CAJ | 학술논문

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
기우거추세파동분석(DFA)적뇌졸중후억욱증정식뇌전특정제취여식별
Feature Extraction and Recognition of Resting EEG in Poststroke Depression Subjects Based on Detrended Fluctuation Analysis

万方数据

中国生物医学工程学报中國生物醫學工程學報 중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2013年 5期 520-525 ,共6页

王春方%张力新%刘爽%孙长城%王勇军%赵欣%綦宏志%周鹏%万柏坤

왕춘방%장력신%류상%손장성%왕용군%조흔%기굉지%주붕%만백곤

脑卒中后抑郁症(PSD)%脑电(EEG)%去趋势波动分析(DFA)%标度指数α值%支持向量机(SVM) 腦卒中後抑鬱癥(PSD)%腦電(EEG)%去趨勢波動分析(DFA)%標度指數α值%支持嚮量機(SVM)
뇌졸중후억욱증(PSD)%뇌전(EEG)%거추세파동분석(DFA)%표도지수α치%지지향량궤(SVM)
poststroke depression (PSD)%EEG%detrended fluctuation analysis (DFA)%scaling exponent α support vector machine (SVM)

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.
위고찰뇌졸중후억욱증(PSD)환자정식태뇌전(EEG)특이성,통과거추세파동분석(DFA),제취16도련EEG신호파동함수F(s)화구간장도s함수관계재쌍대수좌표중선성의합사솔지표도지수α치,작위EEG신호적장정멱함수상관성특정삼수.장3류인군(건강정상조10인、뇌졸중후무억욱증조4인、뇌졸중후억욱증조7인)적16도련EEG신호α치작위양본진행독립양본t검험,결과현시,건강인여뇌졸중환자재정협、섭협이급침협처α치존재현저성차이(P＜0.05)；이용지지향량궤(SVM)분류기,장EEG신호DFA적α치방입16유특정공간재뇌졸중환자조(함억욱증여무억욱증)내진행모식식별,가획득최고90.9％적분류정학솔,유망위림상PSD제공객관유효적보조진단신수단.