脑电图的进步用于创伤后应激障碍的识别:一个范围审查
Jose A Salazar-Castro1, Diego H Peluffo-Ordonez2,3,4, Diego M Lopez1,5
1Telematics Department and the Telematics Engineering Group (GIT)University of Cauca Cauca 190003 Colombia.
IEEE open journal of engineering in medicine and biology
|July 14, 2025
概括
电脑电图 (EEG) 显示出对客观创伤后应激障碍 (PTSD) 诊断和治疗的希望. 计算方法,特别是阿尔法频段EEG和监督机器学习模型,实现了高精度,但更广泛的应用需要不同的数据集.
科学领域:
- 神经科学是一个神经科学.
- 计算精神病学是一种计算精神病学.
- 生物医学工程 生物医学工程
背景情况:
- 创伤后应激障碍 (PTSD) 是一种使人虚弱的疾病,通常使用主观方法诊断.
- 对创伤后应激障碍的客观诊断和治疗工具至关重要.
研究的目的:
- 对利用脑电图 (EEG) 信号处理用于PTSD诊断,差异化和治疗的计算方法进行范围审查.
- 为PTSD研究提供EEG分析管道的全面概述.
主要方法:
- 在Scopus,Web of Science和PubMed (2013-2024) 进行了遵循PRISMA-ScR协议的系统文献搜索.
- 分析包括73项研究,重点研究基于EEG的PTSD诊断 (52),差异化 (8),和治疗 (15).
- 分析的主要技术是EEG波段和事件相关潜力 (ERP),以及各种统计和机器学习模型.
主要成果:
- 阿尔法频段和LPP ERP在PTSD诊断和治疗中显示出显著的实用性.
- 监督支持矢量机 (SVM) 模型显示出高精度 (例如,诊断为0.997).
- 多模式随机森林模型将EEG与其他生物信号集成,实现了高精度 (例如0.993).
结论:
- 基于EEG的计算方法为客观的PTSD评估和治疗监测提供了一个有希望的途径.
- 局限性包括ERP的不足利用,睡眠数据和全频段EEG分析,以及缺乏多样化的数据集.
- 未来的研究应该探索深度学习,自适应信号分解和多模式集成,以加强PTSD研究.
