基于眼动与脑电的抑郁特征分析与分类研究

发布时间：2023-04-10 05:30

　　抑郁症是一种常见的精神障碍,在全球范围内,近3.5亿不同年龄段的人都患有抑郁症。抑郁症是世界范围内致残的主要原因,也是造成全球疾病负担的主要因素。尽管如此,因为抑郁症发病机理的复杂性,相关的发病机制仍然处于探索阶段。此外,由于抑郁症的诊断当前主要是基于传统的精神科访谈,其本身的主观性使得早期诊断依然具有挑战性。有效的心理功能需要保护认知免受情绪冲突的干扰,尤其是与任务无关的情绪性刺激。然而,先前的研究已经证实了抑郁症患者在处理情绪冲突时存在认知功能障碍。事实上,关于抑郁症的研究主要集中在情绪信息处理中的负性注意偏向以及执行功能中存在的冲突控制障碍,但情绪冲突障碍作为这两者相互作用的结果,更为复杂,因此,大脑检测和解决情绪冲突的神经机制在很大程度上仍然是未知的。如今,随着生物信息技术的不断进步,眼动、脑电等生理信号已经越来越多的被应用于抑郁症等神经系统疾病的监测以及病理探索之中。为了进一步探索抑郁症患者同正常人处理情绪冲突机制的差异,本文基于脸-词Stroop范式采集了重度抑郁症患者及健康对照的行为、生理信号,并从情绪冲突任务中注意部署模式以及大脑功能整合两个方面对比分析重度抑郁症患者同...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景
        1.1.1 抑郁症概述
        1.1.2 眼动信号概述
        1.1.3 EEG脑电信号概述
    1.2 研究现状
        1.2.1 抑郁症注意偏向研究
        1.2.2 情绪冲突研究
        1.2.3 基于眼动、脑电信号的抑郁识别研究
    1.3 本文研究内容及意义
    1.4 论文组织
第二章 实验范式与数据采集
    2.1 被试选择
    2.2 实验材料与范式
    2.3 数据采集设备
        2.3.1 眼动信号采集设备
        2.3.2 脑电信号采集设备
    2.4 数据采集流程
    2.5 小结
第三章 眼动、脑电信号分析方法概述
    3.1 脑电信号简介
    3.2 脑电数据预处理
        3.2.1 预处理流程
        3.2.2 独立成分分析
    3.3 大脑功能网络
        3.3.1 大脑功能连接构建
        3.3.2 脑网络全局属性
        3.3.3 小世界网络属性
        3.3.4 脑网络局部属性
    3.4 分类算法
        3.4.1 朴素贝叶斯
        3.4.2 逻辑回归
        3.4.3 支持向量机
        3.4.4 K近邻
        3.4.5 随机森林
    3.5 小结
第四章 基于眼动的注意偏向研究
    4.1 人口学数据
    4.2 行为数据
        4.2.1 反应时间
        4.2.2 准确率
    4.3 眼动数据
        4.3.1 初次注视潜伏期
        4.3.2 初次注视时间
        4.3.3 总注视时间
    4.4 讨论
    4.5 小结
第五章 基于情绪冲突任务的功能脑网络分析
    5.1 人口学数据
    5.2 大脑功能网络构建
        5.2.1 大脑功能连接矩阵构建
        5.2.2 阈值与二值化
    5.3 结果分析
        5.3.1 大脑功能连接矩阵
        5.3.2 全局特性
        5.3.3 小世界网络
        5.3.4 局部特性
    5.4 小结
第六章 基于眼动、脑电信号的抑郁分类研究
    6.1 基于眼动数据的抑郁分类
        6.1.1 眼动数据预处理
        6.1.2 特征选择
        6.1.3 分类结果
    6.2 基于脑网络全局属性的抑郁分类
    6.3 融合眼动及脑网络全局属性的抑郁分类
        6.3.1 CFS+Best First选择策略
        6.3.2 统计选择策略
    6.4 基于脑网络局部属性的抑郁分类
    6.5 小结
第七章 总结与展望
    7.1 论文工作总结
    7.2 工作展望
参考文献
在学期间的研究成果
致谢



本文编号：3788416