利用静息态脑电图(EEG)检测抑郁症的机器学习方法：一项综述研究
神经元与认知
2019-03-28 v1 机器学习
应用统计
机器学习
摘要
在本文中，我们旨在综述当今为在精神卫生保健中寻找更精确的诊断与治疗管理而提出的若干不同方法。我们的焦点在于心境障碍，特别是重性抑郁障碍(MDD)。我们首先综述并讨论基于神经影像研究(MRI与fMRI)的发现，以了解关于抑郁症解剖与功能差异的知识体系。随后，我们聚焦于适用于日常临床实践的、成本较低的数据驱动方法，尤其是那些基于脑电图(EEG)记录的方法。在利用EEG的研究中，我们讨论了一组用于基于静息态EEG检测抑郁症的应用(检测研究)以及干预研究(在其方案中使用了刺激或旨在预测治疗结果)。最后，我们讨论并综述了旨在提高所开发模型可靠性、从而有助于改进精神科抑郁症诊断的指南。
引用
@article{arxiv.1903.11454,
title = {Machine learning approaches in Detecting the Depression from Resting-state Electroencephalogram (EEG): A Review Study},
author = {Milena Cukic Radenkovic},
journal= {arXiv preprint arXiv:1903.11454},
year = {2019}
}
备注
31 pages, 4 Figures. arXiv admin note: text overlap with arXiv:1803.05985 by other authors