%A 王春方1 张力新1 刘爽1 孙长城2 王勇军2 赵欣1綦宏志1 周鹏1 万柏坤1 杜金刚2 明东1*
%T 基于去趋势波动分析( DFA) 的脑卒中后抑郁症静息脑电特征提取与识别
%0 Journal Article
%D 2013
%J 中国生物医学工程学报
%R 10.3969/j.issn.0258-8021.2013.05.02
%P 520-525
%V 32
%N 5
%U {http://cjbme.csbme.org/CN/abstract/article_261.shtml}
%8 2015-10-20
%X 为考察脑卒中后抑郁症(PSD)患者静息态脑电(EEG)特异性,通过去趋势波动分析(DFA),提取16导联EEG信号波动函数F(s)和区间长度s函数关系在双对数坐标中线性拟合斜率之标度指数α值,作为EEG信号的长程幂函数相关性特征参数。将3类人群(健康正常组10人、脑卒中后无抑郁症组4人、脑卒中后抑郁症组7人)的16导联EEG信号α值作为样本进行独立样本t检验,结果显示,健康人与脑卒中患者在顶叶、颞叶以及枕叶处α值存在显著性差异(P<0.05);利用支持向量机(SVM)分类器,将EEG信号DFA的α值放入16维特征空间在脑卒中患者组(含抑郁症与无抑郁症)内进行模式识别,可获得最高90.9%的分类正确率,有望为临床PSD提供客观有效的辅助诊断新手段。