沈潇童 1,2 , 王玥 1,2 , 毕卉 1,2 , 曹音 3 , 王苏弘 4 , 邹凌 1,2
  • 1. 常州大学 信息工程学院(江苏常州 213164);
  • 2. 常州市生物医学信息技术重点实验室(江苏常州 213164);
  • 3. 常州市第二人民医院(江苏常州 213003);
  • 4. 常州市第一人民医院(江苏常州 213003);
导出 下载 收藏 扫码 引用

为了增强基于脑电图信号的青少年抑郁症计算机辅助诊断精度,本研究采集了 32 名女性青少年静息状态下闭眼 4 min 的脑电图信号,其中抑郁症患者 16 名(抑郁组)、健康受试者 16 名(对照组),年均(16.3 ± 1.3)岁。首先,根据信号之间的相位同步性,使用相位锁定值(PLV)方法,分别在 θ 和 α 频段下计算脑功能连接。然后基于图论方法,再分别计算加权网络的强度、平均特征路径长度和平均聚类系数(P < 0.05)。接下来,利用多重阈值和网络参数的关系,提取各个网络参数的曲线下面积(AUC)作为新特征(P < 0.05)。最后,使用支持向量机(SVM),将两组受试者的网络参数和网络参数的 AUC 作为特征进行分类。研究结果显示,使用强度、平均特征路径长度、平均聚类系数作为特征,在 θ 频段,其分类精度分别由 69% 提高到 71%、66% 提高到 77%、50% 提高到 68%;在 α 频段,其精度分别由 72% 提高到 79%、69% 提高到 82%、65% 提高到 75%;且整体来看,在 α 频段使网络参数的 AUC 作为特征,分类精度比网络参数特征提升了 10% 左右,而在 θ 频段,仅平均聚类系数 AUC 的分类精度提升了 18%。本研究结果证明,基于图论量化脑功能网络并对网络参数特征优化,能够对青少年抑郁症的计算机辅助诊断提供一定的帮助和理论支撑。