面向精神健康普适化生物传感信息感知的有效特征算法研究

Aimed at current development status of mental illness treatment technology, physiological electrical signals information is introduced into the computerized online clinic system in this project. The personalized features and features combinations are able to provide effective input variables to build physiological feedback computable cognitive model. The wearable biological information sensors can change the process of diagnosis and treatment into a pervasive process. The reaearch will provide hardware basis in the group of psychological disorders of pervasive psychological intervention system, be helpful to solve the problems of computerized cognitive behavioral therapy and the lack of key problems of real-time monitoring and objective analysis for mental disorders and the level of pressure.

本项目针对当前精神疾病诊疗技术的发展现状，将生理电信号信息引入到计算机化的在线诊疗系统中，所研究的个性化特征及特征组合方案在建立基于生理反馈的可计算认知模型方面能够提供有效的输入变量，开发的可穿戴式生物信息传感器能够将诊疗过程普适化，在实现心理障碍人群的普适心理干预系统中提供硬件基础，有利于解决计算机化认知行为疗法缺少对患者心理障碍与压力水平实时监测与客观分析的关键问题。

本项目针对当前精神疾病诊疗技术的发展现状，将生理电信号信息引入到计算机化的在线诊疗系统中，完成了项目的研究内容和研究目标。（1）开发了可穿戴式生物信息传感器，其性能已达到并超过市场同类产品，在本项目中用于脑电信息的采集，并可以扩展其他通道来同时采集记录心电、肌电等生理信息，从而集成为一个多指标、多通道的生物信息感知传感器，能够将诊疗过程普适化；（2）研究了两种可用的眼电噪声去除算法，一种为小波变换结合ICA的算法，利用小波变换构造出眼电参考信号还原出眼电信号的雏形，再利用ICA提取出眼电信号。另外一种为此方法基础上的改进，引入自适应滤波器，其中小波变换被用来重构眼电噪声，作为自适应噪声抵消器的参考输入信号，利用自适应滤波器的跟踪特性去除眼电噪声。该方法简单易于计算，适用于便携式脑电采集环境，在项目的数据处理中发现既能够完整地去除眼电噪声，又可以较好地保留有效脑电信号；（3）基于中国、西班牙和瑞士三个国家中受试人群的实验数据（量表与脑电数据），利用kNN与朴素贝叶斯分类算法，对脑电的特征进行分类研究，评价数据分布的不同对分类准确率的影响。分类结果显示，脑电的部分特征可以成为压力水平的判断参照标准。其中脑电的非线性动力学特性在区分压力和正常人上更加敏感。另外，Alpha节律的非对称性及其他波段的相对功率也表现出较好的分类准确性。在本项目执行期，项目参与人员共发表论文8篇，申请到发明专利1项，实用新型专利1项，辅助培养博士、硕士研究生6名。