机构名称：
¥ 1.0
抑郁症已成为全球流行的心理健康问题。传统抑郁诊断方法的准确性由于各种因素而面临挑战，使主要识别成为复杂的任务。因此，当务之急是开发一种符合抑郁识别的客观性和有效性标准的方法。当前的研究强调了抑郁症患者与没有的人之间的大脑活动差异。脑电图（EEG）是一种生物学反射性且易于访问的信号，被广泛用于诊断抑郁症。本文介绍了一种创新的抑郁预测策略，该策略将时频的复杂性和电极空间拓扑结合在一起，以帮助抑郁诊断。最初，提取EEG信号的时频复杂性和时间特征，以生成图形卷积网络的节点特征。随后，利用通道相关性，使用并计算了大脑网络邻接矩阵。最终的抑郁分类是通过训练和验证图形节点特征和基于通道相关的脑网络邻接矩阵来实现的。提出的策略已使用两个公开可用的EEG数据集（MODMA和PERD+CT）进行了验证，分别达到了98.30和96.51％的明显准确率。这些结果肯定了我们提出的策略在使用脑电图信号预测抑郁症方面的可靠性和效用。此外，这些发现证实了脑电图时间复杂性特征的有效性是抑郁预测的有价值的生物标志物。
基于图的抑郁预测的脑电图方法
主要关键词
相关文件推荐
