基于EEG信号的抑郁症辅助诊断方法研究.pdf

摘要

摘要

抑郁症又称抑郁障碍，是一种常见的精神类疾病。传统的抑郁症诊断主要是医

生根据患者的临床表现及诊断量表进行综合判断来完成，但这一方法严重依赖于医

生的临床经验以及患者的高度配合，且抑郁症患者的病症表征往往不具有临床特异

性，这均使得诊断极易出现漏诊或误诊的情况。相关研究表明，脑电图

（Electroencephalogram，EEG）能够反应人的精神状态，这为抑郁症的诊断提供了

一种有效途径。基于此，本文以EEG信号为数据源，聚焦于抑郁症的早期筛查与分

级诊断，开展关于抑郁症辅助诊断方法的研究。

本文首先提出了一种基于时-频-空特征序列与深度混合模型的抑郁症早期筛查

方法。该方法首先结合分段处理、频域转化等方法，对EEG信号进行时-频-空特征

序列的提取；其次结合卷积神经网络以及融合注意力机制的长短期记忆网络，构建

了一种深度混合模型TSS-HDNN，进而将所提特征序列作为模型输入并训练模型完

成正常人与轻度抑郁症患者的有效识别；最后，在公开数据集MODMA上验证所提

方法的可行性与有效性。所提方法的早期筛查准确率、召回率、灵敏度分别可达

84.38%、83.78%、77.50%。

进一步，本文提出了一种基于先验脑网络与节律交互式图注意力模型的抑郁症

分级诊断方法。该方法首先结合EEG信号频域特征与图论知识，构建个体脑网络和

群体脑网络；其次，将所构建的脑网络作为先验信息，设计了一种基于先验脑网络

的节律交互式图注意力模型P-I-GAT，并通过训练所提模型完成正常人、轻度抑郁

症患者与重度抑郁症患者的有效识别；最后，在公开数据集MODMA上验证所提方

法的可行性与有效性。所提方法的分级诊断准确率为89.15%，召回率为89.24%，

灵敏度为88.84%。

关键词

抑郁症，早期筛查，分级诊断，脑电信号，深度混合模型，交互式图注意力模型

I

西北大学硕士学位论文

II

目录

ABSTRACT

Depression,alsoknownasdepressivedisorder,isacommonmentalillness.

Traditionaldiagnosisofdepressionreliesheavilyonadoctorsclinicalexperienceanda

patientscooperationtocompleteanassessmentbasedontheirclinicalpresentationand

diagnosticscales.However,thesymptomsofdepressionoftenlackclinicalspecificity,

makingmisdiagnosisandmisseddiagnosiscommon.Researchhasshownthat

Electroencephalogram(EEG)canreflectapersonsmentalstate,providinganeffective

meansforthediagnosisofdepression.Basedonthis,thisarticlefocusesonearly

screeningandgradingdiagnosisofdepression,usingEEGsignalsasthedatasourceto

exploremethodsforthecompu