典型文献
轻度抑郁症脑电特征分析与机器识别研究
文献摘要：
轻度抑郁症的快速筛查和识别具有重要现实意义.采用静息态脑电信号探索了轻度抑郁症机器识别的有效方法,旨在找出与抑郁关系密切的脑电特性以及分类算法.首先,对各个导联的原始脑电数据加时间窗分段,计算抑郁症患者和正常人的脑电活动性、移动性、复杂度;然后,采用Burg算法和小波变换,分别提取每段脑电信号的频域特征和时频非线性特征;最后,利用支持向量机算法进行抑郁脑电分类,分析不同时间窗口、导联组合、特征组合、节律组合以及机器学习算法对识别结果的影响.实验结果表明:使用支持向量机分类器,选用20 s时间窗口,在O2、T5导联组合,以及活跃度、移动性、小波能量熵、小波奇异熵特征组合和脑电alpha、beta、gamma节律组合下,得到抑郁识别准确率94.24％、召回率92.35％、精确度96.23％的最佳分类结果.
文献关键词：
抑郁症;静息脑电;支持向量机;特征提取;机器识别
中图分类号：
作者姓名：
尚照岩;乔晓艳
作者机构：
山西大学 物理电子工程学院,山西 太原 030006
文献出处：
引用格式：
[1]尚照岩;乔晓艳-.轻度抑郁症脑电特征分析与机器识别研究)[J].测试技术学报,2022(06):498-505
A类：
静息脑电
B类：
轻度抑郁,机器识别,快速筛查,别具,静息态脑电信号,电特性,分类算法,脑电数据,加时,抑郁症患者,正常人,脑电活动,活动性,移动性,Burg,小波变换,每段,频域特征,时频,非线性特征,支持向量机算法,脑电分类,不同时间窗,时间窗口,联组,特征组合,节律,机器学习算法,支持向量机分类器,O2,T5,活跃度,小波能量熵,小波奇异熵,熵特征,alpha,beta,gamma,抑郁识别,识别准确率,召回率
AB值：
0.372665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
