基于时序脑电特征的羞怯倾向与抑郁风险识别系统的制作方法

摘要: 本发明涉及脑电信号处理,尤其涉及基于时序脑电特征的羞怯倾向与抑郁风险识别系统。背景技术:1、羞怯是一种在社交评价情境中表现出的紧张、回避与过度自我关注的人格倾向...
基于时序脑电特征的羞怯倾向与抑郁风险识别系统的制作方法

本发明涉及脑电信号处理,尤其涉及基于时序脑电特征的羞怯倾向与抑郁风险识别系统。

背景技术:

1、羞怯是一种在社交评价情境中表现出的紧张、回避与过度自我关注的人格倾向,长期处于高羞怯状态的个体往往伴随持续的社交退缩与负性自我评价,而这种状态被广泛认为是抑郁发生发展的重要风险因素之一。随着心理健康问题在青少年及成年人群中日益受到关注,如何在抑郁尚未形成临床症状之前,及早识别出具有羞怯倾向并伴随抑郁风险的个体,已成为心理健康筛查领域的重要需求。脑电信号能够客观反映大脑在不同情绪与认知状态下的神经电活动,相比依赖主观作答的量表评估,其不易受被试主观掩饰与社会期许效应的影响,因此被认为是开展羞怯与抑郁客观识别的重要生理信号来源。

2、现有针对羞怯或抑郁的脑电识别技术,通常是在被试处于静息状态下采集脑电信号,提取频带功率、额叶不对称、信号复杂度等特征,并据此对个体的情绪倾向或抑郁状态进行分类判断。这类方法在实现上较为简便,采集流程相对标准,能够在一定程度上反映个体在平静状态下的神经活动基线特征。然而,羞怯作为一种在社交评价情境下才被充分激活的特质,其相关神经响应在静息状态下往往并不明显,仅依靠静息脑电难以将其稳定地刻画出来。同时,羞怯与抑郁在部分脑电指标上存在重叠,单纯依赖静息状态下的特征难以将二者所对应的神经活动加以区分,容易造成识别结果指向不明。

3、为弥补静息状态信息不足的问题,部分技术引入了情绪诱发任务,通过呈现特定刺激诱发被试的情绪反应并采集对应时段的脑电信号,以获取更具区分性的特征。这类方式在一定程度上能够激发与社交情境相关的神经活动,从而为羞怯倾向的识别提供依据。但在实际应用中,情绪诱发任务对不同个体的实际作用存在差异,部分个体在既定的诱发任务下并未产生充分的情绪唤醒,使得在该时段所采集到的脑电信号中并未真正包含可供识别的羞怯相关特征,而现有技术对诱发任务是否真正生效缺乏有效判断与相应处理,往往直接将所采集的信号纳入后续分析,导致在诱发不充分的情况下所得到的识别结果可信度难以保证。

4、综上,现有基于脑电的羞怯与抑郁识别技术,在面向社交评价情境下的羞怯特质识别时,存在诱发任务是否真正生效缺乏判断、个体基线可靠程度未被考量以及羞怯与抑郁识别结果之间内在一致性缺乏校验等问题,导致在实际应用尤其是便携采集条件下,所得识别结果的可信度与稳定性难以得到保证。

技术实现思路

1、为了解决现有技术存在羞怯倾向与抑郁风险的识别结果的可信度与稳定性难以得到保证的技术问题,本发明实施例提供了一种基于时序脑电特征的羞怯倾向与抑郁风险识别系统。技术方案如下:

2、脑电协同采集模块,用于接收针对目标对象在预设情景训练范式下采集的连续脑电信号并划分为静息段脑电数据和诱发段脑电数据;同时在获取诱发段脑电数据的过程中,基于实时的频带功率计算相对于静息段脑电数据的唤醒增量,若检测到唤醒增量未达到第一预设阈值,则生成反馈控制指令以动态调整预设情景训练范式的刺激参数,直至获取到满足有效诱发条件的诱发段脑电数据。

3、基线加权特征模块,用于对静息段脑电数据进行特征提取,得到抑郁特征集和基线稳定性指标,并对诱发段脑电数据进行特征提取得到初始羞怯特征集;以及基于基线稳定性指标计算针对个体差异的置信度权重以对初始羞怯特征集进行加权处理,得到目标羞怯特征集。

4、多任务识别校验模块,用于将抑郁特征集和目标羞怯特征集拼接为时序特征张量,并输入预先部署的多任务时序模型进行并行推理,输出抑郁风险概率和羞怯倾向评级;以及获取多任务时序模型基于预设共病分布先验规则针对当前输出结果生成的校验结果。

5、智能报告输出模块,用于提取抑郁风险概率、羞怯倾向评级,并结合提取到的置信度权重和校验结果,生成包含可信度标识序列的目标评估报告。

6、本发明实施例提供的技术方案带来的有益效果至少包括:

7、1、本方案构建了一套在单次连续采集中同时获取静息与社交诱发两类情景脑电信息的识别系统,依据特征所处情景及其时序动态模式将指向抑郁的持续性神经活动特征与指向羞怯的社交触发性神经响应特征分别刻画并归属,从而在同一段连续脑电数据中实现羞怯倾向与抑郁风险的协同识别;同时,系统在采集、特征提取与识别校验三个环节分别设置可信度控制机制,在诱发是否生效、特征是否可靠、结果是否一致三个层面逐层把控,使识别结论在便携采集条件下仍具备可靠性。

8、2、通过在获取诱发段脑电数据的过程中实时计算唤醒增量并据此动态调整刺激参数,能够在采集环节即对诱发是否真正生效加以判断并加以干预,使最终获取的诱发段脑电数据切实包含羞怯相关信息,从而克服了诱发任务对部分个体失效而导致采不到可供识别的羞怯特征的问题。

9、3、通过计算静息状态下的基线稳定性指标并据此对诱发段所提取的羞怯相关特征进行幅度上的动态校正,使可靠性较低的羞怯相关特征在后续识别中被自动抑制,从而在便携采集等基线易受波动的条件下提升识别结果的稳定性。

10、4、通过将羞怯与抑郁之间的共病关联以一致性约束的形式纳入模型训练,并在推理阶段对两类输出结果进行协同校验,使明显背离内在规律的异常结果能够被及时发现并加以提示,从而提升识别结果的可信度。

1.基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于,包括:

2.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述基于实时的频带功率计算相对于所述静息段脑电数据的唤醒增量,具体过程如下:

3.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述生成反馈控制指令,具体用于:

4.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述基于所述基线稳定性指标计算针对个体差异的置信度权重,具体方式如下:

5.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述对所述诱发段脑电数据进行特征提取,具体用于:

6.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述将所述抑郁特征集和所述目标羞怯特征集拼接为时序特征张量,具体用于:

7.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述多任务时序模型包括依次级联的卷积网络层、双向长短期记忆网络层,以及并行连接在所述双向长短期记忆网络层输出端的第一注意力机制层和第二注意力机制层;所述多任务识别校验模块具体用于:

8.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述多任务时序模型的内部网络参数是通过基于共病一致性约束损失数据的联合损失函数迭代更新生成的;所述共病一致性约束损失数据的生成过程包括:

9.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述生成的校验结果,具体用于:

10.如权利要求1所述基于时序脑电特征的羞怯倾向与抑郁风险识别系统,其特征在于:所述生成包含可信度标识序列的目标评估报告,具体用于: