反向传播神经网络的心理素质评估范文

本站小编为你精心准备了反向传播神经网络的心理素质评估参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

[摘要]

目的：客观的评估人们的心理素质，并对两类人群进行简单、粗略的分类。方法：应用心理素质训练评估系统采集不同人群的脉搏波信号，并对其进行时域、频域及非线性分析，找出心理科患者与正常人之间具有显著差异性的特征值，最后应用反向传播(BP)神经网络对其进行分类。结果：基于脉搏波的特征值可粗略区分正常人和心理素质差的人群。结论：在大样本量的训练条件，基于心率变异性的心理素质评估方法可作为临床诊断的参考。

[关键词]

心率变异性；神经网络；反向传播；心理素质评估

随着现代社会快节奏的生活，人们承受着来自生活、工作及情感等各方面的压力，能否及时调整好个人心态，成为影响身心健康至关重要的因素，而这种应对压力、调节自我的能力称之为心理素质。以往对心理素质评估采用作业法、投射法量表法等方法，只可定性而不能够准确评价，而目前多采用心理健康量表的方法评估心理素质，量表法多是根据特定的测验目的制定出来的问卷，同时还要建立常规模型作为判断依据，如焦虑量表、抑郁量表及90项症状自评量表(symptomchecklist，SCL-90)等[1-3]。这些评估方法的结果评分容易，易于统一处理，适合大面积使用，但不同的量表均为针对不同的测验目的而制定，因此这种方法存在着局限性。此外，被测者为追求积极结果，导致该方法主观性比较强。为此，本研究应用心理素质训练评估系统，采集不同群体的脉搏波信号，并进行时域、频域及非线性分析，找出患者与正常人之间具有显著差异性的指标[4-5]。应用心率变异性(heartratevariability，HRV)和反向传播(backpropagation，BP)神经网络对其进行分类训练，其目的是为了能更好地客观评估其心理素质，并能够对两类人进行简单、粗略的分类，以便第一时间了解其心理素质状况，并以此为依据设计反馈训练系统，从而提高人们的耐挫能力和应对环境变化能力。

1HRV与神经系统控制的关系

HRV指逐次心搏间期的微小差异，是自主神经系统作用于窦房结的结果，其蕴含了丰富的生理信息。自主神经包括交感神经和副交感神经，是连接身体和中枢神经系统的媒介，并受到中枢以及外周的反馈机制的影响。副交感神经系统(迷走神经)主要行使抑制作用，而交感神经系统具有刺激功能，两者协同作用使生理机能达到最佳状态。HRV的研究不仅可提供关于中枢控制机制(大脑)的信息，还可提供关于器官状态的信息，HRV越高则能够更好的适应环境变化(如图1所示)。

2心率变异信号分析方法

心率变异的分析方法主要包括时域、频域以及非线性分析方法[6-10]。时域分析是对检测时间内的心率(HR)和心搏间期(RR间期)进行统计分析，研究其随时间的变化。由于该方法简单易实现，得到广范的应用。然而，统计学方法在分析心率变异性时存在一定的局限性。因此，经过傅里叶变化等方法得到的频域数据，可以定量地衡量交感神经和副交感神经的变化。同时，由于生理系统本身是非线性的，可为进一步理解HRV和人体生理机能带来更加丰富的数据，常用的非线性分析方法如李亚普诺夫指数、关联维、多重分形和熵测度等[11-13]。

2.1时域分析时域指标主要包括HR，即每分钟的搏动次数，RR间期的标准偏差(SDNN)，其计算方法为公式1：

2.2频域分析HRV的频域分析法即功率谱密度(powerspectraldensity，PSD)估计方法，是将一定时间内的连续RR序列值经过均匀采样分析的快速傅里叶变换(fastfouriertransform，FFT)，以归一化的频率为横坐标，功率谱能量为纵坐标，提供能量随频率变化分布的基本信息。极低频(verylowfrequency，VLF)功率密度，其频率为0.0033～0.04Hz，通常反映心率变化受体温调节、血管舒缩张力和肾血管紧张素系统的影响。低频(lowfrequency，LF)功率密度，其频率为0.04～0.15Hz段的功率，可同时反映交感神经和副交感神经系统的活性，但大部分作为交感神经活性指标来使用。高频(highfrequency，HF)功率密度频率为0.15～0.4Hz段的功率，属于相对的高频区域，是与呼吸运动相关的成分。总功率(totalpower，TP)密度包括VLF、LF及HF的功率总和，该指标代表自主神经系统的整体活性状态，反映自主神经系统对机体的调节能力。

2.3非线性分析排列熵(permutationentroy，PE)可以提取并放大时间序列中的微小变化，用此来检测血容量脉冲(bloodvolumepulse，BVP)和肌电图(electromyography，EMG)信号的突变，即脉搏波和表面肌电信号的突变非常适合。PE是一种对信号复杂度的度量，对时间具有较高的敏感性，可以很好地检测出复杂系统的动力学突变，而振动信号也往往具有非线性、非平稳的特征，因此将PE应用于振动信号突变检测可以获得较好的效果。

3BP神经网络和特征值

BP神经网络是模拟生物神经系统的一种简化模型算法，为3层前馈网络,包含输入层、隐含层及输出层[17-18]。BP算法的主要思想是求出误差对所有权系数的偏导数，然后利用梯度下降法来修正各个连接权系数,以减少误差。对于输入值，要先向前传播到隐含层节点，经作用函数后，再将隐节点的输出信号传播到输出节点，最后给出输出结果。要利用神经网络进行分析预测，必须对其进行训练。训练的目的是调节神经元间的联系强度(权重系数)，使网络的输出应变向量与已知训练样本的应变向量之差最小。

3.1特征值选取神经网络输入的特征值采用假设检验的方式筛选，选出具有显著差异的指标。筛选对象为时域分析结果、频域分析结果以及PE。从两个独立的总体中随机地取出部分个体进行比较研究，称为成组比较试验。将心理科的患者和正常人的数据进行比较，由于方差具有不齐性，故采用t’检验。采用同样的方法，对BR、SDNN、RMSSD、PNN50、TP、LF、HF、VLF和S指标进行检验，选择SDNN、RMSSD、PNN50、TP、LF、HF和S共7个指标作为特征值，见表1。

3.2BP神经网络训练本研究采用Matlab中的神经网络工具箱对正常人和心理科患者的SDNN、RMSSD、PNN50、TP、LF、HF及PE的7个参数进行分类训练，对正常人和心理科患者进行简单的分类，然后再利用该模型对其他数据进行分类预测。(1)准备数据。包括准备训练数据和预测数据，在采集的样本中筛选复合条件的数据，选择年龄为20～40岁的男性数据。其中心理科患者数据52组，正常人29组。(2)设定参数进行网络训练后用训练好的网络进行预测。将准备的数据按类别随机分为4组，数据A(正常人15组数据)，数据B(心理科患者30组数据)，数据C(正常人14组数据)，数据D(心理科患者22组数据)。其中数据A和数据B用于训练，数据C和数据D用于预测。(3)训练及测试的误差情况。纵坐标均方误差(meansquarederror，MSE)是指输出与目标之间的均方差值，其值越小越好，零表示无误差，在训练18次后达到误差最小值0.0074(如图2所示)。

4结果

4.1训练输出结果训练后输出结果对比实际情况，输出值＞0.9的为心理科患者，而接近于0.5的属于正常人。对比结果显示，此特征值的选取和神经网络训练效果较好，其训练输出结果与实际情况完全相符。由此可见，该模型在样本内训练效果良好。

4.2预测实验预测实验是指将训练样本外的数据带入模型，检测其有效性。将数据C的相关特征值参数代入模型中，得到分类结果为：14人中有12人符合实际情况，有2人偏差较大。将数据D的相关特征值参数代入模型中，得到分类结果为：22人中21人符合实际情况，只有1人偏差较大。上述分类预测结果显示，数据C的预测结果与真实情况的符合率为85.7%，而数据D的预测结果与真实情况的符合率为95.5%。因此，通过神经网络模型和选取的特征值能够对正常人和心理科患者进行较好的分类。

5结论

在本研究中，通过采集人体的脉搏波，利用时域、频域分析法和非线性分析方法提取特征值，结合BP神经网络进行分类训练，探索心理素质与心率变异性的关联性，建立起初步的心理素质模型。由于实验条件所限，本研究只选用脉搏波信号，其评价结果具有一定的局限性，若能够结合心电、脑电、血氧及肌电等其他生理参数，则可更加全面地分析并建立心理素质模型。为此，在未来的研究中，可通过进一步的样本收集，建立更为精确的心理素质模型。

作者：汪长岭 汤黎明 申倩 戚仕涛 朱兴喜 单位：南京军区南京总医院医学工程科