一种基于3通道EEG信号的抑郁症新型快速检测算法
XiWu Guo1, ZiHan Guo2, TaoLi Xie1
1Department of the People's Hospital of Taihe County, Fuyang, Anhui, China.
Frontiers in neuroscience
|October 15, 2025
概括
这项研究引入了一种使用电脑电图 (EEG) 信号快速识别抑郁症的新方法,抑郁症是医学上无法解释的症状 (MUS) 的常见原因. 该模型达到97.42%的准确性,有助于早期诊断和治疗.
科学领域:
- 神经科学是一个神经科学.
- 医疗信息学 医疗信息学
- 精神病学是一个精神病学.
背景情况:
- 医学上无法解释的症状 (MUS) 存在诊断挑战,特别是在区分早期抑郁症. 在MUS患者中,延迟诊断抑郁症可能导致长时间的痛苦和无效的治疗.
- 抑郁症是中年和老年人群中许多MUS病例的重要潜在因素,但由于症状呈现不符合标准诊断标准,早期检测往往受到阻碍.
研究的目的:
- 开发和验证使用电脑电图 (EEG) 信号的抑郁症快速辅助诊断模型.
- 通过及时识别,解决医学上无法解释的症状 (MUS) 的患者抑郁症诊断的延迟问题.
- 探索便携式实时EEG设备的潜力,用于抑郁症查和预选.
主要方法:
- 利用来自前额叶的三通道静止状态EEG信号.
- 应用于信号分解的变化模式分解 (VMD).
- 使用功率频谱分析选择的内在模式功能 (IMF) 组件.
- 通过样本来提取的能量特征.
- 使用LightGBM算法进行分类.
主要成果:
- 在抑郁症识别方面获得了97.42%的高分类准确度.
- 在诊断模型中展示了高精度和及时性之间的平衡.
- 对比实验验证实了该模型的有效性.
结论:
- 提出的基于EEG的模型为抑郁症检测提供了一个有希望,准确和及时的解决方案.
- 这种方法支持用于抑郁症查的便携式实时EEG系统的开发.
- 它为呈现医学上无法解释的症状 (MUS) 的患者的预选提供了有价值的工具.
