完美论文网提供本科论文、硕士毕业论文写作指导、论文发表及论文查重服务!QQ:505676555

电话:18796337551
当前位置:完美论文网信息系统 → 文章正文

青少年抑郁患者的脑电特征提取及分类研究

作者:完美论文网  来源:www.wmlunwen.com  发布时间:2021/3/5 15:52:08  

摘要:抑郁症又称抑郁障碍,临床特征表现为长期的心情低落、消极厌世等行为。近年来,青少年抑郁症已经成为一个值得重视的社会问题。目前,脑电技术在抑郁症的临床检测及其认知研究中起着重要作用。

本文采集了16位青少年抑郁患者和16位健康大学生静息状态下闭眼5分钟的64导联脑电信号,并进行滤波、坏道替换、基线校正、分段、去除伪迹等预处理。接下来,研究了青少年抑郁患者和健康大学生脑电信号的特征提取及分类算法,包括传统脑电时频分析算法,构建动静态脑网络的相位锁定指数(Phase Locking Value,PLV)方法和互信息(Mutual Information,MI)方法,以及可以直接对抑郁患者和健康被试进行分类的长短时记忆网络算法。以上算法所得结果为抑郁患者的计算机辅助诊断提供了一定技术指标。

在青少年抑郁患者和健康大学生脑电信号的特征提取方面,首先采用传统频谱不对称分析方法(Spectral Asymmetry Index Analysis,SAIA)和趋势波动分析方法(Detrended Fluctuation Analysis,DFA)算法,计算各导联脑电信号的频谱不对称指数(Spectral Asymmetry Index,SASI)和波动指数(Scaling Exponent,SE),并通过遗传算法确定最优导联(额区:3,12,19,58,62;中心区域:4,20;顶区:26,27,33,34,45,48;颞区:30),提取最优导联的时频特征;其次,通过PLV方法构建静态脑网络,计算网络强度、平均特征路径长度、平均聚类系数等网络特征参数,组合平均路径长度和平均聚类系数作为分类特征;再次,通过MI方法搭建动态脑网络,使用二进制狼群算法筛选和优化网络强度获得分类特征。

在利用脑电技术对青少年抑郁患者和健康大学生的分类研究方面,首先,针对上述传统时频分析算法、静态脑网络及动态脑网络获得的抑郁症和健康被试脑电特征,采用支持向量机方法(SVM)进行分类;然后,采用长短时记忆网络(Long Short Term Memory Network, LSTM)算法,在Tensorflow框架下构建长短时间记忆深度神经网络,对抑郁症和健康被试脑电信号直接进行分类。

研究结果显示:就分类精度而言,基于SAIA时频特征提取算法的分类精度为78.1%,基于DFA时频特征提取算法的分类精度为90.6%,基于PLV静态网络特征提取算法的分类精度为78.1% ,基于MI动态网络特征提取算法的分类精度为87%,LSTM网络的分类精度达到90%。就算法耗时而言,计算MI动态脑网络的用时最长,达到12667s, SAIA算法的效率最高,仅20s,计算PLV静态网络的用时为113s,而DFA算法和LSTM深度学习方法的计算效率相差不大,分别耗时3169s和3301s。

研究结果表明:传统时频特征提取算法(如DFA算法)、动态网络特征提取算法(如MI算法)以及深度学习算法(如LSTM算法)的分类精度均在85%以上,能为临床抑郁症诊断提供较为有效的技术指标;

此外,DFA和 SAIA算法在实时计算中具有优势,这对脑机接口技术在抑郁症领域的应用提供了参考依据。

关键词:时频分析;导联选择;脑网络;深度学习;分类

  • 上一个文章:企业信息化受计算机应用技术的影响研究
  • 下一个文章:没有资料
  • 联系方式

    客服QQ 505676555
    客服热线18796337551
    网站地址 www.wmlunwen.com
    郑重承诺 原创,包修改,包通过!
    完美论文网真诚欢迎新老客户的光临与惠顾!