用于ADHD的辅助诊断模型构建方法、控制装置、存储介质及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116013500A(43)申请公布日2023.04.25(21)申请号202211566307.9(22)申请日2022.12.07(71)申请人北京脑陆科技有限公司地址100000北京市海淀区永泰庄北路1号天地邻枫2号楼2层224(72)发明人卿坤强王晓岸(74)专利代理机构北京润平知识产权代理有限公司11283专利代理师高英英(51)Int.Cl.G16H50/20(2018.01)G06N3/0464(2023.01)G06N3/09(2023.01)权利要求书2页说明书9页附图3页(54)发明名称用于ADHD的辅助诊断模型构建方法、控制装置、存储介质及设备(57)摘要本发明实施例提供用于ADHD的辅助诊断模型构建方法、控制装置、存储介质及设备，属于脑科学技术领域。所述辅助诊断模型构建方法包括：基于脑电图数据，构建用于ADHD辅助诊断的训练集和测试集；基于卷积神经网络，构建ADHD辅助诊断模型；以及通过所述训练集对所述ADHD辅助诊断模型进行训练，通过所述测试集对所述ADHD辅助诊断模型进行测试。本发明实施例基于卷积神经网络，构建ADHD辅助诊断模型，辅助诊断及分类算法能为医生提供一个智能决策的模型，能高精准度的区分ADHD患者与健康人群，对ADHD患者进行有效判别。该ADHD辅助诊断模型可适应不同ADHD患者样本群及不同跨设备之间的数据采集后的判别，较大程度提高算法模型的稳定性及通用性。CN116013500ACN116013500A权利要求书1/2页1.一种用于ADHD的辅助诊断模型构建方法，其特征在于，所述辅助诊断模型构建方法包括：基于脑电图数据，构建用于ADHD辅助诊断的训练集和测试集；基于卷积神经网络，构建ADHD辅助诊断模型；以及通过所述训练集对所述ADHD辅助诊断模型进行训练，通过所述测试集对所述ADHD辅助诊断模型进行测试。2.根据权利要求1所述的用于ADHD的辅助诊断模型构建方法，其特征在于，所述基于脑电图数据，构建用于ADHD辅助诊断的训练集和测试集，包括：以预设的通道数和预设的采集频率，对ADHD患者和健康人群采集预设的采集时间的所述脑电图数据，所述预设的采集时间包括睁眼时间和闭眼时间；通过折叠交叉，将所采集的脑电图数据划分为训练样本集和测试样本集；对所划分的训练样本集和测试样本集中每个样本数据，通过重置采集时间，进行数据增强处理，数据增强处理后的样本数据为对应的所述每个样本数据的部分；根据脑电图数据的频段属性，将数据增强处理后的训练样本集和测试样本集中每个样本数据的delta频率范围、alpha频率范围及beta与低频gamma混合频率范围内的数据映射到彩色图像的RGB通道之一，生成所述训练样本集和所述测试样本集中每个样本数据对应的彩色图像；以及将样本数据为彩色图像的训练样本集和测试样本集，作为对应的所述训练集和所述测试集。3.根据权利要求2所述的用于ADHD的辅助诊断模型构建方法，其特征在于，在所述通过折叠交叉，将所采集的脑电图数据划分为训练样本集和测试样本集之前，所述辅助诊断模型构建方法还包括对所采集的脑电图数据进行数据预处理，包括：通过预设频率的滤波器对所采集的脑电图数据进行滤波；以及消除滤波后的脑电图数据中的噪声和伪影。4.根据权利要求2所述的用于ADHD的辅助诊断模型构建方法，其特征在于，所述通过折叠交叉，将所采集的脑电图数据划分为训练样本集和测试样本集，包括：将所采集的m组脑电图数据通过k倍折叠交叉，对应划分为k个不同的子样本集；以及将所述k个不同子样本集中的k‑1个子样本集作为训练样本集，将另外一个子样本集作为测试样本集。5.根据权利要求2所述的用于ADHD的辅助诊断模型构建方法，其特征在于，所述对所划分的训练样本集和测试样本集中每个样本数据，通过重置采集时间，进行数据增强处理，包括：通过hanning窗口，对所述每个样本数据以重置的采集时间进行重叠截取，形成对应的多个具有重叠数据的样本数据以增强所述训练样本集和所述测试样本集的样本数量。6.根据权利要求1所述的用于ADHD的辅助诊断模型构建方法，其特征在于，所述ADHD辅助诊断模型包括卷积层、汇集层、扁平层和全连接层，其中，所述卷积层以所述训练集的样本数据为输入，提取所述样本数据的特征向量，所述汇集层对所提取的特征向量进行降维，所述扁平层将所降维的特征向量转换为一维向量，所述全连接层对多个所述一维向量进行全连接后，输出训练结果，2CN116013500A权利要求书2/2页所述汇集层包括池化层和遗弃层。7.根据权利要求6所述的用于ADHD的辅助诊断模型构建方法，其特征在于，所述ADHD辅助诊断模型为十三层二维神经卷积模型，所述ADHD辅助诊断模型包括三个卷积层、三个池化