抑郁症患者脑电导联选择算法及分类研究

摘要：

基于EGI公司64导脑电采集系统,采集了16位青少年抑郁症患者和16位正常人静息态下闭眼4分钟的脑电数据.运用频谱不对称分析法(Spectral Asymmetry Index,SASI)和去趋势波动分析(Detrended Fluctuation Analysis,DFA)算法提取脑电时域和频域特征.针对提取的特征的导联,一方面,选择最佳电极Pz作为分类的导联,另一方面,通过遗传算法对所有导联进行筛选,将筛选后的导联特征用于分类.使用支持向量机(Support Vector Machine,SVM)在单导联和多导联的情况下,对抑郁症患者和正常人进行分类,结果发现,单导联下,使用SVM分类器对抑郁组和对照组的SASI和DFA结果进行分类,分类精度分别为45.5％和51.5％,使用遗传算法的分类精度分别为78.1％和90.6％,SASI算法的计算实时性优于DFA算法,DFA算法的准确性优于SASI算法.该研究为抑郁症的计算机辅助诊断提供了理论依据.

关键词：脑电信号(EEG)、抑郁症、频谱不对称分析(SASI)、去趋势波动分析(DFA)

所属期刊栏目：56

分类号：TN911.7;TP391

资助基金：江苏省科技厅社会发展项目;常州市科技项目;江苏省"333高层次人才培养工程"项目;常州大学科研资助项目

在线出版日期：2020-11-20（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：154-159