机构名称：
¥ 1.0
摘要：压力研究是脑电图 (EEG) 信号处理领域的一个快速发展的领域。在缺乏心理健康设施等情况下，使用 EEG 作为经济有效和个性化压力管理的客观衡量标准变得非常重要。在本研究中，使用机器学习算法通过静息状态 EEG 信号记录对长期压力进行分类。使用两种目前接受的临床实践对压力组和对照组进行标记：(i) 感知压力量表评分和 (ii) 专家评估。除了额叶和颞叶 alpha 和 beta 不对称外，还从五通道 EEG 记录中提取了频域特征。alpha 不对称是从四个通道计算出来的，并用作特征。还进行了特征选择，以确定压力组和对照组的统计显著特征（通过 t 检验）。我们发现，当使用 alpha 不对称作为特征时，支持向量机最适合对长期人类压力进行分类。观察发现，基于专家评估的标记方法可将分类准确率提高高达 85.20%。基于这些结果，我们得出结论，当使用专家评估分配标签时，alpha 不对称可用作压力分类的潜在生物标记。
基于脑电图的心理标签长期压力分类
主要关键词
相关文件推荐
