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期发现和治疗，提高抑郁症和轻度患者的识别准确率，研究了抑郁症的人工智能辅助诊断方法，提出了一种基于公共空间模式的alpine双分类器投票算法。方法首先，提出了一种基于方差分析的最佳数据分割时间的确定方法进行数据预处理，并引入公共空间模式算法进行特征提取。然后，结合当前扩展的两分类学习器解决多分类问题的框架，设计了一种两分类器投票算法，解决了公共空间模式算法在多分类问题中的局限性，实现了健康对照、轻症患者和重症患者的脑电信号三分类。最后，利用MODMA抑郁症研究中心的开放数据集，以轻度患者的准确率和召回率为评价指标，通过对比实验验证了算法的性能优势。结果在公共数据集上，基于公共空间模式的投票算法的准确率高达97.55%，轻度患者的召回率为91%。与传统的两种多分类公共空间模式扩展策略相比，其准确率分别提高了1.32%和5.10%，对轻度患者的准确率分别提高了9%和18%。结论基于公共空间模式的投票算法能有效提高抑郁症和轻度患者的识别准确率，为促进抑郁症的早期发生和治疗提供算法支持。