《基于Couple熵的抑郁症相干性反馈指标提取》

技术简介：

为探究抑郁症患者脑网络连通特性及其作为在线反馈指标的可行性。首先，采用对容积导体效应不敏感的相干性虚部(IC)构建脑网络，能够有效便捷的避免虚假连接影响。然后，提取具有显著性差异的IC值作为特征集，提出结合Couple熵(CE)和Relief过滤式特征选择方法优化特征集，结合特征与类、特征之间关系信息提高特征集质量。同时，根据自我参照脑网络模块整合特征集，构造在线反馈指标。最后，采用K最近邻(KNN)、支持向量机(SVM)分类器进行对比分析。结果发现，各频段内CE-Relief特征选择方法提取的特征集最小，且分类准确率均高于90%;Alpha频段IC值识别抑郁效果最好，分类准确率可达到100%;自我参照脑网络的前额区平均IC值分类能力在各频段内具有优势且稳定，分类准确率均高于80%。

研发人员：张婷婷;王楠;周天彤;王苏弘;邹凌;