基于集成方法的 EEG 特征抑郁症检测
机器学习
2022-02-09 v1 信号处理
摘要
抑郁症是一个公共卫生问题，严重影响个体福祉并给社会带来负面经济与社会影响。为提高对这些问题的认识，本出版物旨在确定抑郁症的长期影响是否能从脑电图（EEG）信号中判定。文章包含 SVM、LDA、NB、kNN 和 D3 二分类器的准确率比较，这些分类器使用线性（相对频带功率、APV、SASI）与非线性（HFD、LZC、DFA）EEG 特征训练。年龄与性别匹配的数据集由 10 名健康受试者和 10 名在其生命中某时刻有抑郁症诊断的受试者组成。所提出的若干特征选择与分类器组合达到了 90% 准确率，所有模型均使用 10 折交叉验证评估并基于 100 次随机样本置换取平均。
引用
@article{arxiv.2103.08467,
title = {Ensemble approach for detection of depression using EEG features},
author = {Egils Avots and Klavs Jermakovs and Maie Bachmann and Laura Paeske and Cagri Ozcinar and Gholamreza Anbarjafari},
journal= {arXiv preprint arXiv:2103.08467},
year = {2022}
}
备注
8 pages, 2 figures