增强的混合深度神经网络用于基于EEG的精神分裂症诊断,使用功能和时间特征
Mahdi Soltani-Nejad1, Farnaz Salar-Pour2, Seyed Ali Rakhshan3
1Intelligent Data Processing Laboratory (IDPL), Department of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran. soltaninejad.mahdi@yahoo.com.
Scientific reports
|November 29, 2025
概括
这项研究引入了一种新的混合深度神经网络,使用脑电图 (EEG) 信号进行精确的精神分裂症诊断. 人工智能模型有效地将精神分裂症患者与健康个体区分开来,提高了诊断效率.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 人工智能的人工智能
背景情况:
- 精神分裂症的诊断依赖于主观的临床评估,在准确性和效率方面面临限制.
- 电脑电图 (EEG) 提供客观的大脑活动测量,显示了改善精神分裂症检测的潜力.
- 开发自动化诊断工具对于克服传统方法缺点至关重要.
研究的目的:
- 开发和验证一种新的混合深度神经网络,用于使用EEG信号准确诊断精神分裂症.
- 克服与传统诊断方法相关的主观性和时间限制.
- 提高精神分裂症检测的效率和客观性.
主要方法:
- 在视觉任务期间从精神分裂症患者和健康对照组收集了EEG数据.
- 预处理的EEG信号,提取的功能和时间域特征.
- 使用混合深度神经网络,与SVM和KNN进行基准测试,并进行k-fold交叉验证.
主要成果:
- 混合深度神经网络在区分精神分裂症患者和对照者方面表现出卓越的表现.
- 达到高的诊断准确度,灵敏度和辨别能力.
- 超越了既定的机器学习方法,如支持向量机器和k-最近邻居.
结论:
- 使用混合深度神经网络进行基于EEG的诊断是准确检测精神分裂症的有希望的方法.
- 这种方法为传统的临床评估提供了更客观,更有效的替代方案.
- 进一步的研究应侧重于数据集的扩展和临床验证,以便在现实世界中应用.
