面向精神病 EEG 数据分类的图案发现框架
机器学习
2025-01-09 v1
摘要
在当前医疗实践中，接受抗抑郁药物治疗的患者需等待四到六周才能由临床医生评估药物反应，因为抗抑郁药的显著效果存在延迟。早期识别治疗反应至关重要，因为这可以减少与治疗相关的情感和经济负担。我们将患者对治疗的反应预测作为一个分类问题，通过利用对第 7 天治疗期间 EEG 记录的动态特性来实现。我们提出了一个新框架，将图案发现应用于从 EEG 数据中提取区分抗抑郁治疗反应者和非反应者的有意义特征。我们还将该框架应用于其他精神病 EEG 数据集的分类任务，包括表现出精神分裂症症状的患者、接受难治性癫痫发作的儿童患者，以及阿尔茨海默病和痴呆患者。我们在所有数据集上实现了高分类精度。结果表明，EEG 的动态特性可能支持医生在诊断和预测抗抑郁治疗反应方面作出决策，甚至在治疗第 7 天时即可实现。
引用
@article{arxiv.2501.04441,
title = {Motif Discovery Framework for Psychiatric EEG Data Classification},
author = {Melanija Kraljevska and Katerina Hlavackova-Schindler and Lukas Miklautz and Claudia Plant},
journal= {arXiv preprint arXiv:2501.04441},
year = {2025}
}