基于去趋势波动分析(DFA)的脑卒中后抑郁症静息脑电特征提取与识别

摘要：

为考察脑卒中后抑郁症(PSD)患者静息态脑电(EEG)特异性,通过去趋势波动分析(DFA),提取16导联EEG信号波动函数F(s)和区间长度s函数关系在双对数坐标中线性拟合斜率之标度指数α值,作为EEG信号的长程幂函数相关性特征参数.将3类人群(健康正常组10人、脑卒中后无抑郁症组4人、脑卒中后抑郁症组7人)的16导联EEG信号α值作为样本进行独立样本t检验,结果显示,健康人与脑卒中患者在顶叶、颞叶以及枕叶处α值存在显著性差异(P＜0.05)；利用支持向量机(SVM)分类器,将EEG信号DFA的α值放入16维特征空间在脑卒中患者组(含抑郁症与无抑郁症)内进行模式识别,可获得最高90.9％的分类正确率,有望为临床PSD提供客观有效的辅助诊断新手段.

关键词：脑卒中后抑郁症(PSD)、脑电(EEG)、去趋势波动分析(DFA)、标度指数α值、支持向量机(SVM)

所属期刊栏目：32

分类号：R318(医用一般科学)

资助基金：国家自然科学基金项目81222021,81171423;教育部新世纪优秀人才支持计划项目NCET-10-0618

在线出版日期：2013-11-18（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：520-525