• 1. 四川大学 电气信息学院(成都 610065);
  • 2. 四川大学 华西医院 心理卫生中心(成都 610041);
导出 下载 收藏 扫码 引用

精神分裂症和抑郁症患者的临床表现不仅有一定的相似性,而且会随着患者情绪的变化而变化,因此容易导致临床诊断出现误诊。脑电图 (EEG) 分析为准确区分和诊断精神分裂症与抑郁症患者提供了重要的参考和客观依据。为了解决精神分裂症与抑郁症患者之间误诊的问题,提高区分和诊断这两类疾病的准确率,本研究提取了 100 名抑郁症患者和 100 名精神分裂症患者的静息态 EEG 信号特征,包括:① 信息熵、样本熵、近似熵;② 统计学属性;③ 各节律相对功率谱密度(rPSD)。然后,利用这些特征组成特征向量,结合支持向量机(SVM)和朴素贝叶斯(NB)分类器对精神分裂症和抑郁症患者进行分类研究。实验结果表明:① 以各节律的 rPSD 组成的特征向量 P  的分类效果最好,平均准确率可达 84.2 %,最高达 86.3%;②SVM 的分类效果明显优于 NB;③ β 节律的可分性最好,准确率最高,可达 76%;④ 特征权重较大的电极主要集中在额叶和顶叶。本研究结果表明,SVM 结合各节律 rPSD 组成的特征向量 P  组成的分类模型,对精神分裂症和抑郁症患者的区分具有较好的效果,或可对相关的临床诊断起到一定的辅助作用。