基于脑电信号及共空间模式的抑郁症多分类算法研究

目的 为了实现抑郁症患者的早发现、早治疗,提高抑郁症识别准确率及轻度患者召回率,对抑郁症的人工智能辅助诊断方法进行研究,提出了一种基于共空间模式的脑电信号二分类器投票算法.方法 首先,提出一种基于方差分析确定最佳数据分段时长的方法进行数据预处理,并引入共空间模式算法进行特征提取.然后,结合当前二分类学习器解决多分类问题的扩展框架,设计了一种二分类器投票算法,解决了共空间模式算法在多分类问题上的局限性,实现健康对照、轻度患者、重度患者的脑电信号三分类.最后,利用抑郁症研究公开数据集MODMA,以准确率及轻度患者召回率为评价指标,通过对比实验,验证算法在性能上的优势.结果 在公开数据集上,基于共空间模式的投票算法准确率高达97.55％,轻度患者召回率为91％,与两种传统的多分类共空间模式扩展策略性能相比,准确率分别提升1.32％和5.10％,轻度患者召回率分别提升9％和18％.结论 基于共空间模式的投票算法能有效提高抑郁症识别准确率及轻度患者召回率,可为促进抑郁症的早发现早治疗提供算法支持.