一种基于心电图的新方法来对精神疾病进行分类:利用波纹散射网络
Hardik Telangore1, Nishant Sharma1, Manish Sharma1
1Department of Electrical and Computer Science Engineering, Institute of Infrastructure, Technology, Research and Management (IITRAM), Ahmedabad, India.
Medical engineering & physics
|February 8, 2025
概括
这项研究引入了一种使用心电图 (ECG) 信号和波纹散射网络 (WSN) 的自动化方法,以准确检测双相情感障碍,抑郁症和精神分裂症等神经精神疾病. 这种新的方法实现了高精度,为临床诊断提供了潜在的工具.
科学领域:
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
- 医疗保健中的机器学习
背景情况:
- 神经精神疾病由于主观评估方法和复杂的症状而存在重大诊断挑战.
- 现有的自动诊断系统通常依赖于电脑电图 (EEG) 信号,这些信号的分析很复杂.
- 电心电图 (ECG) 信号为诊断精神疾病提供了一个可行的替代方案,因为它与心脑的联系.
研究的目的:
- 调查使用心电图 (ECG) 信号用于神经精神疾病自动识别的疗效.
- 评估波束散射网络 (WSN) 的性能,用于分析精神病患者的心电图信号.
- 开发一种可靠,准确的双相情绪障碍 (BD),抑郁症 (DP) 和精神分裂症 (SZ) 的自动诊断工具.
主要方法:
- 使用了包括233名受试者在内的精神病学心电图节拍数据集 (198名有障碍者,35名对照者).
- 在3570次心跳中应用波纹散射式特征提取以分析心电图信号.
- 采用机器学习技术,特别是Fine K-Nearest Neighbor (FKNN) 算法,具有十倍的交叉验证.
主要成果:
- 使用FKNN算法实现了99.8%的平均分类准确率和0.996的卡帕值.
- 证明了自动识别的高准确性:BD为99.78%,DP为99.94%,SZ为99.98%,对照为100%.
- 报告的F1分数和接近1的精度值,表明模型性能强大.
结论:
- 拟议的波纹散射网络 (WSN) 与FKNN相结合,提供了一种高精度的自动化方法,用于使用心电图信号检测神经精神疾病.
- 这种方法克服了传统诊断方法和复杂的EEG分析的局限性.
- 这些发现表明,它是一个有希望的工具,用于客观和有效的临床检测精神疾病.
