-
题名基于Couple熵的抑郁症相干性反馈指标提取
被引量：1
- 1
-
-
作者
张婷婷
王楠
周天彤
王苏弘
邹凌
-
机构
常州大学计算机与人工智能学院阿里云大数据学院
常州大学微电子与控制工程学院
苏州大学附属第三医院
浙江省脑机协同智能重点实验室
-
出处
《电子测量技术》
北大核心
2022年第9期160-167,共8页
-
基金
江苏省重点研发计划(产业前瞻与关键核心技术)项目(BE2021012-5,BE2021012-2)
浙江省脑机协同智能重点实验室开放基金(2020E10010-04)
江苏省研究生培养创新计划项目(KYCX21_2830)资助。
-
文摘
为探究抑郁症患者脑网络连通特性及其作为在线反馈指标的可行性。首先,采用对容积导体效应不敏感的相干性虚部(IC)构建脑网络,能够有效便捷的避免虚假连接影响。然后,提取具有显著性差异的IC值作为特征集,提出结合Couple熵(CE)和Relief过滤式特征选择方法优化特征集,结合特征与类、特征之间关系信息提高特征集质量。同时,根据自我参照脑网络模块整合特征集,构造在线反馈指标。最后,采用K最近邻(KNN)、支持向量机(SVM)分类器进行对比分析。结果发现,各频段内CE-Relief特征选择方法提取的特征集最小,且分类准确率均高于90%;Alpha频段IC值识别抑郁效果最好,分类准确率可达到100%;自我参照脑网络的前额区平均IC值分类能力在各频段内具有优势且稳定,分类准确率均高于80%。
-
关键词
抑郁症分类
相干性虚部
Couple熵
自我参照脑网络
-
Keywords
depression classification
imaginary part of coherency
Couple entropy
brain self-referential network
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
