Розпізнавання великого депресивного розладу на основі вейвлет-когерентності електроенцефалограм

Анотація

В даній статті досліджується, чи покращують ознаки, отримані з вейвлет-когерентності між каналами ЕЕГ, розпізнавання великого депресивного розладу (ВДР) порівняно з базовими ознаками, сформованими на основі вейвлет-перетворення окремих каналів. Розроблено цілісний алгоритм, що включає попередню обробку сигналів, обчислення когерентності з використанням аналітичної базової функції Морле та формування похідних мережевих і міжканальних ознак. Експериментальне оцінювання проведено на наборі даних TDBRAIN із поділом на незалежні тренувальну та тестову вибірки. Базові спектрально-енергетичні ознаки (відносна вейвлет-енергія та вейвлет-ентропія) забезпечили тестову точність 76,2%, що є найвищим результатом серед окремих наборів характеристик. Додавання міжканальної вейвлет-когерентності суттєво підвищило ефективність засобу класифікації, дозволивши досягти тестової точності 83,3%. Це підтверджує, що ознаки функціональної взаємодії між електродами є комплементарними до спектральних характеристик і покращують здатність системи виявляти патерни, пов’язані з депресивним розладом. Результати демонструють, що поєднання вейвлет-енергетичних характеристик із міжканальною когерентністю формує стабільний та відтворюваний підхід для автоматизованого розпізнавання ВДР за ЕЕГ-сигналами.