基于現(xiàn)代譜估計的抑郁癥腦電研究

1、分類號：分類號：TN911.72密級：密級：公開公開研究生學(xué)位論文論文題目（中文論文題目（中文）基于現(xiàn)代譜估計的抑郁癥腦電研究基于現(xiàn)代譜估計的抑郁癥腦電研究論文題目（外文論文題目（外文）AnEEGstudyofDepressionBasedontheModernSpectralEstimation研究生姓名研究生姓名孫名厚學(xué)科、專業(yè)學(xué)科、專業(yè)信息與通信工程信息與通信工程通信與信息系統(tǒng)通信與信息系統(tǒng)研究方向研究方向信號處理信號處理學(xué)位級別

2、學(xué)位級別碩士導(dǎo)師姓名、職稱導(dǎo)師姓名、職稱胡斌教授論文工作論文工作起止年月起止年月20142014年9月至月至20162016年6月論文提交日期論文提交日期20162016年4月論文答辯日期論文答辯日期20162016年6月學(xué)位授予日期學(xué)位授予日期校址：甘肅省蘭州市校址：甘肅省蘭州市萬方數(shù)據(jù)I基于現(xiàn)代譜估計的抑郁癥腦電研究基于現(xiàn)代譜估計的抑郁癥腦電研究中文摘要中文摘要抑郁癥，以明顯且長期的心情低下作為主要臨床特性，是危害人類健康的常見情感

3、障礙類疾病。目前，國內(nèi)外診斷抑郁癥的主要方法是臨床診斷和評定量表。這些方法只有在達到診斷閾值時才可以生效，而且這類診斷方法難以避免出現(xiàn)被測試者主觀隱瞞等干擾因素，容易導(dǎo)致結(jié)果出現(xiàn)偏差。Burger等人的研究表明，抑郁癥患者的腦電信號在不同波段上的功率譜存在與正常人不同的特征。因此，本研究首先通過量表篩選出抑郁癥患者和正常人這兩類群體然后采集這兩類人群的腦電信號，用現(xiàn)代譜估計方法來分析抑郁癥患者和正常人的腦電，并用樸素貝葉斯和K最鄰近結(jié)點

4、(KNN)這兩種分類算法實現(xiàn)兩類人群的準確分類。具體內(nèi)容如下：1.本研究先通過自評量表和MINI量表篩選實驗人群，并從篩選的人群中選出94名作為本研究的被試，其中抑郁組是47名，另外47名作為正常對照組。在此基礎(chǔ)上，使用3導(dǎo)便攜式腦電設(shè)備采集兩組被試在靜息態(tài)和音頻刺激下的腦電信號，并將其作為本研究的原始數(shù)據(jù)；然后采用帶通濾波器對該數(shù)據(jù)進行濾波，并進一步去除眼電，從而得到干凈的腦電信號。2.本文利用現(xiàn)代譜估計中的AR模型Burg算法對干凈

5、的腦電信號進行功率譜估計，并提取絕對平均功率、重心頻率、最大功率及功率譜熵四個腦電特征，之后采用SPSS對這四個腦電特征做統(tǒng)計分析。統(tǒng)計結(jié)果顯示，抑郁組的功率譜與正常組存在著顯著性差異。3.采用SPSS對兩組被試的自評量表做獨立樣本T檢驗，檢驗結(jié)果表明兩組的量表具有顯著性差異，其中抑郁組的健康問卷（平均值17.81）明顯大于正常組（平均值2.36）。再分別對兩組被試者的自評量表和相應(yīng)的腦電特征做Pearson相關(guān)分析，分析結(jié)果顯示健康問

6、卷與最大功率有很好的相關(guān)性（p=0.02，r=0.338），這表明了本文可以從數(shù)據(jù)的角度去驗證量表的判定結(jié)果。4.選取四個腦電特征組成特征向量，構(gòu)造樸素貝葉斯和KNN分類器，對這兩組被試進行分類。研究結(jié)果表明，抑郁組的絕對平均功率和最大功率明顯高于正常組。因為Alpha波功率譜與大腦活動能力成反比，所以，相對于正常人來說，抑郁癥患者的大腦活動能力弱。Pearson相關(guān)分析得出，自評量表中的健康問卷與腦電的最大功率有良好的相關(guān)性，因此本文