轻度抑郁症脑电特征分析与机器识别研究

摘要：

轻度抑郁症的快速筛查和识别具有重要现实意义.采用静息态脑电信号探索了轻度抑郁症机器识别的有效方法,旨在找出与抑郁关系密切的脑电特性以及分类算法.首先,对各个导联的原始脑电数据加时间窗分段,计算抑郁症患者和正常人的脑电活动性、移动性、复杂度;然后,采用Burg算法和小波变换,分别提取每段脑电信号的频域特征和时频非线性特征;最后,利用支持向量机算法进行抑郁脑电分类,分析不同时间窗口、导联组合、特征组合、节律组合以及机器学习算法对识别结果的影响.实验结果表明:使用支持向量机分类器,选用20 s时间窗口,在O2、T5导联组合,以及活跃度、移动性、小波能量熵、小波奇异熵特征组合和脑电alpha、beta、gamma节律组合下,得到抑郁识别准确率94.24％、召回率92.35％、精确度96.23％的最佳分类结果.

关键词：抑郁症、静息脑电、支持向量机、特征提取、机器识别

所属期刊栏目：36

分类号：TN911.7

资助基金：山西省回国留学人员科研资助项目;太原市小店区产学研合作科技专项资助项目

在线出版日期：2022-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：498-505