估系統(tǒng)是基于心率變異性分析方法實現(xiàn)對自主神經(jīng)系統(tǒng)功能狀態(tài)的評估進而診斷抑郁狀態(tài)，在抑郁癥診斷領(lǐng)域提出一種新的研究方法，該系統(tǒng)能科學、客觀的評估患者抑郁狀態(tài)，能夠有效輔助臨床診斷，具有推廣性和臨床實用性。
[0051]上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種抑郁癥程度量化的評估系統(tǒng)，其特征在于，包括:心電脈搏波一體化檢測裝置、數(shù)據(jù)傳輸裝置、數(shù)據(jù)處理平臺；所述心電脈搏波一體化檢測裝置通過橋接器與數(shù)據(jù)傳輸裝置相連，數(shù)據(jù)傳輸裝置經(jīng)串口與上位機相連接；通過心電脈搏波一體化檢測裝置，獲取人體生理信號，經(jīng)過USB接口傳輸?shù)缴衔粰C數(shù)據(jù)分析平臺，數(shù)據(jù)分析平臺依據(jù)心率變異性原理分析自主神經(jīng)系統(tǒng)中交感神經(jīng)、副交感神經(jīng)的平衡狀態(tài)，量化評估抑郁程度。
2.根據(jù)權(quán)利要求1所述抑郁癥程度量化的評估系統(tǒng)，其特征在于，所述心電脈搏波一體化檢測裝置，包括:心電處理模塊、脈搏波處理模塊和數(shù)據(jù)傳輸與處理模塊，所述的心電處理模塊包括:三導(dǎo)聯(lián)電極線、心電檢測裝置和心電信號處理電路，所述的脈搏波處理模塊包括:紅外脈搏波傳感器、脈搏波檢測裝置和脈搏波處理電路，所述的數(shù)據(jù)傳輸與處理模塊包括:處理器單片機、數(shù)據(jù)格式轉(zhuǎn)換芯片和上位機；心電處理模塊由三導(dǎo)聯(lián)電極線連接人體與心電檢測裝置獲取心電信號，經(jīng)耳機接口連接到心電信號處理電路部分，所述的心電信號處理電路包括集成儀表放大器和集成濾波放大器，心電信號處理電路經(jīng)線性光耦隔離裝置與處理器單片機的數(shù)據(jù)采樣端口相連；脈搏波處理模塊由紅外脈搏波傳感器連接人體與脈搏波檢測裝置獲取脈搏波信號，經(jīng)耳機接口連接到脈搏波處理電路部分，所述的脈搏波處理電路部分包括一階濾波和二階濾波電路，脈搏波處理電路經(jīng)線性裝置與數(shù)據(jù)傳輸與處理模塊的處理器單片機的數(shù)據(jù)采樣端口相連；處理器單片機經(jīng)串口與數(shù)據(jù)格式轉(zhuǎn)換芯片連接，數(shù)據(jù)格式轉(zhuǎn)換芯片經(jīng)USB傳輸線與上位機連接。
3.—種權(quán)利要求1所述抑郁癥程度量化的評估系統(tǒng)的評估方法，其特征在于，包括以下步驟: 步驟1、通過多狀態(tài)綜合測試平臺獲取不同狀態(tài)下的人體生理信息，依據(jù)心率變異性分析原理得到不同狀態(tài)下的HRV特征參數(shù)；通過測試受測者在多狀態(tài)綜合測試中的心電脈搏波數(shù)據(jù)，并對此數(shù)據(jù)進行HRV時域、頻域、非線性分析，根據(jù)CfsSubsetEval屬性評估方法和最好優(yōu)先迭代準則得到不同狀態(tài)下心率變異性特征參數(shù)； 步驟2、根據(jù)步驟I獲取的心率變異性特征參數(shù)量化評估自主神經(jīng)系統(tǒng)中的交感神經(jīng)、迷走神經(jīng)功能的平衡狀態(tài)；根據(jù)多狀態(tài)綜合測試過程得到的特征參數(shù)來描述該狀態(tài)下交感神經(jīng)系統(tǒng)與迷走神經(jīng)系統(tǒng)的相對平衡性，實現(xiàn)特征參數(shù)對自主神經(jīng)系統(tǒng)平衡狀態(tài)的量化評估； 步驟3、在定量評估自主神經(jīng)系統(tǒng)平衡狀態(tài)的基礎(chǔ)上，建立抑郁程度量化評估模型；通過預(yù)先建立的數(shù)學模型根據(jù)心率變異性分析模塊得到的特征參數(shù)對受測者的精神狀態(tài)進行評估和抑郁程度分級。
4.根據(jù)權(quán)利要求3所述的評估方法，其特征在于，在步驟I中，所述多狀態(tài)綜合測試的方法包括以下步驟: 步驟11、五分鐘靜息測試，數(shù)據(jù)采集平臺記錄受測者靜息態(tài)的心電脈搏波數(shù)據(jù)； 步驟12、正常呼吸30秒，然后一分鐘深呼吸測試，數(shù)據(jù)采集平臺記錄受測者深呼吸狀態(tài)的心電脈搏波數(shù)據(jù)； 步驟13、正常呼吸30秒，然后九十秒瓦爾薩爾瓦動作測試，數(shù)據(jù)采集平臺記錄受測者瓦爾薩爾瓦動作狀態(tài)的心電脈搏波數(shù)據(jù)； 步驟14、正常呼吸30秒，然后二分鐘站立測試，數(shù)據(jù)采集平臺記錄受測者坐立體態(tài)變化以及站立態(tài)的心電脈搏波數(shù)據(jù)。
5.根據(jù)權(quán)利要求3所述的評估方法，其特征在于，在步驟3中，所述抑郁程度量化評估模型，為根據(jù)AdaBoost算法在實驗數(shù)據(jù)的基礎(chǔ)上建立的分類模型。
6.根據(jù)權(quán)利要求3所述的評估方法，其特征在于，在步驟3中，所述抑郁程度量化評估模型的建立過程包括以下步驟: 步驟31、計算HRV參數(shù)；所述HRV參數(shù)包括:時域參數(shù)、頻域參數(shù)和非線性參數(shù),時域參數(shù)包括:MEAN、SDNN、RMSSD 和 pNN50，頻域參數(shù)包括:VLF、LF、HF、TP、pVLF、pLF、pHF、nLF、nHF和LF/HF，非線性參數(shù)包括SDl、SD2、SDSD, Q1^P α2 ;所述的HRV表示心率變異性，所述的MEAN為所有竇性RR間期的均值；SDNN為所有竇性RR間期的標準差，所述的RMSSD為相鄰RR間期差值的均方根，所述的PNN50為50毫秒間隔以上相鄰RR間期差值的比例，SDSD為相鄰RR間期之間的標準差，所述的VLF為心率變異性曲線經(jīng)FFT變換后極低頻成分0.0033?0.04Hz的功率，所述的LF為心率變異性曲線經(jīng)FFT變換后低頻成分0.04?。0.15Hz的功率；所述的HF為心率變異性曲線經(jīng)FFT變換后高頻成分0.15?0.4Hz的功率；所述的TP為心率變異性曲線經(jīng)FFT變換后的總功率，所述的PVLF為心率變異性曲線極低頻成分的百分比，所述的PLF為心率變異性曲線低頻成分的百分比，所述的pHF為心率變異性曲線高頻成分的百分比，所述的nLF為歸一化的低頻功率，所述的nHF為歸一化的高頻成分，所述的LF/HF為低頻成分與高頻成分的比值，所述的SD2為散點圖在X = Y方向上的散點圖區(qū)域最長的兩點間距離，SDl為垂直于X = Y方向上散點圖區(qū)域最長的兩點間的距離，所述的a i為HRV曲線第一部分去趨勢波動分析斜率，所述的α 2為HRV曲線第二部分去趨勢波動分析斜率； 步驟32、獲取特征參數(shù)集；根據(jù)可回溯的貪婪搜索擴張和CfsSubsetEval屬性評估方法獲得HRV參數(shù)的特征參數(shù)集； 步驟33、訓練抑郁程度量化評估模型H ;樣本集合Xtl包括N個訓練樣本，經(jīng)第一次訓練得到弱分類器Ii1，將分錯的樣本和其他樣本構(gòu)建成由N個訓練樣本組成的第二個樣本集合X1,經(jīng)第二次訓練得到弱分類器h2，經(jīng)t次重復(fù)訓練，得到t個弱分類器Iii，所述hi = {hi I i=1,2,3,…，t}，t為正整數(shù)，所述抑郁程度量化評估模型的表達式為:
卜I, 其中，ht表示第t個弱分類器，a t表示第t個弱分類器的權(quán)重； 步驟34、把心電脈搏波一體化檢測裝置檢測到的數(shù)據(jù)輸入抑郁程度量化評估模型H，得到抑郁程度量化評估結(jié)果。
【文檔編號】A61B5/0205GK104127193SQ201410334898
【公開日】2014年11月5日 申請日期:2014年7月14日 優(yōu)先權(quán)日:2014年7月14日
【發(fā)明者】楊榮騫, 呂瑞雪, 司璇, 陳秀文, 關(guān)沛峰 申請人:華南理工大學, 深圳市是源醫(yī)學科技有限公司