基于EEG功能连接的多变量模式分析抑郁症

抑郁症(depressivedisorder,MDD)是一种已经影响到全球超过3.5亿人的常见精神疾病，其主要特征是持久和严重的情绪低落或躁狂。患者很难控制自己的情绪，表现出情绪低落，从而降低了患者对所有活动的兴趣。到目前未知，抑郁症的病理生理机制仍不十分清楚。目前，临床上对抑郁症的诊断主要基于临床医生对患者的问卷量表调查，但是这种方法有一定的主观性。因此，研究者试图运用多种神经成像技术如EEG、MRI、MEG、PET等来实现对抑郁症的客观评价和诊断。在这些成像技术中，EEG似乎具有得天独厚的优势，如设备价格低、时间分辨率超高等。运用EEG技术，研究者发现抑郁症患者的不同频段震荡活动以及多个脑区之间的功能连接网络等表现出不用于正常人的特征。近些年来，随着机器学习的兴起，机器学习结合抑郁症的EEG信号特征用于抑郁症的分类研究越来越受到研究者的青睐。尽管静息态EEG研究已经证实抑郁症和健康人的脑功能网络存在统计学差异，但是，到目前为止，基于机器学习的多变量模式分析能否捕获整体的EEG功能连接模式以实现高准确率区分抑郁症患者与正常对照者还尚未可知。近期，兰州大学相关研究团队在《IEEEAccess》杂志发表题为《MultivariatepatternanalysisofEEG-basedfunctionalconnectivity:astudyontheidentificationofdepression》的研究论文，对上述问题进行了研究。本文对该项研究进行解读。#研究方法#1.被试该研究最终包含27个MDD患者和28个相匹配的健康被试，两组被试的相关临床资料如表1所示。表12.EEG数据采集和预处理在被试清醒闭眼状态下，采用通道的静息态EEG信号，采样频率Hz，参考电极位于Cz电极。静息态EEG的预处理采用EEGlab工具包。首先，对EEG信号进行1-40Hz的带通滤波；其次，肌电和眼电等噪声用TrimOutlier插件去除；第三，插补坏道；第四，采用REST方法对EEG信号进行重参考；第五，EEG中包含高频噪声成分的数据点使用ArtifactSubspaceReconstruction(ASR)插件去除。经过上述预处理步骤，得到干净的EEG信号被滤波成delta(1-4Hz),theta(4-8Hz),alpha(8-13Hz)和beta(13-30Hz)4个频段，并对整个1-40Hz频率段的信号进行了研究。3.功能连接矩阵的构建该研究采用相滞指数（PhaseLagIndex，PLI）来计算两两通道信号之间的功能连接。x,y两个通道之间的PLI计算公式如下：关于PLI的计算方法，感兴趣的朋友可以参考







































中科白癜风专家寒假会诊
北京中科白疯癫医院



本文编辑：佚名
转载请注明出地址  http://www.cc-gy.com/jbjc/9414.html