论文部分内容阅读
抑郁症又称抑郁障碍,主要表现为长时间的心情低落、兴趣丧失和动机减退,目前在世界范围内抑郁症的发病呈现出患病早,以及易复发的趋势。世界心理健康估计到2020年抑郁症的患病人数将上升至疾病总量第二位。然而到目前为止,对于抑郁病的诊断并没有明确的定量的方法,也没有找到其发病原因。因此迫切需要找到抑郁症的病发原因以及诊断方法。脑电图(Electroencephalography, EEG)是一种无创、安全的检测方法,具有时间分辨率高,操作简单,费用便宜的特点,通常在临床上用于脑功能检查以及脑功能障碍性疾病的诊断,特别是对于癫痫的鉴别诊断,已经广泛应用于临床中。本文选取出10名轻度抑郁被试与10名正常人的16导脑电信号,将其滤去高频噪声、低频漂移及眼动伪迹,提取出线性特征和非线性特征,并使用多种分类器进行分类,分析并评价每一导用于分类识别轻度抑郁和正常人的分类准确率；利用脑电源定位(Source Location)方法分析抑郁患者脑内异常区域激活情况,从而为医生的诊疗提供辅助性帮助。出于便于计算以及可用于线性与非线性脑电特征数据的考虑,本文使用了C4.5、贝叶斯网络、逻辑回归和KNN这四种分类算法来评估抑郁识别的准确率；通过标准低分辨率脑电磁层析成像(Standardized low-resolution brain electromagnetic tomography, sLORETA)的定位算法来计算脑内源位置,相比较于其他方法,sLORETA的定位错误率极低,这使得源定位求解得到的异常脑区具有一定的可信度。结果表明轻度抑郁被试在观察负向情绪面孔图片时颞叶部位活动增加；对单个电极的分类验证结果表明位于大脑右半球的电极位置分类准确率较高,能有效识别轻度抑郁被试与正常人。本文的创新性在于：(1)采集并分析了轻度抑郁个体的脑电数据,探索了轻度抑郁障碍患者的脑内异常区域,对抑郁症的防治有一定的贡献；(2)从不同角度分析脑电信号数据,不仅从数据上区分了轻度抑郁个体与正常人,同时也在神经影像上找到了轻度抑郁患者脑部可能出现异常的区域；(3)将脑电信号的线性特征与非线性特征结合,并使用多种分类器进行分析。(4)针对单个电极的脑电特征进行分类,便于使用较少的电极来对抑郁症进行诊断。