近期,我院计算机科学与技术专业大四本科生洪丹琦以第一作者身份向International Conference of the IEEE Engineering in Medicine and Biology Society (IEEE EMBC 2021) 投稿的会议文章被接收,论文标题为 ‘EEG-based Major Depressive Disorder Detection Using Data Mining Techniques’。研究成果在特聘研究员樊小毛指导下完成,樊小毛老师为通讯作者,华南师范大学为第一完成单位。
抑郁症是一种常见的精神疾病,其特点是持续的情绪低落、悲伤、疲劳、绝望等感觉,严重的抑郁症甚至会导致患者的自杀行为。目前常用的检测抑郁症的方式为专业医疗人员根据HAMD-17量表检测患病情况,但该种检测方法需要专业人士进行,医疗资源匮乏的地区难以实施。
图1 模型效果和特征数量之间的关系
图2 构建新特征Ar和Ir的方法,其中Aβ和Aα分别为β和α频段的脑电信号振幅指数,Iβ和Iα为β和α频段的脑电信号节律指数
在论文中,我们基于从患者的脑电信号中提取的脑电信号特征,构建了两种新的脑电信号特征。采用逻辑斯蒂回归(LR)和支持向量机(SVM)两种广泛使用的机器学习算法,并对输入的特征进行了筛选,来根据患者的脑电信号、性别和年龄信息,预测出患者的HAMD-17分数,以判断被检测者是否患有抑郁症。实验结果表明,我们提出的分类方法,最佳预测效果达到了F1 值为0.92的结果。该方法可以应用于医疗信息系统,以预测患者的患病情况并帮助患者尽早检出病症,以尽快对病症进行干预治疗。
图3 洪丹琦同学
洪丹琦同学自大三以来积极参加科研活动与学习活动,她的研究兴趣主要为数据挖掘技术。在学习活动之余,她的兴趣爱好有游泳、健身等。