基于多模态睡眠生理信号的抑郁症筛查系统

本产品是针对人群中潜在的抑郁症患者所设计的抑郁症筛查系统，主要通过睡眠信号来检测并筛查抑郁症。下面将通过设计方式、使用方法和作品优点三方面来对产品进行描述。 1.设计方式 本产品采取卷积神经网络、深度学习构建模型和系统搭建的方法实现基于多通道睡眠分期模型的抑郁症特征筛查模型的最终目标，其具体内容如下分块(细节可参见作品说明材料)： (1)基于卷积神经网络的多通道脑电信号睡眠分期 (2)基于深度学习的抑郁症特征筛查模型构建 (3)基于项目算法的抑郁症特征筛选系统的搭建 2.使用方法 打开监测睡眠系统，在进行睡眠监测之前，需要先佩戴脑电环，才能在睡眠过程中读取脑电数据，首先要将脑电环的蓝牙接收器接入电脑，打开脑电环的开关，将脑电环佩戴于头部，佩戴完成后，打开睡眠监测界面.点击开始入睡按钮，系统开始收集脑电信号，实行进行分期，网站由Django框架搭建，在实时睡眠分期的过程中使用双线程机制。线程一实时地将脑电环获取的脑电信号传输至本地存储，线程二使用训练好的CNN-BiLSTM模型进行分期，最后通过PC-DRN网络来实现抑郁症的筛查分类。 睡眠期间，用户可以个性化的选择助眠音乐，包括低频助眠音乐，包含自然音、助眠音和睡前故事，通过模拟大脑中放松状态的脑波信号，从而诱导人体进入睡眠状态。开始睡眠后，系统每隔150s会根据实时变化的睡眠情况，更新一次睡眠状态，以更好的记录睡眠数据。 当用户醒来之后，可点击结束睡眠按钮，系统停止对用户脑电信号的监测,点击睡眠报告按钮，此时可以查看用户昨夜的睡眠情况。在睡眠报告界面中，可以查看在一夜的监测中，用户的睡眠变化情况，系统会根据睡眠情况判断产生抑郁症的可能性。 点击查看更多按钮，可以查看用户的历史睡眠详细信息，包括睡眠时长，入睡时长，浅睡时长、深睡时长，快速眼动期时长，深睡比例、睡眠得分,以便更好凸显抑郁症患者与正常人之间的睡眠生理信号间的差异，提高分类准确率,使用户可以很好地了解自己的精神状况。 3.作品优点 目前抑郁症的诊断主要基于医生对患者的临床访谈和精神病学调查问卷，缺少客观标准。这种精神心理相关疾病检查效率低，工作量大，因主观因素导致诊断的准确率非常低。并且国内紧缺专业的精神病医生，各医院医生的诊疗水平参差不齐，导致抑郁症患者的漏诊、误诊概率大。而本产品能够从数据集中自动、快速地学习多层次的抽象、表征和信息，不需要用大量的先验知识来指导训练过程，并可以模仿人类提供有效信息或做出决策。它能够帮助用户更准确、更快速地预测疾病风险，从而更早发现这些疾病。因此，通过这种精确高效的诊断使抑郁症患者能尽早采取治疗措施，减少抑郁症给患者带来的痛苦、给社会带来的负担。