针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其存储介质

技术领域

本发明涉及门控功能评价的脑电生理指标领域，具体是指一种针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其计算机可读存储介质。

背景技术

感觉门控功能障碍是精神分裂症患者突出的内表型特征，反应动物感觉门控功能的震惊反射实验(PPI)常常作为建立精神分裂症动物模型的一个特征性指标。开发出准确的评价人类感觉门控功能的生物指标，对于临床上区分精神分裂症和其他精神疾病具有重要的意义。

事件相关电位MMN(Mismatch Negativity，MMN，失匹配负波)是一种即使在没有特别注意的情况下，以一定比例出现的标准刺激和偏差刺激(常见的有90％：10％和80％：20％)也能诱发出的事件相关电位的差异波。这种差异波在一定程度上反应大脑区分目标和背景的能力，即感觉门控功能。良好的感觉门控功能能够滤过背景信息，而关注目标，反之，无法滤过无关重要的背景干扰，患者难以抓取目标，冗余的背景信息干扰了患者的思维，而出现思路混乱等精神症状。

目前临床研究表明MMN波幅与精神分裂症相关，相对于健康人，精神分裂症患者的MMN幅度降低，但目前尚无MMN波幅的正常值，因此无法作为感觉门控功能评价的指标。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足数据精准、操作简便、适用范围较为广泛的针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其计算机可读存储介质如下：

该针对评价感觉门控功能的MMN信号特征进行提取处理的方法，其主要特点是，所述的方法包括以下步骤：

(1)采集脑电波数据；

(2)进行MMN预处理；

(3)采用特征分析方法对MMN的幅值和潜伏期进行数值统计分析；

(4)将时间相关电位进行机器学习分类，得到分类的结果；

(5)将患者治疗前后的事件相关电位波形与3组平均水平进行比较，得到分析结果；

(6)提取MMN幅值和潜伏期。

较佳地，所述的步骤(2)具体包括以下步骤：

(2.1)通过0.1～30Hz的带通滤波器进行滤波；

(2.2)针对工频波段进行50Hz陷波处理；

(2.3)进行通道定位；

(2.4)进行独立成分分析去除眼电成分，更改参考电极；

(2.5)布置bin文件对脑电信号进行分段，进行基线校准；

(2.6)去除较大伪迹部分数据；

(2.7)分别对标准刺激和偏差刺激迭加平均得到两个事件相关电位，进行相减得到差异波；

(2.8)在差异波中提取MMN的峰值和潜伏期，获得波幅和波形。

较佳地，所述的步骤(2.6)具体包括以下步骤：

根据单一阈值超过±100微伏以及200ms内峰值波动超过±100微伏的判断条件去除伪迹大的分段。

较佳地，所述的步骤(3)具体包括以下步骤：

进行多样本的单因素方差分析检验，加入年龄进行协方差，并对MMN的幅值进行相关分析，得到波幅的感觉门控功能阈值。

较佳地，所述的方法还包括对测试集数据进行预测的步骤，具体包括以下步骤：

按照总样本的被试类型比例进行划分，使用十折交叉验证法，对进行模型训练，再对剩下的数据进行预测，将结果与标签进行对比，评估准确率。

较佳地，所述的步骤(1)具体包括以下步骤：

使用脑电采集系统进行脑电数据采集，指导被试者看无声视频，同时播放标准刺激与偏差刺激，其中标准刺激出现概率为90％，偏差刺激出现概率为10％，偏差刺激在至少6个标准刺激之后才会出现。

该对评价感觉门控功能的MMN信号特征提取处理的装置，其主要特点是，所述的装置包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的步骤。

该对评价感觉门控功能的MMN信号特征提取处理的处理器，其主要特点是，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的步骤。

该计算机可读存储介质，其主要特点是，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的各个步骤。

采用了本发明的针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其计算机可读存储介质，将被试MMN曲线与标准曲线的波形和波幅比较，评价感觉门控功能；并用MMN感觉门控体系，通过机器学习预测精神分裂症、双相情感障碍、抑郁症等精神疾病；本发明使用治疗前后的MMN的曲线对比，评估患者治疗疗效。

附图说明

图1为本发明的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的流程图。

图2为本发明的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的MMN预处理流程图。

图3为本发明的精神分裂症患者(SCZ)的MMN潜伏期显著低于双相情感障碍患者(BPD)和健康对照组(HC)的水平示意图。

图4为本发明的以年龄作为协方差分析表明SCZ和BPD患者的MMN幅值显著低于HC组水平示意图。

图5为本发明的被试者(SCZ)治疗后波形向健康对照组水平靠拢曲线示意图。

图6为本发明的被试者(OCD)治疗后波形向健康对照组水平靠拢曲线示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明的该针对评价感觉门控功能的MMN信号特征进行提取处理的方法，其中包括以下步骤：

(1)采集脑电波数据；

(2)进行MMN预处理；

(2.1)通过0.1～30Hz的带通滤波器进行滤波；

(2.2)针对工频波段进行50Hz陷波处理；

(2.3)进行通道定位；

(2.4)进行独立成分分析去除眼电成分，更改参考电极；

(2.5)布置bin文件对脑电信号进行分段，进行基线校准；

(2.6)去除较大伪迹部分数据；

根据单一阈值超过±100微伏以及200ms内峰值波动超过±100微伏的判断条件去除伪迹大的分段；

(2.7)分别对标准刺激和偏差刺激迭加平均得到两个事件相关电位，进行相减得到差异波；

(2.8)在差异波中提取MMN的峰值和潜伏期，获得波幅和波形；

(3)采用特征分析方法对MMN的幅值和潜伏期进行数值统计分析；

进行多样本的单因素方差分析检验，加入年龄进行协方差，并对MMN的幅值进行相关分析，得到波幅的感觉门控功能阈值；

(4)将时间相关电位进行机器学习分类，得到分类的结果；

(5)将患者治疗前后的事件相关电位波形与3组平均水平进行比较，得到分析结果；

(6)提取MMN幅值和潜伏期。

作为本发明的优选实施方式，所述的方法还包括对测试集数据进行预测的步骤，具体包括以下步骤：

按照总样本的被试类型比例进行划分，使用十折交叉验证法，对进行模型训练，再对剩下的数据进行预测，将结果与标签进行对比，评估准确率。

作为本发明的优选实施方式，所述的步骤(1)具体包括以下步骤：

使用脑电采集系统进行脑电数据采集，指导被试者看无声视频，同时播放标准刺激与偏差刺激，其中标准刺激出现概率为90％，偏差刺激出现概率为10％，偏差刺激在至少6个标准刺激之后才会出现。

本发明的该对评价感觉门控功能的MMN信号特征提取处理的装置，所述的装置包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的步骤。

本发明的该对评价感觉门控功能的MMN信号特征提取处理的处理器，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的步骤。

本发明的该计算机可读存储介质，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的针对评价感觉门控功能的MMN信号特征进行提取处理的方法的各个步骤。

本发明的具体实施方式中，为了开发评估感觉门控功能的精准生物指标，本发明使用同一套设备采集了676个中国人的脑电生理数据，其中精神分裂症患者208例，双相障碍患者144例，健康对照324例。采用特征分析方法对其MMN数据进行波幅和波形特征分析；接着使用MMN的幅值和潜伏期，进行机器学习分类，得到分类的结果；最后还针对12个人中具有治疗前后随访数据的被试进一步分析，画出每一个人的MMN图，进行了具体的比较分析，得到分析结果，如附图1所示。

科学原理如下：

精神分裂症和情感障碍(包括双相情感障碍和抑郁症)都是复杂的重性精神疾病，其发病机制尚不明确，没有客观的诊断指标，为诊断和治疗带来困难。多项研究发现，感觉门控功能障碍是精神分裂症的内表型，具有内在特征性的意义。很可能是区分精神分裂症和情感障碍的生物标志物。

MN是通过记录头皮脑电可以反应大脑的电活动；记录脑电的同时加上一些刺激可以反应大脑对刺激的即时反应。通过对相关刺激的标记，将同一事件刺激的大脑电活动反应重复迭加可以得到事件相关电位。因此，事件相关电位反应了被试在接受刺激之后的大脑电活动。MMN是一种事件相关电位，在重复多次的标准刺激中随机加入少数(占比不超过30％)的偏差刺激，将偏差刺激得到的事件相关电位减去标准刺激的事件相关电位即可得到MMN。现在对于MMN的机制，主要有两种，一种是感觉记忆假说，另一种是适应假说。记忆假说认为，标准刺激会在记忆中留下轨迹，而偏差刺激具有与标准刺激不一致的属性，就会诱发MMN。从这个角度上来讲，MMN被认为是一种检错的指标，其幅值可以反应当前刺激与先前刺激不一样的程度。适应假说则认为，大脑神经元会对重复多次的刺激进行自适应，当重复的次数多的时候就会减弱对该刺激的反应；相比之下，偏差刺激的比例比较小，因此神经元对其的适应程度没有标准刺激的强，神经元对偏差刺激的反应比较显著；因此，将二者的事件相关电位进行相减即可得到一个显著的新的事件相关电位MMN。

MMN与注意前听觉处理相关，在精神分裂症中已经得到了广泛的研究，并一致认为精神分裂症患者的MMN幅值减小(相比于健康对照)。但对健康人、精神分裂症、情感障碍的MMN的波形和波幅目前没有标注阈值。因此本专利通过大样本开发了不同类型人群的反应感觉门控的MMN波形和波幅的标注值。

本发明的具体实现方式如下：

(1)数据采集与预处理：

使用ANT Neuro公司的64导联脑电采集系统进行脑电数据采集，采样频率为1000Hz。实验范式采用oddball范式，指导被试专心看一段无声的动漫视频，同时戴上入耳式耳机，播放两种纯音刺激，分别为标准刺激与偏差刺激(持续时间分别为50ms和100ms)，其中标准刺激出现概率为90％，偏差刺激出现概率为10％，共计900个试次，记录耗时约9分钟，且偏差刺激在至少6个标准刺激之后才会出现。数据预处理中，本发明首先使用0.1-30Hz带通滤波器进行滤波，慎重起见本发明还针对工频波段进行了50Hz陷波处理，接着使用EEGLAB中的standard-10-5-cap385.elp进行通道定位，然后做独立成分分析去除眼电成分，更改参考电极，创建事件list文件并布置bin文件对脑电信号进行分段，基线校准，使用单一阈值超过±100微伏以及200ms内峰值波动超过±100微伏两个条件去除伪迹大的分段，分别对标准刺激和偏差刺激迭加平均可以得到两个事件相关电位，二者相减，即可得到差异波。在差异波中，使用ERPLAB中的峰值和潜伏期的提取方法，将刺激后的150ms-280ms作为窗口，提取MMN的峰值和潜伏期，获得波幅和波形，如图2所示。

(2)MMN数值统计分析：

得到特征之后本发明进行了多样本的One-Way ANOVA检验，并加入年龄做了协方差进行，还对MMN的幅值做了相关分析，得到波幅的感觉门控功能阈值可以发现三组之间MMN存在明显差异，如图3和图4所示。并首次发现MMN的波形(双波)是感觉门控受损严重程度的一个重要指标，波形和波幅均对感觉门控功能具有重要的评价作用。发现精神分裂症患者组在MMN窗口的图形不仅波幅变小，而且出现明显双波，而BPD和HC不出现明显双波，提示精神分裂症感觉门控功能受损最严重。

(3)MMN感觉门控体系对疾病的预测作用：

本发明还建立特征提取和机器学习的分析模型，使用了KNN、树、朴素贝叶斯、支持向量机等方法，采用朴素贝叶斯模型建立的MMN的感觉门控评价体系对精神分裂症患者和健康对照组两组进行预测的准确率是73.55％；对双相情感障碍和健康对照组两组进行预测准确率为70.47％；本发明用KNN模型建立的MMN感觉门控评价体系区分精神分裂症和其他精神病(即双相情感障碍患者、抑郁症、焦虑症等)的准确率为75.60％，如下表所示。

(4)MMN感觉门控体系对疗效的预测：本发明采集了12个患者(包括3个SCZ和3个BPD，1个BPD伴随OCD，3个OCD，2个MDD)。治疗前后的MMN数据，采用波幅和波形结合的对比分析发现症状得到显著改善的患者的MMN曲线会趋于健康对照组曲线，如图5所示为SCZ患者，图6为OCD患者。

另外，在得到相应的MMN峰值和潜伏期之后，本发明还使用支持向量机进行模型训练并对测试集数据进行预测。该发明使用十折交叉验证法，将总样本均为10组，每组中按照总样本的被试类型比例进行划分，每一次十折交叉验证是指将总样本中的9组数据进行模型训练，再对剩下的1组数据进行预测，将结果与标签进行对比，评估准确率。为了降低分组的随机性造成的影响，本发明还将总样本打乱顺序再进行十折交叉验证，该发明使用10次十折交叉验证法，将最终预测结果与标签相同的除以样本总数记为准确率。

对于随访患者的数据，本发明现在依次画出其治疗前、治疗后与精神分裂症患者、双相情感障碍患者和健康对照的平均水平的差异波曲线，以大样本得到的3条曲线作为参考，探索治疗前后患者的曲线的变化情况，发现治疗后症状得到改善的患者的曲线往往会向健康对照组的平均水平靠拢。

本实施例的具体实现方案可以参见上述实施例中的相关说明，此处不再赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，相应的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

采用了本发明的针对评价感觉门控功能的MMN信号特征进行提取处理的方法、装置、处理器及其计算机可读存储介质，将被试MMN曲线与标准曲线的波形和波幅比较，评价感觉门控功能；并用MMN感觉门控体系，通过机器学习预测精神分裂症、双相情感障碍、抑郁症等精神疾病；本发明使用治疗前后的MMN的曲线对比，评估患者治疗疗效。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。