23、抑郁症检测与预测的前沿方法探索

抑郁症检测与预测的前沿方法探索

1. 基于神经网络的抑郁症检测模型

在抑郁症检测领域，多种神经网络模型展现出了强大的潜力。
- 卷积网络与脉冲神经网络（MGSN） ：利用128通道电极的位置，结合脉冲神经网络（SNN）建立基础检测框架。将模型学习到的特征映射到相应电极，同时使用动态图卷积网络识别抑郁症潜在的脑电图（EEG）特征，增强了模型的可靠性。
- 自动抑郁症检测模型 ：Sharma等人使用政府医学院（GMC）的EEG数据构建模型。采用深度小波散射网络（DWSN）进行特征提取，中神经网络（MNN）进行模型建立，准确率达到了99.95%。
- Twin Pascal’s Triangles Lattice Pattern（TPTLP）模型 ：Tasci等人基于EEG信号提出该模型用于检测重度抑郁症（MDD）。模型生成动态模式进行自适应纹理特征提取，并从128通道预测向量生成的126个投票向量中自动选择最佳结果。通过留一法交叉验证，准确率达到83.96%。
- 抑郁症混合神经网络（DepHNN）模型 ：Sharma等人结合卷积神经网络（CNN）和长短期记忆网络（LSTM）架构提出该模型。收集21名抑郁症患者和24名正常个体的EEG信号进行抑郁症检测，分类准确率为99.1%。
- 脑电波频率与抑郁症严重程度分析 ：Chiang等人使用快速傅里叶变换（FFT）和离散小波变换（DWT）分析不同脑电波频段与抑郁症严重程度的相关性。发现与抑郁情绪相关的主要大脑区域为额叶区域Fp1和Fp2以及枕