کنفرانس مهندسی برق ایران

صفحه اصلی / سی و یکمین کنفرانس بین المللی مهندسی برق

تشخیص و مقیاس بندی شدت افسردگی براساس روش‌های یادگیری ماشین و با استفاده از معیار‌های خطی، غیرخطی و آماری محاسبه شده در سیگنال‌های الکتروانسفالگرام

نویسندگان :

پریسا رئوف امامزاده هاشمی¹ وحید شالچیان² رضا رستمی³

1- دانشگاه علم و صنعت ایران 2- دانشگاه علم و صنعت ایران 3- دانشگاه تهران

کلمات کلیدی :

تحلیل آماری،تحلیل خطی و غیرخطی سیگنال EEG،تشخیص افسردگی،مقیاس بندی شدت افسردگی،یادگیری ماشین

چکیده :

اختلال افسردگی اساسی (MDD) به عنوان یک بیماری روانی ناتوان‌کننده و یک معضل اجتماعی در سراسر جهان شناخته شده‌است. تشخیص افسردگی توسط روانپزشک به عوامل مختلفی از جمله سطح مهارت پزشک و هم‌کاری بیمار بستگی دارد و گاهی تشخیص با خطا همراه است. هدف این مطالعه یافتن نشانگرهای زیستی جدید و تشخیص خودکار و همچنین مقیاس بندی شدت افسردگی با استفاده از سیگنال‌های الکتروانسفالوگرام (EEG) است. سیگنال‌ EEG ثبت شده در حوزه زمان با استفاده از روش‌های خطی ، روش‌های غیر خطی و روش‌های آماری در باندهای فرکانسی مختلف تحلیل شدند. معیارهایی که دارای بیش‌ترین تفاوت آماری معنی‌دار بودند به طبقه‌بندهای ماشین بردار پشتیبان، k نزدیکترین همسایه، تحلیل تفکیک خطی، درخت تصمیم‌ و رگرسیون لجستیک جهت تشخیص افسردگی و مقیاس بندی شدت افسردگی داده شدند. با توجه به نتایج کسب شده باندهای فرکانسی بالاتر بخصوص باند بتا به شدت تحت تاثیر افسردگی قرار می‌گیرند. بیش‌ترین تفاوت‌های آماری قابل توجه به ترتیب در نواحی پس‌سر راست، آهیانه چپ و گیجگاهی مشاهده شد. در این مطالعه توانستیم تنها با استفاده از 2 کانال در تشخیص افسردگی به صحت 100%و در مقیاس بندی افسردگی به صحت 82.85% دست‌یابیم.