基于机器学习的抑郁症特征提取与实现

摘要：

文章将抑郁症脑电识别作为"云计算与数据挖掘"课程的实验内容,设计了利用机器学习进行抑郁症脑电识别诊断系统,利用信号处理方法进行脑电特征提取.时域采用基于统计特征的近似熵及非线性特征的模糊熵、频域采用基于脑电波段划分的功率谱密度进行特征提取,用以更加精准地提取抑郁症患者的脑电信号特征.最后利用机器学习方法,实现了对抑郁症的快速客观诊断.实验采用Python语言实现,实验结果表明近似熵特征取得了最佳分类结果.

关键词：数据挖掘、机器学习、抑郁症、脑电信号

所属期刊栏目：39

分类号：TN181;G642.0(真空电子技术)

资助基金：吉林省发改委基金资助项目;吉林大学教学改革项目

在线出版日期：2022-04-25（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：153-157