基于EEG功能网络及微状态的抑郁识别研究

发布时间：2023-05-22 01:42

　　抑郁症是一种广泛存在的情感障碍类精神疾病,目前已经对个人,家庭以及社会的形成了广泛的影响,受影响的人的日常生活严重受阻,还可能产生自杀倾向。同时,抑郁症已经对社会造成了严重的健康和经济负担,但是对抑郁症的诊断仍然使用较为传统的方式,导致对抑郁症的识别准确率低,并且具有明显的个体特征等问题。抑郁症的准确诊断可以有效防止抑郁症状的发展和其他心理或者生理疾病的发生。随着计算机辅助诊断的发展,EEG信号特征被认为可以作为一种有效的生物标志物,可用于抑郁症患者的识别。对抑郁症的生物标志物的搜寻仍然是目前计算机和生物领域的研究前沿。相比任务态,获取静息态EEG数据的操作更为方便。然而,目前该领域的研究普遍存在研究样本量小,数据分析方法多样化,结果统一性差,说服力不高。基于此,本文主要使用微状态和脑网络两种方法,通过对27名抑郁患者和28名正常对照组的静息态EEG数据进行分析,探索抑郁相关的生物标志物,以及研究抑郁患者大脑功能异常。(1)在微状态的分析过程中,分别对两组被试的EEG数据,使用全脑有效脑电计算所得出的GFP信号所有峰值处的脑电状态作为准微状态,然后使用聚类算法,将准微状态的聚类为4个目...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 脑电信号概述
        1.1.1 脑电信号的产生
        1.1.2 脑电信号的分类
    1.2 抑郁症概述
    1.3 基于脑电的抑郁识别研究现状
    1.4 本文研究内容及意义
        1.4.1 研究内容
        1.4.2 研究目的及意义
    1.5 本文的组织结构
第二章 相关理论以及技术
    2.1 微状态分析理论
        2.1.1 聚类算法
        2.1.2 拟合方法
    2.2 脑网络分析理论
        2.2.1 功能网络构建
        2.2.2 网络特征计算
    2.3 本章小结
第三章 数据采集及预处理
    3.1 实验受试者信息介绍
        3.1.1 被试对象的选择
        3.1.2 被试样本特征
    3.2 脑电数据的采集
        3.2.1 脑电采集实验环境以及流程
        3.2.2 数据采集相关标准
    3.3 脑电数据的预处理
    3.4 本章小结
第四章 抑郁患者静息态EEG微状态研究
    4.1 分析方法及流程
        4.1.1 微状态分析
        4.1.2 信息论分析
    4.2 实验结果
    4.3 结果讨论
    4.4 本章小结
第五章 EEG静息态脑网络的抑郁识别研究
    5.1 分析方法与步骤
        5.1.1 脑网络分析
        5.1.2 模式识别研究
    5.2 实验结果
    5.3 结果讨论
    5.4 本章小结
第六章 总结和展望
    6.1 工作总结
    6.2 研究的不足与未来研究展望
参考文献
在学期间的研究成果
致谢



本文编号：3821752