CN113274021B - 基于惊反射诱发的创伤后应激障碍诊断评估*** - Google Patents
基于惊反射诱发的创伤后应激障碍诊断评估*** Download PDFInfo
- Publication number
- CN113274021B CN113274021B CN202110448107.2A CN202110448107A CN113274021B CN 113274021 B CN113274021 B CN 113274021B CN 202110448107 A CN202110448107 A CN 202110448107A CN 113274021 B CN113274021 B CN 113274021B
- Authority
- CN
- China
- Prior art keywords
- stimulation
- user
- stage
- early warning
- stimulus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000028173 post-traumatic stress disease Diseases 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 230000006698 induction Effects 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 title abstract description 11
- 230000000638 stimulation Effects 0.000 claims abstract description 170
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000011217 control strategy Methods 0.000 claims abstract description 23
- 210000004556 brain Anatomy 0.000 claims abstract description 13
- 238000013145 classification model Methods 0.000 claims description 72
- 230000008859 change Effects 0.000 claims description 55
- 238000012549 training Methods 0.000 claims description 35
- 238000002474 experimental method Methods 0.000 claims description 33
- 238000012360 testing method Methods 0.000 claims description 17
- 230000005764 inhibitory process Effects 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 12
- 239000007924 injection Substances 0.000 claims description 12
- 238000004880 explosion Methods 0.000 claims description 9
- 230000004936 stimulating effect Effects 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 230000007935 neutral effect Effects 0.000 claims description 4
- 239000002360 explosive Substances 0.000 claims description 3
- 230000009123 feedback regulation Effects 0.000 claims description 3
- 230000031877 prophase Effects 0.000 claims description 3
- 206010027336 Menstruation delayed Diseases 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 30
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000011514 reflex Effects 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013102 re-test Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000007435 diagnostic evaluation Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006343 physiological stress response Effects 0.000 description 1
- 230000006388 psychological stress response Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
- A61B5/0053—Detecting, measuring or recording by applying mechanical forces or stimuli by applying pressure, e.g. compression, indentation, palpation, grasping, gauging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Fuzzy Systems (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种基于惊反射诱发的创伤后应激障碍诊断评估***，能够增加健康人群和高风险人群的惊反射诱发区分度，为PTSD诊断提供了更加准确稳定的测评方案。该***包括：信号呈现单元，用于根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激、强刺激中的一种或多种；数据采集单元，用于实时采集用户在诊断时不同阶段的生理数据，生理数据包括脑电信号、眼电信号和心电信号；反馈调节单元，用于根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元；输出单元，用于统计生理数据经计算处理后输入识别模型获取用户的患病风险评分，并输出相应的患病等级。
Description
技术领域
本发明涉及医疗器械技术领域，尤其涉及一种基于惊反射诱发的创伤后应激障碍诊断评估***。
背景技术
在经历对生命有威胁或对身体有严重伤害的创伤事件之后，部分人员会发生并持续出现一系列生理和心理的应激反应，甚至发展成为创伤后应激障碍(post-traumaticstress disorder,PTSD)患者。PTSD是一种严重致人虚弱、影响身心健康的心理疾患，患者具有高***危险，对自己、家庭和社会造成严重负担。消防人员、武警战士、医生护士等工作经常面临危险场景，心理压力极大，对心理承受力要求极高。有些人在出现PTSD症状之前可能已经存在一些生理心理指标的异常。因此通过PTSD相关生理心理指标的测量，有利于及时发现和预测心理承受力相对较弱的个体。对于已经存在PTSD症状的人，基于客观方法的心理评估可以为医生提供可量化的指标，有利于后续精确诊断。
惊反射是一种全身性非条件反射，常在突然出现的声音、电击、气流等刺激下出现。因其具有客观可量化的特点，一直是临床诊断PTSD特有标准之一。现有惊反射测量方法多使用简单生理指标，比如眼电幅值等。这类方法在首次评估中准确度尚可，但是在多次评估后因被测人适应较快、重测信效度迅速下降，因此需要在测量范式和分析方法上不断优化，才能更好的帮助医生评估PTSD症状。目前临床研究中为了确定刺激对不同人群的影响，均使用固定刺激，该方法有利于初次惊反射研究，可惜严重损失了后续的重测信效度，阻碍了惊反射在临床中的应用。
惊反射多由较强的刺激引发，刺激强度的选择直接影响惊反射的评估能力。如果过弱低于阈值，则无法引发惊反射；如果过强，则会让有PTSD风险的个体快速适应刺激，或者让无PTSD风险的个体在首次测量中诱发过强的惊反射。在学习训练阶段多次配对呈现强刺激与条件刺激后，在测试阶段仅出现条件刺激也可以引发惊反射，该现象称为恐惧条件化。不需要配对学习就能够单独引发惊反射的强刺激又称为非条件刺激。目前研究发现测试阶段条件刺激引发的惊反射对PTSD症状的区分度更好，有潜力成为更好的PTSD指标。恐惧条件化需要较强的刺激与条件刺激匹配，刺激过强会严重损失强刺激本身诱发惊反射的区分效力和后续的重测效力。因此，目前缺乏一种同时能保留学习阶段非条件刺激惊反射区分度和测试阶段条件刺激区分度的方法，也即现有技术中采用的惊反射诱发的PTSD诊断方案对于健康人群和高风险人群的区分度不足，降低了PTSD诊断方案的测评准确性。
发明内容
本发明的目的在于提供一种基于惊反射诱发的创伤后应激障碍诊断评估***，能够增加健康人群和高风险人群的惊反射诱发区分度，为PTSD诊断提供了更加准确稳定的测评方案。
为了实现上述目的，本发明提供一种基于惊反射诱发的创伤后应激障碍诊断评估***，包括信号呈现单元、数据采集单元、反馈调节单元和输出单元：
信号呈现单元，用于根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激、强刺激中的一种或多种；
数据采集单元，用于实时采集用户在诊断时不同阶段的生理数据，所述生理数据包括脑电信号、眼电信号和心电信号；
反馈调节单元，用于根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元；
输出单元，用于统计所述生理数据经计算处理后输入识别模型获取用户的患病风险评分，并输出相应的患病等级。
优选地，所述信号呈现单元包括：
条件刺激模块，用于根据中性信号向用户发送条件刺激；
预警刺激模块，用于根据预警信号向用户发送预警刺激；
强刺激模块，用于根据强刺激信号向用户发送强刺激。
较佳地，所述条件刺激为视觉刺激，所述预警刺激为声音刺激，所述强刺激为接触刺激；
所述视觉刺激包括通过图片的形式刺激用户，所述声音刺激包括通过***声的形式刺激用户，所述接触刺激包括通过喷气的形式刺激用户。
进一步地，所述刺激控制策略中的刺激方案包括AA+、BC-和AA-，所述字母A、B、C对应表示图片的三种不同内容，所述符号+表示产生喷气，所述符号-表示不产生喷气；
所述AA+表示在预设时段内向用户同时展示两张相同内容的图片A，并在其中的一段时间内向用户喷气；
所述BC-表示在预设时段内向用户同时展示图片B和图片C，且不向用户喷气；
所述AA-表示在预设时段内向用户同时展示两张相同内容的图片A，且不向用户喷气；
所述AB-表示在预设时段内向用户同时展示图片A和图片B，且不向用户喷气。
进一步地，所述刺激控制策略中的刺激时序包括：
所述训练期包括多个阶段，通过在第1阶段使用AA+刺激方案且喷气压强设为最大值，在第2阶段使用AA+刺激方案且喷气压强设为最小值，在之后的每个阶段随机向用户呈现AA+刺激方案和AA-刺激方案，且第一阶段的AA+刺激方案不包括预警刺激，其余阶段的AA+刺激方案包括预警刺激；
所述测试期包括多个阶段，通过在每个阶段随机向用户呈现AB-刺激方案和BC-刺激方案，且各阶段的刺激方案均包括预警刺激。
进一步地，所述反馈调节单元包括：
前期汇总模块，汇总第1阶段用户的脑电幅值变化程度n1、眼电幅值变化程度y1和心电幅值变化程度x1，以及第2阶段用户的脑电幅值变化程度n2、眼电幅值变化程度y2和心电幅值变化程度x2；
后期汇总模块，汇总当前第m阶段用户的脑电幅值变化程度nm、眼电幅值变化程度ym和心电幅值变化程度xm，所述m的初始值为3，令m＝m+1，直至全部阶段的生理数据采集完成为止；
预警刺激强度调节模块，从第3阶段开始，基于上一阶段的脑电幅值变化程度及上一阶段的***声分贝数，调节下一阶段预警刺激时的***声分贝数；
强刺激强度调节模块，从第3阶段开始，基于第1阶段与上一阶段的眼电幅值变化程度及前两阶段的喷气压强差，调节下一阶段强刺激时的喷气压强；
预警刺激时间调节模块，从第3阶段开始，基于第1阶段的条件预警开启时间、及第1阶段的心电幅值变化程度及上一阶段的心电幅值变化程度调节下一阶段预警刺激的出现时间；
信号参数生成模块，从第3阶段开始，根据下一阶段预警刺激时的***声分贝数、下一阶段强刺激时的喷气压强以及下一阶段预警刺激的出现时间生成信号参数。
进一步地，还包括模型选择单元：
第一选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应刺激方案的第一二分类模型，并从中选择出符合阈值条件的第一二分类模型备用，所述刺激方案包括AA+刺激方案或者BC-刺激方案；
第二选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应时期的第二二分类模型，并从中选择出符合阈值条件的第二二分类模型备用，所述时期包括预警刺激前产生或者预警刺激后产生；
第三选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应条件刺激时期的第三二分类模型，并从中选择出符合阈值条件的第三二分类模型备用，所述条件时期包括条件刺激前产生或者条件刺激后产生。
进一步地，所述输出单元还包括：
危险辨别力指标计算模块，用于将用户本人的多组生理实验数据输入第一二分类模型，基于第一二分类模型识别结果的准确率得出用户的危险辨别力指标评分；
应激抵抗力指标计算模块，用于将用户本人的多组生理实验数据输入第二二分类模型，基于第二二分类模型识别结果的准确率得出用户的应激抵抗力指标计算模块评分；
逃遁抑制力指标计算模块，用于将用户本人的多组生理实验数据输入第三二分类模型，基于第三二分类模型识别结果的准确率得出用户的逃遁抑制力指标计算评分；
综合评分模块，用于根据用户的危险辨别力指标评分、应激抵抗力指标计算模块评分和逃遁抑制力指标计算评分计算出患病风险评分；
匹配输出模块，用于根据患病风险评分分布的区间对应得出用户的患病等级。
与现有技术相比，本发明提供的基于惊反射诱发的创伤后应激障碍诊断评估***具有以下有益效果：
本发明提供了一种基于惊反射诱发的创伤后应激障碍诊断评估***，该***由信号呈现单元、数据采集单元、反馈调节单元和输出单元四部分组成，其中，信号呈现单元的作用主要是根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激和强刺激，以使用户能够在不同阶段经受不同的刺激方案，数据采集单元的作用主要是实时采集用户在诊断时不同阶段的生理数据，如脑电信号、眼电信号和心电信号，数据采集单元的作用主要是根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元，以便开始下一阶段的刺激方案及对应的下一阶段的生理数据采集分析，输出单元的作用主要是统计上述生理数据经计算处理后输入识别模型以获取用户的患病风险评分，最终输出对用户患病等级的评估。
可见，本发明加入了反馈机制，能够根据用户在不同阶段刺激控制策略下产生的生理信号及时调整下一阶段信号呈现单元的信号参数，从而在降低刺激强度的同时能够提升惊反射诱发的效率。该方法有利于放大不同PTSD风险程度人群的惊反射水平差异，该方法既没有损失强刺激诱发惊反射的人群区分度，又保持了测试阶段条件刺激引发的惊反射的人群区分度，为PTSD诊断提供了更加准确稳定的测评方法。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中基于惊反射诱发的创伤后应激障碍诊断评估***的结构示意图；
图2为本发明实施例中评估用户患病风险的流程示意图；
图3为本发明实施例中信号参数调整时序的示意图；
图4为本发明实施例中用户在各阶段反馈调节后的惊反射效果示例图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
请参阅图1-图4，本实施例提供一种基于惊反射诱发的创伤后应激障碍诊断评估***，信号呈现单元、数据采集单元、反馈调节单元和输出单元：
信号呈现单元，用于根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激、强刺激中的一种或多种；数据采集单元，用于实时采集用户在诊断时不同阶段的生理数据，所述生理数据包括脑电信号、眼电信号和心电信号；反馈调节单元，用于根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元；输出单元，用于统计所述生理数据经计算处理后输入识别模型获取用户的患病风险评分，并输出相应的患病等级。
本实施例提供了一种基于惊反射诱发的创伤后应激障碍诊断评估***，该***由信号呈现单元、数据采集单元、反馈调节单元和输出单元四部分组成，其中，信号呈现单元的作用主要是根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激和强刺激，以使用户能够在不同阶段经受不同的刺激方案，数据采集单元的作用主要是实时采集用户在诊断时不同阶段的生理数据，如脑电信号、眼电信号和心电信号，数据采集单元的作用主要是根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元，以便开始下一阶段的刺激方案及对应的下一阶段的生理数据采集分析，输出单元的作用主要是统计上述生理数据经计算处理后输入识别模型以获取用户的患病风险评分，最终输出对用户患病等级的评估。
可见，本实施例加入了反馈机制，能够根据用户在不同阶段刺激控制策略下产生的生理信号及时调整下一阶段信号呈现单元的信号参数，从而在降低刺激强度的同时能够提升惊反射诱发的效率。该方法有利于放大不同PTSD风险程度人群的惊反射水平差异，该方法既没有损失强刺激诱发惊反射的人群区分度，又保持了测试阶段条件刺激引发的惊反射的人群区分度，为PTSD诊断提供了更加准确稳定的测评方法。
上述实施例中，信号呈现单元包括：条件刺激模块，用于根据中性信号向用户发送条件刺激；预警刺激模块，用于根据预警信号向用户发送预警刺激；强刺激模块，用于根据强刺激信号向用户发送强刺激。
优选地，条件刺激为视觉刺激，预警刺激为声音刺激，强刺激为接触刺激；视觉刺激包括通过图片的形式刺激用户，声音刺激包括通过***声的形式刺激用户，接触刺激包括通过喷气的形式刺激用户。
上述实施例中，刺激控制策略包括刺激方案和策略时序，其中，刺激方案包括AA+、BC-和AA-，字母A、B、C对应表示图片的三种不同内容，符号+表示产生喷气，符号-表示不产生喷气；AA+表示在预设时段内向用户同时展示两张相同内容的图片A，并在其中的一段时间内向用户喷气；BC-表示在预设时段内向用户同时展示图片B和图片C，且不向用户喷气；AA-表示在预设时段内向用户同时展示两张相同内容的图片A，且不向用户喷气；AB-表示在预设时段内向用户同时展示图片A和图片B，且不向用户喷气。
具体实施时，条件刺激为面向用户的环境线索，环境线索本身宜为中性信号，如不同色彩的灯光或图片等，本实施例优选用三种图形作为条件刺激的参考，条件刺激的作用在于为用户提供可区分的环境背景，其中相同的图片组合会导致强刺激的发送，其它组合则不会。在本实施中，采用的三种图形的条件刺激为A、B、C，“+”表示有强刺激，“-”表示没有强刺激。具体解释如下：AA+，表示屏幕中同时出现两个并列的图形A，且有强刺激；BC-表示屏幕中同时出现图形B和图形C，且无强刺激；AA-表示屏幕中同时出现两种相同的A图形，且无强刺激，AB-表示屏幕中同时出现A图形和B图形，且无强刺激；在以上每种环境线索中，都存在预警信号。
预警信号，代表此信号发生后可能会发生强刺激，预警信号出现在所有条件刺激呈现邻近结束时。在本示例中，以短暂***声表示预警信号。
强刺激信号，指会令人恐惧、害怕的刺激，比如喷气或电击等。在本实施例中采用压缩空气喷脖子的方法，在不影响本方案实施的情况下，可根据具体应用场景和用户对象，有针对性的设计预警信号和强刺激信号，强刺激出现在条件刺激持续出现五秒左右，然后与条件刺激共同消失，预警信号出现在强刺激信号之前，用于给用户暗示预警信号出现后大概率会出现强刺激信号。
每一阶段刺激控制策略对应的刺激时序如图3所示，外侧方框为条件刺激呈现的时长，斜纹竖条为预警信号出现的时间，右侧纯黑色部分为强刺激喷气出现时间，可以理解的是，上述条件刺激、预警刺激和强刺激的图形宽度代表出呈现的时长。
举例说明，请参阅图2，在同一阶段中条件刺激、预警刺激、强刺激的出现次序如下：
1、基线采集：采集30秒指导语和15秒倒计时共计45秒期间内的生理信号，作为后续分析的基线数据。
2、训练阶段，多次随机呈现有AA+和BC-，其中AA+表示屏幕中同时出现两个并列的A种图形，呈现结束后喷气，第一次AA+强刺激前无预警信号，后续的AA+在喷气出现前均有预警信号；BC-表示屏幕中同时出现B和C两种图形，结束时仅出现预警信号但是无喷气；AA+和BC-有9～21秒的随机间隔，该阶段用于条件刺激AA与强刺激喷气的匹配学习，使用户产生思维定式，一旦出现条件刺激AA将会随之出现强刺激喷气。每次预警相当于一个阶段刺激控制策略的投放，相对应的采集用户一次或一组生理数据。可选地，每人组共包括15个训练阶段和3个测试阶段。
3、检测阶段，以固定次序呈现糅合了训练阶段两种刺激的混合条件刺激AB-和无强刺激的条件刺激AA-，共交替呈现三次；两种刺激结束时均有预警信号，但是没有喷气；该阶段评测被试对危险刺激的泛化能力和抑制能力。
可以理解的是，上述实施例中的信号呈现次序属于经典的恐惧条件化学习范式，通过在第三部分检测过程中加入了混合线索AB-，由于AB即不属于经典的消退信号，也不属于抑制信号，而是介于两者之间，因此用户有理由认为AB后会出现喷气，因为训练过程只要有A就会喷气，也有理由认为AB后不会出现喷气，因为训练过程中只要是成对图形的条件刺激就会喷气。AB-后呈现AA时，用户同样即有理由认为会喷气，因为信号与训练阶段的AA+相同，同样有理由认为不会喷气，因为之前的AB-已经打破了训练阶段的规则，这种检测范式有利于放大不同人群的理解偏差。
上述实施例中，所述刺激控制策略中的刺激时序包括：所述训练期包括多个阶段，通过在第1阶段使用AA+刺激方案且喷气压强设为最大值，在第2阶段使用AA+刺激方案且喷气压强设为最小值，在之后的每个阶段随机向用户呈现AA+刺激方案和AA-刺激方案，且第一阶段的AA+刺激方案不包括预警刺激，其余阶段的AA+刺激方案包括预警刺激；所述测试期包括多个阶段，通过在每个阶段随机向用户呈现AB-刺激方案和BC-刺激方案，且各阶段的刺激方案均包括预警刺激。
数据采集单元用于采集用户的脑部活动信号、眼部活动信号和心脏活动信号，本实施例以脑电信号、眼电信号和心电信号作示例性说明。
上述实施例中，反馈调节单元包括：前期汇总模块，汇总第1阶段用户的脑电幅值变化程度n1、眼电幅值变化程度y1和心电幅值变化程度x1，以及第2阶段用户的脑电幅值变化程度n2、眼电幅值变化程度y2和心电幅值变化程度x2；后期汇总模块，汇总当前第m阶段用户的脑电幅值变化程度nm、眼电幅值变化程度ym和心电幅值变化程度xm，m的初始值为3，令m＝m+1，直至全部阶段的生理数据采集完成为止；预警刺激强度调节模块，从第3阶段开始，基于上一阶段的脑电幅值变化程度及上一阶段的***声分贝数，调节下一阶段预警刺激时的***声分贝数；强刺激强度调节模块，从第3阶段开始，基于第1阶段与上一阶段的眼电幅值变化程度及前两阶段的喷气压强差，调节下一阶段强刺激时的喷气压强；预警刺激时间调节模块，从第3阶段开始，基于第1阶段的条件预警开启时间、及第1阶段的心电幅值变化程度及上一阶段的心电幅值变化程度调节下一阶段预警刺激的出现时间；信号参数生成模块，从第3阶段开始，根据下一阶段预警刺激时的***声分贝数、下一阶段强刺激时的喷气压强以及下一阶段预警刺激的出现时间生成信号参数。
具体实施时，反馈调节单元用于根据生理数据调整信号参数，进而调整下一阶段的刺激控制策略。根据脑电信号变化调整预警信号强度，根据眼电信号变化调整喷气强度，根据心电信号变化调整预警信号出现前条件刺激的呈现时长。调整流程为：
首次使用AA+在不伤害皮肤前提下的最高喷气强度(压强记为P1)，无预警信号，条件刺激呈现5秒后开始最高喷气；在此次喷气引发的惊反射中，眼电幅值变化程度记为y1，脑电幅值变化程度记为n1，心电幅值变化程度记为x1；
第2次AA+使用能感受到的最弱喷气(压强记为P2)，预警信号为接近听觉惊反射阈值的短暂爆发音(分贝数记为S)，条件刺激呈现5秒后开始预警信号和最弱喷气，眼电幅值变化程度为y2，脑电幅值变化程度为n2，心电幅值变化程度为x2；
第3次AA+的信号呈现将根据生理信号调整，调整方法为：预警信号分贝数＝n2×S×J1；喷气强度＝[(y1-y2)/y1]×(P1-P2)×J2+P2；预警信号出现时间＝5-(x1+x2)×J3；眼电幅值变化程度为y3，脑电幅值变化程度为n3，心电幅值变化程度为x3；J1、J2、J3为矫正系数常数。
第m次AA+的信号根据生理信号调整方法为：预警信号分贝数＝nm-1×S×J1；喷气强度＝[(y1-ym-1)/y1]×(P1-P2)×J2+P2；预警声音出现时间＝5-(x1+xm-1)×J3；眼电幅值变化程度为ym，脑电幅值变化程度为nm，心电幅值变化程度为xm.
需要说明的是，脑电、眼电和心电的幅值变化程度均为相应特征值与基线改变的百分比。脑电特征为电压幅值、标准差、熵或功率谱等常用特征，眼电特征为电压幅值、面积等常用特征，心电特征为RR间期、P波、QRS波、HRV、功率谱等常用特征。
优选地，上述实施例还包括模型选择单元：
第一选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应刺激方案的第一二分类模型，并从中选择出符合阈值条件的第一二分类模型备用，刺激方案包括AA+刺激方案或者BC-刺激方案；第二选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应时期的第二二分类模型，并从中选择出符合阈值条件的第二二分类模型备用，时期包括预警刺激前产生或者预警刺激后产生；第三选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应条件刺激时期的第三二分类模型，并从中选择出符合阈值条件的第三二分类模型备用，条件时期包括条件刺激前产生或者条件刺激后产生。
具体实施时，第一二分类模型、第二二分类模型和第三二分类模型均采用留一法训练。
其中，第一二分类模型的训练筛选方案为：针对预设的多种二分类模型，对于每种预设的二分类模型分别使用100人组的生理实验数据进行训练，且每人组包括了训练阶段的一共15组，也即15个阶段随机采集的AA+刺激方案对应的生理实验数据或者BC-刺激方案对应的生理实验数据，其中14组为模型训练数据，1组为模型测试数据，然后分别统计每人组中对应二分类模型的识别结果与实际结果，也即判断生理实验数据产生时是由AA+刺激方案导致的还是由BC-刺激方案导致的，进而计算出每人组对应二分类模型的识别准确率，例如某个二分类模型在单人组中识别正确的数量为n，可计算出该二分类模型在该组数据样本的识别准确率为n/15，同样的，通过计算该二分类模型在100人组对应的识别准确率，求均值得到该二分类模型在100人组的平均识别准确率。同理，其他预设的二分类模型同样采用上述方案逻辑训练，一一对应的得到二分类模型在100人组的平均识别准确率，最终，从中筛选出百人以上平均准确率在75％左右的二分类模型作为第一二分类模型。
第二二分类模型的训练筛选方案为：针对预设的多种二分类模型，对于每种预设的二分类模型分别使用100人组的生理实验数据进行训练，且每人组包括了训练阶段和测试阶段的一共18组，也即18个阶段随机采集的生理实验数据，每组生理实验数据可能是在预警信号出现前3秒采集的，也可能是在预警信号出现后3秒采集的，其中17组为模型训练数据，1组为模型测试数据，然后分别统计每人组中对应二分类模型的识别结果与实际结果，也即判断生理实验数据产生时是由预警信号出现前3秒采集的还是由预警信号出现前3秒采集的，进而计算出每人组对应二分类模型的识别准确率，例如某个二分类模型在单人组中识别正确的数量为n，可计算出该二分类模型在该组数据样本的识别准确率为n/18，同样的，通过计算该二分类模型在100人组对应的识别准确率，求均值得到该二分类模型在100人组的平均识别准确率。同理，其他预设的二分类模型同样采用上述方案逻辑训练，一一对应的得到二分类模型在100人组的平均识别准确率，最终，从中筛选出百人以上平均准确率在75％左右的二分类模型作为第二二分类模型。
第三二分类模型的训练筛选方案为：针对预设的多种二分类模型，对于每种预设的二分类模型分别使用100人组的生理实验数据进行训练，且每人组包括了训练阶段和测试阶段一共18组随机采集的生理实验数据，每组生理实验数据可能是在强刺激前采集的，也可能是在强刺激后采集的，其中17组为模型训练数据，1组为模型测试数据，然后分别统计每人组中对应二分类模型的识别结果与实际结果，也即判断生理实验数据产生时是由条件刺激前采集的还是由条件刺激后采集的，进而计算出每人组对应二分类模型的识别准确率，例如某个二分类模型在单人组中识别正确的数量为n，可计算出该二分类模型在该组数据样本的识别准确率为n/18，同样的，通过计算该二分类模型在100人组对应的识别准确率，求均值得到该二分类模型在100人组的平均识别准确率。同理，其他预设的二分类模型同样采用上述方案逻辑训练，一一对应的得到二分类模型在100人组的平均识别准确率，最终，从中筛选出百人以上平均准确率在75％左右的二分类模型作为第三二分类模型。
可以理解的是，上述所用的分类模型多种多样本实施例对此不做限定，例如可以为logistics模型、SVM模型等，对于模型具体的训练过程为本领域技术人员所熟知的，本实施在此不做赘述。
上述实施例中，输出单元还包括：
危险辨别力指标计算模块，用于将用户本人的多组生理实验数据输入第一二分类模型，基于第一二分类模型识别结果的准确率得出用户的危险辨别力指标评分；应激抵抗力指标计算模块，用于将用户本人的多组生理实验数据输入第二二分类模型，基于第二二分类模型识别结果的准确率得出用户的应激抵抗力指标计算模块评分；逃遁抑制力指标计算模块，用于将用户本人的多组生理实验数据输入第三二分类模型，基于第三二分类模型识别结果的准确率得出用户的逃遁抑制力指标计算评分；综合评分模块，用于根据用户的危险辨别力指标评分、应激抵抗力指标计算模块评分和逃遁抑制力指标计算评分计算出患病风险评分；匹配输出模块，用于根据患病风险评分分布的区间对应得出用户的患病等级。
具体实施时，将用户本人的多组生理实验数据输入第一二分类模型，该第一二分类模型识别结果的准确率得出用户的危险辨别力指标评分，具体地，利用第一二分类模型区分每组生理实验数据是由AA+刺激方案导致的还是由BC-刺激方案导致的，并据此得出识别结果的准确率，也即危险辨别力指标评分。将用户本人的多组生理实验数据输入第二二分类模型，基于第二二分类模型识别结果的准确率得出用户的应激抵抗力指标计算模块评分，具体地，利用第二二分类模型区分训练数据和测试数据中每组生理实验数据是在预警信号出现前3秒采集的，还是在预警信号出现后3秒采集的，并据此得出识别结果的准确率，也即应激抵抗力指标计算模块评分。将用户本人的多组生理实验数据输入第三二分类模型，基于第三二分类模型识别结果的准确率得出用户的逃遁抑制力指标计算评分，具体地，利用第三二分类模型区分训练数据和测试数据中每组生理实验数据是在条件刺激前3秒采集的，还是在条件刺激后3秒采集的，并据此得出识别结果的准确率，也即逃遁抑制力指标计算评分。以上三个评分指标均与PTSD风险正相关，可以单独使用，也可以汇总平均得出指标总分值，这些指标具有客观、多维度、可量化的特点，对PTSD风险的首测和重测信效度大幅高于简单惊反射测量方法。另外，对应PTSD风险总分值，分数越高则表示用户的患病风险越高，示例性地，指标总分值为100％～90％的输出为高风险患病等级，指标总分值为90％～75％的输出为中风险患病等级，指标总分值为75％以下的输出为低风险患病等级。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于惊反射诱发的创伤后应激障碍诊断评估***，其特征在于，包括信号呈现单元、数据采集单元、反馈调节单元和输出单元：
信号呈现单元，用于根据信号参数生成刺激控制策略，并根据刺激控制策略在预设时段内向用户发送条件刺激、预警刺激、强刺激中的一种或多种；
数据采集单元，用于实时采集用户在诊断时不同阶段的生理数据，所述生理数据包括脑电信号、眼电信号和心电信号；
反馈调节单元，用于根据用户在当前阶段的生理数据反馈调节下一阶段的信号参数，并重新响应信号呈现单元和数据采集单元；
输出单元，用于统计所述生理数据经计算处理后输入识别模型获取用户的患病风险评分，并输出相应的患病等级，
其中，所述反馈调节单元包括：
前期汇总模块，汇总第1阶段用户的脑电幅值变化程度n1、眼电幅值变化程度y1和心电幅值变化程度x1，以及第2阶段用户的脑电幅值变化程度n2、眼电幅值变化程度y2和心电幅值变化程度x2；
后期汇总模块，汇总当前第m阶段用户的脑电幅值变化程度nm、眼电幅值变化程度ym和心电幅值变化程度xm，所述m的初始值为3，令m＝m+1，直至全部阶段的生理数据采集完成为止；
预警刺激强度调节模块，从第3阶段开始，基于上一阶段的脑电幅值变化程度及上一阶段的***声分贝数，调节下一阶段预警刺激时的***声分贝数；
强刺激强度调节模块，从第3阶段开始，基于第1阶段与上一阶段的眼电幅值变化程度及前两阶段的喷气压强差，调节下一阶段强刺激时的喷气压强；
预警刺激时间调节模块，从第3阶段开始，基于第1阶段的条件预警开启时间、及第1阶段的心电幅值变化程度及上一阶段的心电幅值变化程度调节下一阶段预警刺激的出现时间；
信号参数生成模块，从第3阶段开始，根据下一阶段预警刺激时的***声分贝数、下一阶段强刺激时的喷气压强以及下一阶段预警刺激的出现时间生成信号参数。
2.根据权利要求1所述的***，其特征在于，所述信号呈现单元包括：
条件刺激模块，用于根据中性信号向用户发送条件刺激；
预警刺激模块，用于根据预警信号向用户发送预警刺激；
强刺激模块，用于根据强刺激信号向用户发送强刺激。
3.根据权利要求2所述的***，其特征在于，所述条件刺激为视觉刺激，所述预警刺激为声音刺激，所述强刺激为接触刺激；
所述视觉刺激包括通过图片的形式刺激用户，所述声音刺激包括通过***声的形式刺激用户，所述接触刺激包括通过喷气的形式刺激用户。
4.根据权利要求3所述的***，其特征在于，所述刺激控制策略中的刺激方案包括AA+、BC-和AA-，所述字母A、B、C对应表示图片的三种不同内容，所述符号+表示产生喷气，所述符号-表示不产生喷气；
所述AA+表示在预设时段内向用户同时展示两张相同内容的图片A，并在其中的一段时间内向用户喷气；
所述BC-表示在预设时段内向用户同时展示图片B和图片C，且不向用户喷气；
所述AA-表示在预设时段内向用户同时展示两张相同内容的图片A，且不向用户喷气；
AB-表示在预设时段内向用户同时展示图片A和图片B，且不向用户喷气。
5.根据权利要求4所述的***，其特征在于，所述刺激控制策略中的刺激时序包括：
训练期包括多个阶段，通过在第1阶段使用AA+刺激方案且喷气压强设为最大值，在第2阶段使用AA+刺激方案且喷气压强设为最小值，在之后的每个阶段随机向用户呈现AA+刺激方案和AA-刺激方案，且第一阶段的AA+刺激方案不包括预警刺激，其余阶段的AA+刺激方案包括预警刺激；
测试期包括多个阶段，通过在每个阶段随机向用户呈现AB-刺激方案和BC-刺激方案，且各阶段的刺激方案均包括预警刺激。
6.根据权利要求5所述的***，其特征在于，还包括模型选择单元：
第一选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应刺激方案的第一二分类模型，并从中选择出符合阈值条件的第一二分类模型备用，所述刺激方案包括AA+刺激方案或者BC-刺激方案；
第二选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应时期的第二二分类模型，并从中选择出符合阈值条件的第二二分类模型备用，所述时期包括预警刺激前产生或者预警刺激后产生；
第三选择模块，利用多人组的生理实验数据分别训练用于识别生理实验数据产生时对应条件刺激时期的第三二分类模型，并从中选择出符合阈值条件的第三二分类模型备用，所述条件时期包括条件刺激前产生或者条件刺激后产生。
7.根据权利要求6所述的***，其特征在于，所述输出单元还包括：
危险辨别力指标计算模块，用于将用户本人的多组生理实验数据输入第一二分类模型，基于第一二分类模型识别结果的准确率得出用户的危险辨别力指标评分；
应激抵抗力指标计算模块，用于将用户本人的多组生理实验数据输入第二二分类模型，基于第二二分类模型识别结果的准确率得出用户的应激抵抗力指标计算模块评分；
逃遁抑制力指标计算模块，用于将用户本人的多组生理实验数据输入第三二分类模型，基于第三二分类模型识别结果的准确率得出用户的逃遁抑制力指标计算评分；
综合评分模块，用于根据用户的危险辨别力指标评分、应激抵抗力指标计算模块评分和逃遁抑制力指标计算评分计算出患病风险评分；
匹配输出模块，用于根据患病风险评分分布的区间对应得出用户的患病等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110448107.2A CN113274021B (zh) | 2021-04-25 | 2021-04-25 | 基于惊反射诱发的创伤后应激障碍诊断评估*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110448107.2A CN113274021B (zh) | 2021-04-25 | 2021-04-25 | 基于惊反射诱发的创伤后应激障碍诊断评估*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113274021A CN113274021A (zh) | 2021-08-20 |
| CN113274021B true CN113274021B (zh) | 2023-11-28 |
Family
ID=77277311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110448107.2A Active CN113274021B (zh) | 2021-04-25 | 2021-04-25 | 基于惊反射诱发的创伤后应激障碍诊断评估*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113274021B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109124657A (zh) * | 2013-03-11 | 2019-01-04 | 亚特兰大儿童医疗保健公司 | 用于认知和发育状况的检测的***和方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013163090A1 (en) * | 2012-04-23 | 2013-10-31 | Sackett Solutions & Innovations, LLC | Cognitive biometric systems to monitor emotions and stress |
| US9408570B2 (en) * | 2013-05-03 | 2016-08-09 | The Charles Stark Draper Laboratory, Inc. | Physiological feature extraction and fusion to assist in the diagnosis of post-traumatic stress disorder |
| US20200107767A1 (en) * | 2018-10-09 | 2020-04-09 | Synapstory Production Group Inc. | Non-Invasive Portable Device and Method to Assess Mental Conditions |
| US11696714B2 (en) * | 2019-04-24 | 2023-07-11 | Interaxon Inc. | System and method for brain modelling |
-
2021
- 2021-04-25 CN CN202110448107.2A patent/CN113274021B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109124657A (zh) * | 2013-03-11 | 2019-01-04 | 亚特兰大儿童医疗保健公司 | 用于认知和发育状况的检测的***和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113274021A (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Draine et al. | Replicable unconscious semantic priming. | |
| Arvaneh et al. | A P300-based brain-computer interface for improving attention | |
| CN112137627B (zh) | 智能人因测评和训练方法及*** | |
| Valentine et al. | Eyewitness identification under stress in the London Dungeon | |
| Klavir et al. | Functional connectivity between amygdala and cingulate cortex for adaptive aversive learning | |
| CN102271584B (zh) | 生物疲劳评价装置以及生物疲劳评价方法 | |
| Ben-Shakhar et al. | Effects of questions' repetition and variation on the efficiency of the guilty knowledge test: a reexamination. | |
| Graham et al. | Aging increases inattentional blindness to the gorilla in our midst. | |
| Panagioti et al. | An empirical investigation of the effectiveness of the broad-minded affective coping procedure (BMAC) to boost mood among individuals with posttraumatic stress disorder (PTSD) | |
| Gkika et al. | How to deal with negative thoughts? A preliminary comparison of detached mindfulness and thought evaluation in socially anxious individuals | |
| Katzer et al. | Tactile perceptual processes and their relationship to somatoform disorders. | |
| Haciomeroglu et al. | Perceived parental rearing behaviours, responsibility attitudes and life events as predictors of obsessive compulsive symptomatology: Test of a cognitive model | |
| Limbrecht-Ecklundt et al. | The effect of forced choice on facial emotion recognition: a comparison to open verbal classification of emotion labels | |
| Elaad | The challenge of the concealed knowledge polygraph test | |
| Diana et al. | Identifying the ERP correlate of a recognition memory search attempt | |
| CN113274021B (zh) | 基于惊反射诱发的创伤后应激障碍诊断评估*** | |
| KR101654265B1 (ko) | 개인 맞춤형 시야 검사 방법 및 그 장치 | |
| CN108567436B (zh) | 一种特殊人员风险行为的心理矫正***以及方法 | |
| Li et al. | Predicting PTSD symptoms in firefighters using a fear-potentiated startle paradigm and machine learning | |
| Meijer et al. | 16 Practical guidelines for developing a CIT | |
| Meier | Rediscovering the role of avoidance in psychotherapy progress and outcome. | |
| US20180055354A1 (en) | Novel non-intrusive approach to assess drowsiness based on eye movements and blinking | |
| CN115363585A (zh) | 一种基于去习惯化与观影任务的标准化群体抑郁风险筛查***及方法 | |
| Menzel | The variable value of life and fairness to the already ill | |
| Kocanaogullari et al. | Eeg-based neglect detection for stroke patients |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |