本技术涉及一种基于生物特征识别的抑郁症诊断方法,包括以下步骤:首先对被测对象的脑电图信号进行降噪处理,以获得清晰的脑电图信号;随后,对这些信号进行进一步分析,以评估被测对象是否患有抑郁症。该方法旨在通过先进的生物特征信息处理技术,提高抑郁症诊断的准确性和效率。
背景技术
重度抑郁症(Major Depressive Disorder)是一种常见的医学疾病,也被简称为抑郁症,其特征一般是情绪低落,精力不足,失去对生活的兴趣。重度抑郁症还会导致神经营养功能(例如食欲和睡眠障碍),认知(例如毫无价值的感觉)和精神运动活动(例如躁动或智力低下)等方面异常,甚至会使人产生自杀倾向。抑郁症是由遗传,生物学,环境和心理因素共同导致的。并且抑郁症不是由任何单一基因引起的,而是一种具有复杂遗传特征的疾病。目前有几种治疗重度抑郁症的方法。这些方法包括心理治疗,抗抑郁药,电惊厥治疗(ECT)和其他躯体疗法。抗抑郁药是治疗抑郁症的药物。它们可能有助于改善大脑使用某些化学物质控制情绪或压力的方式。
典型地,针对抑郁症状态的评估是根据抑郁症自评量表和心理医生的经验来判定的,主要问题是便捷性差、客观性不足,以及效率比较低。
因此,本领域已经有多种尝试,希望获得更便捷和客观的判断方法和病程或者治疗进程的量化手段。例如请参见如下专利文献。
专利文献1:公开号CN105279380B,申请号CN201510746466.0,申请日2015/11/5题为“一种基于表情分析的抑郁程度自动评估系统”,该专利公开了一种基于表情分析的抑郁程度自动评估系统,包括数据采集模块、预处理和特征提取模块、相关特征提取模块、预测模型训练模块、新视频标注模块和新视频预测模块。该技术目的在于提供一种客观的评估标准,不依赖于主观经验,能够真正做到客观有效的评估;能够综合分析不同受试对象的数据,不局限于对单一对象进行孤立分析。
专利文献2:公开号CN111899894B,申请号CN202010767283.8,题为“一种抑郁症患者预后药效评估系统及其评估方法”,申请日2020年8月3日,该专利公开了一种抑郁症患者预后药效评估系统及其评估方法,包括以下步骤:收集和整理数据,构建原始数据集;对原始数据集进行数据预处理得到实验数据集;对实验数据集进行数据挖掘,筛选差异特征,建立输入数据集;将输入数据集按照一定比例划分为训练数据集和测试数据集;创建抑郁症患者预后药效评估的深度学习模型,利用训练数据集对创建的深度学习模型进行训练;利用测试数据集对训练好的深度学习模型进行性能评估,并在评估过程中对模型进行不断优化,得到最优模型。该专利的目的在于基于患者治疗前特征进行药效预测,辅助指导医护人员做出精准治疗,提高治疗效果。
专利文献3:公开号CN104127193B,申请号CN201410334898.6,题为“一种抑郁症程度量化的评估系统及其评估方法”,该专利公开了一种抑郁程度量化评估系统,包括:心电脉搏波一体化检测装置、数据传输装置、数据处理平台。该专利还公开了一种抑郁程度量化评估诊断方法,包括以下步骤:步骤1、通过多状态综合测试平台获取不同状态下的人体生理信息;步骤2、依据心率变异性分析原理得到不同状态下的HRV特征参数;步骤3、评估自主神经系统中的交感神经、迷走神经功能的平衡状态;步骤4、建立抑郁程度量化评估模型,实现快速、客观评估受测者的抑郁程度等级。属于计算机辅助诊断技术领域,实现了抑郁程度量化评估,填补了抑郁症检查技术领域的空白,简便易行,节省医疗资源,能有较好的临床实用性。
然而,上述现有技术中,用于对抑郁症评估的信息仍然不能十分准确地辅助抑郁症的诊断和治疗。
实现思路