用于抑郁症诊断与监测的基于脑电图的机器智能算法系统综述
信号处理
2025-03-26 v1 机器学习
摘要
抑郁症是一种严重的健康状况，影响了全球数百万人的生活。抑郁症的诊断是一项极具挑战性的实践，严重依赖主观研究，且在多数情况下存在发现较晚的问题。近年来，脑电图（EEG）生物标志物被提出并作为潜在的变革性客观实践进行了研究。在本文中，首次利用先进的机器学习技术和统计分析方法，对基于 EEG 的抑郁症诊断方法进行了详细的系统综述。为此，初步检索了 938 篇潜在相关文章（自 1985 年起），并根据“系统综述和荟萃分析的首选报告项目（PRISMA）”综述方案筛选出 139 篇相关文章。本文对所选文章进行了比较和讨论，并根据机器学习技术和统计分析的类型对其进行了分类。对算法、预处理技术、提取的特征和数据采集系统进行了讨论和总结。这篇综述论文解释了当前算法面临的现有挑战，并阐明了该领域的未来方向。本系统综述概述了基于 EEG 的抑郁症诊断机器智能中可在未来研究乃至未来可穿戴技术中解决的问题与挑战。
引用
@article{arxiv.2503.19820,
title = {A Systematic Review of EEG-based Machine Intelligence Algorithms for Depression Diagnosis, and Monitoring},
author = {Amir Nassibi and Christos Papavassiliou and Ildar Rakhmatulin and Danilo Mandic and S. Farokh Atashzar},
journal= {arXiv preprint arXiv:2503.19820},
year = {2025}
}