基于功能连接信息熵的精神分裂症EEG分类研究

摘要：

为了提高精神分裂症的有效诊断,利用网络功能连接信息熵的方法对51例精神分裂症患者和56例年龄匹配的正常人的脑电信号(Electroencephalogram,EEG)进行了分类.通过采用分频技术、相位同步分析方法、信息熵方法、支持向量机(Support Vector Machine,SVM)分类方法,大幅提高了分类准确率(98.13%),实现了对精神分裂症的有效诊断.该分类方法主要涉及两阶段:利用分频技术和相位同步分析方法,获得各频段的脑电信号在各个时间点的功能连接矩阵;基于整个时间域上的功能连接计算各频段的信息熵,并将其分别作为功能脑网络的分类特征训练SVM分类器,进而对两组被试分类.分类结果表明,该方法大幅提高了精神分裂症检测的准确率.

关键词：精神分裂症、脑电信号(EEG)、相位同步、功能连接信息熵、SVM分类、功能脑网络

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61873178;中国博士后科学基金2016M601287

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：239-244