基于Couple熵的抑郁症相干性反馈指标提取
为探究抑郁症患者脑网络连通特性及其作为在线反馈指标的可行性.首先,采用对容积导体效应不敏感的相干性虚部(IC)构建脑网络,能够有效便捷的避免虚假连接影响.然后,提取具有显著性差异的IC值作为特征集,提出结合Couple熵(CE)和Relief过滤式特征选择方法优化特征集,结合特征与类、特征之间关系信息提高特征集质量.同时,根据自我参照脑网络模块整合特征集,构造在线反馈指标.最后,采用K最近邻(KNN)、支持向量机(SVM)分类器进行对比分析.结果发现,各频段内CE-Relief特征选择方法提取的特征集最小,且分类准确率均高于90%;Alpha频段IC值识别抑郁效果最好,分类准确率可达到100%;自我参照脑网络的前额区平均IC值分类能力在各频段内具有优势且稳定,分类准确率均高于80%.
抑郁症分类、相干性虚部、Couple熵、自我参照脑网络
45
TP3(计算技术、计算机技术)
江苏省重点研发计划产业前瞻与关键核心技术项目;浙江省脑机协同智能重点实验室开放基金;江苏省研究生培养创新计划项目
2022-10-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
160-167