EEG信号结合特征融合技术诊断精神分裂症和抑郁症

摘要：

目的 探索通过机器学习算法结合脑电信号实现对精神分裂症和抑郁症的诊断.方法 分别采集33例精神分裂症患者和28例抑郁症患者的脑电信号,并将采集到的脑电图信号格式由EDF格式转化为ASCII格式,提取脑电信号的Lempel-Ziv复杂度、最大李雅普诺夫指数、Higuchi分形维数等特征.应用特征融合策略对特征进行融合,形成新的特征向量,然后利用机器学习分类算法进行分类研究.结果 最终基于高斯核函数的支持向量机(SVM)的分类准确率为84.85％,其中灵敏度为89.47％,特异性为78.57％.结论 通过提取EEG脑电信号特征结合机器学习算法对精神分裂症和抑郁症进行识别,对开发新型的精神分裂症和抑郁症的诊断技术具有一定的研究意义.

关键词：精神分裂症、抑郁症、脑电信号、机器学习、特征融合

所属期刊栏目：37

分类号：R749.3;R749.4(神经病学与精神病学)

资助基金：乌鲁木齐市卫生健康委科技计划项目202030

在线出版日期：2024-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：176-180