从三通道静止状态EEG使用混合Conv1D和光谱统计融合模型检测抑郁症
Oana-Isabela Știrbu1, Florin-Ciprian Argatu2, Felix-Constantin Adochiei2
1Doctoral School of Electrical Engineering, Faculty of Electrical Engineering, National University of Science and Technology Politehnica Bucharest (NUSTPB), 060042 Bucharest, Romania.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
这项研究表明,轻量级的三通道电脑电图 (EEG) 模型可以有效地选主要抑郁症 (MDD). 便携式系统实现了高精度,支持其用于可扩展,低负担的心理健康评估.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 计算精神病学是一种计算精神病学.
背景情况:
- 大型抑郁症 (MDD) 查需要可扩展,低负担的工具.
- 静止电脑电图 (EEG) 提供了客观生物标志物的潜力.
- 目前的EEG查方法可能缺乏可移植性和效率.
研究的目的:
- 评估一个轻量级的,三通道静止状态EEG模型,以区分MDD与健康对照.
- 开发一种便携式和高效的重大抑郁症查工具.
- 评估模型在使用便携式硬件的独立队列上的可行性.
主要方法:
- 为三通道EEG开发了一个紧的混合融合模型,将Conv1D嵌入与光谱统计描述器相结合.
- 为了防止数据泄露,实施了以多数票进行的主体独立评估协议.
- 该模型在公开的MDD数据集上进行了训练,并在独立的便携式EEG队列上进行了测试,没有微调.
主要成果:
- 混合模型在公开数据集中的被保留主体上实现了93.43%的窗口级准确性.
- 在便携式设备上进行的初步外部验证显示出有希望的可行性,报告了具有置信区间的受试者级别性能.
- 该模型是紧的 (≈40.19 MB) 并与资源有限的硬件的int8量子化兼容.
结论:
- 一个轻量级的,三通道的EEG混合模型证明了对主要抑郁障碍检测的可行性.
- 这些发现支持开发MDD的便携式,低负荷的EEG查工具.
- 进一步的临床验证和设备上的推理研究是有必要的.
