轻度抑郁症脑电特征分析与机器识别研究

作者：尚照岩; 乔晓艳^*

来源：测试技术学报, 2022, 36(06): 498-505.

• 抑郁症
• 静息脑电
• 支持向量机
• 特征提取
• 机器识别

轻度抑郁症的快速筛查和识别具有重要现实意义.采用静息态脑电信号探索了轻度抑郁症机器识别的有效方法，旨在找出与抑郁关系密切的脑电特性以及分类算法.首先，对各个导联的原始脑电数据加时间窗分段，计算抑郁症患者和正常人的脑电活动性、移动性、复杂度；然后，采用Burg算法和小波变换，分别提取每段脑电信号的频域特征和时频非线性特征；最后，利用支持向量机算法进行抑郁脑电分类，分析不同时间窗口、导联组合、特征组合、节律组合以及机器学习算法对识别结果的影响.实验结果表明：使用支持向量机分类器，选用20 s时间窗口，在O2、 T5导联组合，以及活跃度、移动性、小波能量熵、小波奇异熵特征组合和脑电alpha、 beta、 gamma节律组合下，得到抑郁识别准确率94.24%、召回率92.35%、精确度96.23%的最佳分类结果.

• 单位
  电子工程学院