基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)、模型建立的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)數(shù)據(jù)處理技術(shù)領(lǐng)域，特別是涉及一種基于腦電數(shù)據(jù)的中醫(yī)辨證分 型系統(tǒng)、模型建立的方法和系統(tǒng)。
【背景技術(shù)】
[0002] 腦中風(fēng)又稱為腦卒中或腦血管意外（Cerebrovaseularaccident)，是一組突然起 病，以局灶性神經(jīng)功能缺失為特征的急性腦血管疾病，該病具有發(fā)病率高、致殘率高、病死 率高、復(fù)發(fā)率高等特點(diǎn)。據(jù)報(bào)道，全球每年有460萬人死于腦中風(fēng)，中風(fēng)已成為中老年人的三 大死因之一。腦中風(fēng)發(fā)病后的2周~6個(gè)月稱為中風(fēng)恢復(fù)期，此期間腦中風(fēng)患者多會(huì)存留一 些中風(fēng)后遺癥，給患者的生活帶來嚴(yán)重影響。因此在腦中風(fēng)恢復(fù)期，給予積極有效的中西醫(yī) 護(hù)理，對(duì)改善腦中風(fēng)后遺癥具有重要作用。
[0003] 中醫(yī)的辯證方法很多，《中醫(yī)辯證學(xué)》概括為:八綱辯證(表里寒熱虛實(shí)陰陽(yáng)），臟腑 辯證(五臟六腑的辯證），六經(jīng)辯證(經(jīng)絡(luò)），衛(wèi)氣營(yíng)血辯證，三焦辯證，氣血辨證等。病因辨證 以及以上辨證方法之間的關(guān)系，并緊扣臨床闡述了中醫(yī)癥狀辨證，提煉了《傷寒論》《金匱要 略》及溫病學(xué)的精髓。國(guó)家中醫(yī)藥管理局醫(yī)政司發(fā)布《中醫(yī)內(nèi)科急癥診療規(guī)范.中風(fēng)病中醫(yī) 療效評(píng)定標(biāo)準(zhǔn)》，將中風(fēng)病按《金匱要略》的分法分為中絡(luò)，中經(jīng)，中臟，中腑。中經(jīng)絡(luò)又分為 肝陽(yáng)暴亢、風(fēng)火上擾，風(fēng)痰淤血，痹阻脈絡(luò)，痰熱腑實(shí)，風(fēng)痰上擾，氣虛血瘀，陰虛風(fēng)動(dòng)五類證 候；中臟腑分為風(fēng)火上擾清竅，痰濕蒙塞心神，痰熱內(nèi)閉心竅，元?dú)鈹∶?，心神散亂四類證 候。
[0004] 腦電波(Electroencephalogram，EEG)是大腦在活動(dòng)時(shí)，大量神經(jīng)元同步發(fā)生的突 觸后電位經(jīng)總和后形成的。它記錄大腦活動(dòng)時(shí)的電波變化，是腦神經(jīng)細(xì)胞的電生理活動(dòng)在 大腦皮層或頭皮表面的總體反映。腦電圖已被用于除臨床診斷和常規(guī)認(rèn)知神經(jīng)科學(xué)的傳統(tǒng) 用途的多種用途。早期使用的是二戰(zhàn)期間美國(guó)陸軍航空兵篩選出飛行員有癲癇發(fā)作的危 險(xiǎn)。目前，領(lǐng)域?qū)I(yè)人員或者研究人員從不同方面闡釋中風(fēng)恢復(fù)期患者的情況。有學(xué)者通過 了解中風(fēng)恢復(fù)期患者的自我效能及生活質(zhì)量水平，探討兩者的相關(guān)性。還有研究運(yùn)用自制 中醫(yī)四診信息調(diào)查表對(duì)中風(fēng)病發(fā)病不同時(shí)點(diǎn)進(jìn)行前瞻性臨床調(diào)查，從中選取恢復(fù)期數(shù)據(jù)進(jìn) 行分析，運(yùn)用因子分析和聚類分析的方法提取恢復(fù)期證候要素等。但是目前還未有相關(guān)利 用腦電數(shù)據(jù)預(yù)測(cè)中風(fēng)恢復(fù)期患者的中醫(yī)辨證分型的技術(shù)。

【發(fā)明內(nèi)容】

[0005] 基于此，有必要針對(duì)上述技術(shù)問題，提供一種基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)、 模型建立的方法和系統(tǒng)，其能夠利用被試者的腦電數(shù)據(jù)，準(zhǔn)確地確定其所屬的辨證類型。
[0006] -種基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)，包括：
[0007] 數(shù)據(jù)獲取單元，用于獲取被試者的腦電數(shù)據(jù)，并對(duì)所述腦電數(shù)據(jù)進(jìn)行預(yù)處理，獲取 所述腦電數(shù)據(jù)對(duì)應(yīng)的多個(gè)節(jié)律參數(shù)；
[0008] 特征參數(shù)獲取單元，用于將所述多個(gè)節(jié)律參數(shù)進(jìn)行特征選擇，獲取選擇后的特征 參數(shù)；
[0009] 辨證類型判定單元，根據(jù)預(yù)先建立的中醫(yī)辨證分型模型，確定所述特征參數(shù)對(duì)應(yīng) 的中醫(yī)辨證類型。
[0010] 在其中一些實(shí)施例中，所述數(shù)據(jù)獲取單元還用于：
[0011] 獲取所述腦電數(shù)據(jù)的多個(gè)腦電特征，其中，所述多個(gè)腦電特征包括α波、β波、Θ波、 和δ波；
[0012] 獲取所述多個(gè)腦電特征對(duì)應(yīng)的節(jié)律，將所述節(jié)律進(jìn)行歸一化，以獲取所述腦電數(shù) 據(jù)對(duì)應(yīng)的節(jié)律參數(shù)。
[0013] 在其中一些實(shí)施例中，所述特征參數(shù)獲取單元還用于:將所述多個(gè)節(jié)律參數(shù)輸入 特征遞歸剔除模型，得到訓(xùn)練后的SVM參數(shù);計(jì)算所述SVM參數(shù)在預(yù)定排序準(zhǔn)則下的排序準(zhǔn) 則分?jǐn)?shù)，并對(duì)所述排序準(zhǔn)則分?jǐn)?shù)進(jìn)行排序;剔除排序準(zhǔn)則分?jǐn)?shù)小于預(yù)定閾值的SVM參數(shù)，獲 取所述選擇后的特征參數(shù)。
[0014] 一種基于腦電數(shù)據(jù)的中醫(yī)辨證分型模型的建立方法，包括以下步驟：
[0015] 獲取多個(gè)被試者的腦電數(shù)據(jù)，并對(duì)所述腦電數(shù)據(jù)進(jìn)行預(yù)處理，獲取所述腦電數(shù)據(jù) 對(duì)應(yīng)的節(jié)律參數(shù)數(shù)據(jù)集；
[0016] 將所述節(jié)律參數(shù)數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；
[0017] 將所述訓(xùn)練數(shù)據(jù)進(jìn)行特征選擇，獲取選擇后的特征參數(shù)；
[0018] 將所述特征參數(shù)和所述測(cè)試數(shù)據(jù)輸入支持向量機(jī)分類模型，獲取各個(gè)中醫(yī)辨證類 型對(duì)應(yīng)的權(quán)重系數(shù)；
[0019] 根據(jù)所述權(quán)重系數(shù)建立中醫(yī)辨證分型模型。
[0020] 在其中一些實(shí)施例中，所述對(duì)所述腦電數(shù)據(jù)進(jìn)行預(yù)處理的步驟包括：
[0021] 獲取所述腦電數(shù)據(jù)的多個(gè)腦電特征，其中，所述多個(gè)腦電特征包括α波、β波、Θ波、 和δ波；
[0022]獲取所述多個(gè)腦電特征對(duì)應(yīng)的節(jié)律功率譜，將所述節(jié)律功率譜進(jìn)行歸一化，以獲 取所述腦電數(shù)據(jù)對(duì)應(yīng)的節(jié)律參數(shù)。
[0023]在其中一些實(shí)施例中，所述將所述訓(xùn)練數(shù)據(jù)進(jìn)行特征選擇的步驟包括：
[0024]將所述訓(xùn)練數(shù)據(jù)輸入特征遞歸剔除模型，得到訓(xùn)練后的SVM參數(shù)；
[0025] 計(jì)算所述SVM參數(shù)在預(yù)定排序準(zhǔn)則下的排序準(zhǔn)則分?jǐn)?shù)，并對(duì)所述排序準(zhǔn)則分?jǐn)?shù)進(jìn) 行排序；
[0026] 剔除排序準(zhǔn)則分?jǐn)?shù)小于預(yù)定閾值的SVM參數(shù)，獲取所述選擇后的特征參數(shù)。
[0027] 在其中一些實(shí)施例中，所述將所述特征參數(shù)和所述測(cè)試數(shù)據(jù)輸入支持向量機(jī)分類 模型獲取各個(gè)中醫(yī)辨證分型對(duì)應(yīng)的權(quán)重系數(shù)的步驟包括：
[0028] 根據(jù)所述選擇后的特征參數(shù)從所述測(cè)試數(shù)據(jù)中選取相應(yīng)的特征參數(shù)；
[0029]將所述選擇后的特征參數(shù)和從所述測(cè)試數(shù)據(jù)中選取相應(yīng)的特征參數(shù)輸入支持向 量機(jī)分類模型；
[0030] 根據(jù)所述支持向量機(jī)分類模型的決策函數(shù)獲取各個(gè)中醫(yī)辨證類型對(duì)應(yīng)的權(quán)重系 數(shù)。
[0031] 在其中一些實(shí)施例中，所述方法還包括:對(duì)所述中醫(yī)辨證分型模型進(jìn)行交叉驗(yàn)證。
[0032] 一種基于腦電數(shù)據(jù)的中醫(yī)辨證分型模型的建立系統(tǒng)，包括：
[0033]數(shù)據(jù)獲取模塊，用于獲取多個(gè)被試者的腦電數(shù)據(jù)，并對(duì)所述腦電數(shù)據(jù)進(jìn)行預(yù)處理， 獲取所述腦電數(shù)據(jù)對(duì)應(yīng)的節(jié)律參數(shù)數(shù)據(jù)集；
[0034]分類模塊，用于將所述節(jié)律參數(shù)數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；
[0035]特征參數(shù)獲取模塊，用于將所述訓(xùn)練數(shù)據(jù)進(jìn)行特征選擇，獲取選擇后的特征參數(shù)； [0036]建模模塊，用于將所述特征參數(shù)和所述測(cè)試數(shù)據(jù)輸入SVM分類模型，獲取各個(gè)中醫(yī) 辨證類型對(duì)應(yīng)的權(quán)重系數(shù)，根據(jù)所述權(quán)重系數(shù)建立中醫(yī)辨證分型模型。
[0037]在其中一些實(shí)施例中，所述建模模塊還用于:根據(jù)所述選擇后的特征參數(shù)從所述 測(cè)試數(shù)據(jù)中選取相應(yīng)的特征參數(shù);將所述選擇后的特征參數(shù)和從所述測(cè)試數(shù)據(jù)中選取相應(yīng) 的特征參數(shù)輸入支持向量機(jī)分類模型;根據(jù)所述支持向量機(jī)分類模型的決策函數(shù)獲取各個(gè) 中醫(yī)辨證類型對(duì)應(yīng)的權(quán)重系數(shù)。
[0038]上述的基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)、基于腦電數(shù)據(jù)的中醫(yī)辨證分型模型的 建立方法和系統(tǒng)，采用遞歸特征剔除支持向量機(jī)(SVM-RFE)模型進(jìn)行特征選擇。選擇的特征 參數(shù)作為數(shù)據(jù)特征輸入至支持向量機(jī)(SVM)分類模型，獲取各個(gè)中醫(yī)辨證類型對(duì)應(yīng)的權(quán)重 系數(shù)，根據(jù)該權(quán)重系數(shù)即可判定被試者所屬的中醫(yī)辨證類型。
【附圖說明】
[0039]圖1為一些實(shí)施例中的基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)結(jié)構(gòu)框圖；
[0040]圖2為一些實(shí)施例中的基于腦電數(shù)據(jù)的中醫(yī)辨證分型模型的建立方法的流程圖； [0041 ]圖3為一些實(shí)施例中的5折交叉驗(yàn)證的過程示意圖；
[0042]圖4為一些實(shí)施例中的基于腦電數(shù)據(jù)的中醫(yī)辨證模型的建立系統(tǒng)的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0043] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0044] 在一些實(shí)施例中，如圖1所示，提出一種基于腦電數(shù)據(jù)的中醫(yī)辨證分型系統(tǒng)10,該 系統(tǒng)10包括:數(shù)據(jù)獲取單元102、特征參數(shù)獲取單元104和辨證類型判定單元。
[0045] 在一些實(shí)施例中，數(shù)據(jù)獲取單元102用于獲取被試者的腦電數(shù)據(jù)，并對(duì)腦電數(shù)據(jù)進(jìn) 行預(yù)處理，獲取腦電數(shù)據(jù)對(duì)應(yīng)的多個(gè)節(jié)律參數(shù)。
[0046] 數(shù)據(jù)